人工智能影響力榜單

       國內，北京、長(cháng)三角、珠三角是產(chǎn)業(yè)重心，企業(yè)總數占全國的84.95%，而中西部地區集中于重慶、四川。32個(gè)省市區中在企業(yè)數、專(zhuān)利申請數、融資數均排名前十的有：北京、上海、廣東、江蘇、浙江。北上深三地人工智能企業(yè)最多，而蘇州人工智能領(lǐng)域專(zhuān)利量存有3000多條，相關(guān)企業(yè)影響力、融資影響力、專(zhuān)利影響力榜單上排名靠前，穩居全國前十。

      現今，人工智能應用于各個(gè)行業(yè)領(lǐng)域。其中，在醫藥健康領(lǐng)域的應用已是大勢所趨。對人工智能在醫藥健康領(lǐng)域的應用主要基于多方面的客觀(guān)現實(shí)：優(yōu)質(zhì)醫療資源供給不足、成本高、醫生培養周期長(cháng)、誤診率高、疾病譜變化快和醫療服務(wù)需求持續增加等。

 

     它將代替醫生診斷某些疾病或做出人類(lèi)大腦本身無(wú)法做到的一些高智能運算，基于大數據來(lái)選擇最佳的治療方案和預后預測等。

      在智能影像識別方面，人工智能的應用主要分為兩部分：一是圖像識別，應用于感知環(huán)節，其主要目的是將影像進(jìn)行分析，獲取一些有價(jià)值意義的信息；二是深度學(xué)習，應用于學(xué)習和分析環(huán)節，通過(guò)大量的影像數據和診斷數據，不斷對神經(jīng)元網(wǎng)絡(luò )進(jìn)行深度學(xué)習訓練，促使其掌握診斷能力。

      作為醫生，從CT、核磁共振等圖像判斷一個(gè)非常小的陰影，是腫瘤是炎癥還是其他原因，需要豐富臨床經(jīng)驗的積累。如果通過(guò)大數據，通過(guò)智能醫療，就能夠迅速得出比較準確的判斷。

      隨著(zhù)深度學(xué)習算法的逐漸普及，通過(guò)建立深度學(xué)習神經(jīng)元數學(xué)模型，從海量醫療影像診斷數據中挖掘規律，學(xué)習和模仿醫生的診斷技術(shù)，從而給出可靠診斷和治療方案，現已成為發(fā)達國家醫院不可缺少的醫療組件。

      在智能藥物研發(fā)方面，則是將人工智能中的深度學(xué)習技術(shù)應用于藥物研究，通過(guò)大數據分析等技術(shù)手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過(guò)計算機模擬，可以對藥物活性、安全性和副作用進(jìn)行預測。目前借助深度學(xué)習，人工智能已在心血管藥、抗腫瘤藥和常見(jiàn)傳染病治療藥等多領(lǐng)域取得了新突破，在抗擊埃博拉病毒中智能藥物研發(fā)也發(fā)揮了重要的作用。

人工智能對藥物研發(fā)的助力包括：

     ? 越來(lái)越多的新型疾病，讓當今社會(huì )投入更多的人力、物力和財力進(jìn)行藥物開(kāi)發(fā)。但由于藥物研發(fā)的困難度和耗時(shí)導致藥企急需更快速有效的研發(fā)方式。

     ? 新藥研發(fā)通常需要10-15年的臨床試驗進(jìn)行藥物比例和品種的調整，其成功率不足15%，繁復冗長(cháng)、資本密集且風(fēng)險極高，而人工智能能夠模擬出各種不同的新陳代謝率、身體素質(zhì)等環(huán)境，還能夠通過(guò)療效和副作用主動(dòng)篩選匹配藥物，檢測出藥物進(jìn)入人體后的吸收、分布、代謝情況，還能夠幫助研發(fā)人員確定藥量-濃度-功效之間的關(guān)系等，讓研發(fā)人員能夠較為直觀(guān)、快速的對新藥進(jìn)行觀(guān)測，加快新藥研發(fā)步驟。

      來(lái)自TechEmergence的一份報告表明，人工智能可以將新藥研發(fā)的成功率從12％提高到14％，可以為生物制藥行業(yè)節省數十億美元。一篇發(fā)表在科學(xué)雜志《SpringerPlus》上的文章指出，一款新藥從最初的專(zhuān)利申請到獲得監管部門(mén)批準平均需要12到13年，最后只剩下7到8年的專(zhuān)利保護期獲得市場(chǎng)排他性。

      中國的醫療資源缺乏，尤其是優(yōu)質(zhì)醫療資源嚴重不足。在大力加強專(zhuān)業(yè)醫療人才的培養的同時(shí)，人工智能就是一個(gè)創(chuàng )新的解決辦法。如位于英國倫敦的BenevolentAI是如今歐洲最大的AI創(chuàng )業(yè)公司，該公司運用人工智能技術(shù)分析不斷涌現的生物醫療論文、專(zhuān)利和實(shí)驗結果，提取出有希望促進(jìn)新藥研發(fā)的知識，從而加速新藥的開(kāi)發(fā)。迄今為止，該公司已經(jīng)獲得了超過(guò)1億元的融資，開(kāi)發(fā)出了24個(gè)候選藥物。

      AI在醫療診斷方面的應用在國內剛剛起步， AI可以滿(mǎn)足高端和低端兩個(gè)方向：“高端”是指為三甲醫院的專(zhuān)科提供服務(wù)；而“低端”是針對基層全科醫生的診斷系統，與專(zhuān)科診療系統不同，基層全科醫生的診斷系統更注重常見(jiàn)病的診斷治療，標準臨床路徑的執行等。

      在醫療中實(shí)施機器學(xué)習和人工智能會(huì )遇到很多眾所周知的挑戰：第一是缺乏“專(zhuān)業(yè)數據庫”，而另一個(gè)就是設計技術(shù)解決方案，并順利將其運用到臨床實(shí)踐和科研中去。AI領(lǐng)域中流行著(zhù)這樣的一句話(huà)“只要有足夠的數據，任何問(wèn)題都可以解決”。這句話(huà)未必全對，但從側面說(shuō)明了數據在A(yíng)I應用中的重要性。我國的患者資源非常豐富，但是但有高質(zhì)量完整的臨床標注的數據庫資源并不多。產(chǎn)品做出來(lái)之后如何在醫療系統中落地也是難題，一個(gè)醫院可能有幾十家系統廠(chǎng)商和上百個(gè)數據接口。

      要真正使醫療產(chǎn)業(yè)的人工智能化落地，還需要依托全產(chǎn)業(yè)鏈包括醫療主管部門(mén)、醫療機構的參與和信息化服務(wù)商等各個(gè)環(huán)節的共同努力。在產(chǎn)品的設計和研發(fā)上，需要數學(xué)家、計算機科學(xué)家或醫學(xué)專(zhuān)家的聯(lián)合攻關(guān)，任何單一力量都無(wú)法實(shí)現產(chǎn)品的推出。

      同時(shí)，國家應該發(fā)力“追趕”，可以成立國家級的醫學(xué)人工智能工程中心，由國內在醫學(xué)、藥學(xué)、信息技術(shù)專(zhuān)業(yè)具備一流水平的綜合性高等院校牽頭，吸引大數據應用企業(yè)、人工智能開(kāi)發(fā)企業(yè)、藥品研發(fā)企業(yè)等共同參與，加速研發(fā)更多適用于國人的人工智能醫學(xué)系統，滿(mǎn)足我國醫療領(lǐng)域的應用需求。讓人工智能在醫藥界作用的發(fā)揮極致，造福百姓健康。