人工智能在卫生领域的产品应用研究-20190512.docx

1、人工智能在医疗领域的应用发展现状研究摘要分析新时代下我国人工智能在医疗领域的应川发展现状，针对其应用中遇到的挑战与局限，结合美国、日本、欧洲等国家相关政策，提出四点建议包括发挥政府主导作用、健全人才培养机制、制定可行落地战略和构建产品新生态。关键词人工智能医疗局限建议ResearchontheApplicationofArtificialIntelligenceinMedicalHealthZhangAi'minAbstractAneweraunderthecurrentsituationofthedevelopmentoftheapplicationofartificialintel

2、ligenceinthemedicalfieldinChina,inviewoftheartificialintelligenceinthefieldofmedicalapplicationofthechallengesandlimitations,andcombiningwiththerelevantpolicyoftheUnitedStates,Japan,Europeandothercountries,andputsforwardfourSuggestionsincludingrhegovernmentleadingrole,andimprovethemechanismoftalentt

3、raining,makingpossiblelandingstrategyandbuildanewecologicalproductsKeywordsartificialintelligence;medicallimitsadvice1引言人工智能在医疗领域的应用本质上是聚集顶级医学专家的智能，结合计算机算法从数据中获取的信息，通过深度学习后应用，赋能给单个的医生并辅助他进行临床决策或操作，促进医疗质量、效率的提升。“人工智能+虫疗”是真正能够切入蜃疗领域的核心，解决医疗行业痛点，实现对医疗领域的颠覆性创新。层面人工智能对医疗领域的创新变革从生产力层面对传统医疗行业进行变革形式一种技术创新改造

4、领域改造了医疗领域的供给端，有利于医疗卫生资源的优化分配驱动力技术驱动，尤其是底层技术驱动行业影响带来增量市场，且随着智能程度提升，潜在的市场空间扩大1.1发展现状自1978年，我国首次将人工智能应用到医疗领域以来，经过40多年的演进，我国人工智能在医疗领域取得丰硕成果o2016年6月国务院明确提出要建立“1+7+X”的三级模式,并于2017年7月首次站在国家战略层面对新一代人工智能的发展提出规划，在2030年成为人工智能领域的领导者，充分彰显了国家发展人工智能的决心和魄力。2018年政府工作报告在回顾过去5年医疗工作的同时，提出加强新一代人工智能研发应用。根据2019年4月13日中华医院信息

5、网络大会发布的人工智能蓝皮书：中国医疗人工智能发展报告(2019)显示，人工智能前沿技术正在快速融入医疗。2应用现状分析虽然目前人工智能与医疗融合发展方面已取得一定成果,但医疗行业是极度严谨和保守的，“人工智能+医疗”还面临着技术产品同质化，缺少重大原创成果；落地模式不明朗，体制机制对接不畅，科研机构和企业尚未形成具有国际影响力的生态圈和产业链，缺乏系统的超前研发布局；人工智能尖端人才远远不能满足需求；适应人工智能发展的基础设施、政策法规、标准体系亟待完善。2-1机制对接不畅目前人工智能在医疗领域的应用合作模式还尚未成熟，透过现象究其本质的原因主要有以下方面：（1）人工智能的应用发展需要各医疗

6、机构、企业之间相辅相成、互补互助、合作共赢，但这种模式在我国还处于积极探索阶段；（2）在产品的研发推广过程中，医疗机构承担着产品的关键目标客户和主要技术研发者双重身份，导致产品的目标客户、业务场景定位模糊，主导权混乱，产品生态构建困难等问题；（3）既拥有产品研发技术又能看懂医疗数据和信息的跨学科复合型人才储备不足。美国AI医疗企业联手医疗机构进行多领域、深层次的研发布局，孕育出“巨头企业+顶级医疗机构”的合作模式，形成了克里夫兰诊所-微软、约翰霍普斯医院-通用电气、UCLAI医疗中心-IBM等诸多合作阵营。顶级企业与医疗、科研机构的强强联合，有利于打破医疗行业数据壁垒，提升技术、产品与市场需求

7、的有效对接。2.2数据碎片化“人工智能+医疗”的基础性战略资源医疗数据不同程度地存在种类不全、内容不完整、标准不统一、数据质量差等问题，没有形成统一的数据汇集路径和标注规范，直接影响数据利用的真实性和时效性，无法完全满足算法和应用的需要，难以适应数据临床的针对性和有效性需求。主要有以下原因：（1）各地各级平台发展不平衡，东、中部地区平台秘盖率明显高于西部地区，县级平台的建设进度明显低于省、市级平台；（2）各系统间互联互通、流程业务协同和数据共享不满足标准，内部信息孤岛、一数多存、基础档案标准混乱；（3）数据标准不统一旦难以执行到位，数据获取渠道单一。2.3责任风险问题我国目前在医疗信息的隐私和

8、安全问题的制度性保护、医疗诊断结果的签字权问题、与责任风险相关的技术准入和管理问题上，还存在法律监管方面的缺失。2.4技术产品同质化我国“人工智能+医疗”布局很不均衡，主要聚集在医疗影像，远高于其他的应用场景,特别是在基因、新药研发等高精技术领域涉足的企业远比国外企业少，而其他国家几大医疗应用场景的布局都较为均衡。究其原因主要体现在以下四个方面：（1）深度学习技术在图像识别领域取得了进展；（2）医疗影像数据占医疗数据90%以上的比例，且每年以63%的速度增长，满足了模型训练的数据集需求；（3）医疗影像在使试验转变为临床应用方面能够有较大的突破，对于企业在新兴人工智能方面的应用起到了积极的促进作

9、用；（4）相较于国外，在新药研发等一些高精技术领域，我国的相关研发存在投入不足、能力薄弱、周期过长等问题，导致人工智能的应用与布局无法达到预期。2.5临床实施困难医疗问题是高度复杂、专业的，医学结论的得出需要多方数据源的支持。人工智能现阶段只能在某个环节发挥作用，很难无缝嵌入临床诊疗流程，最终应用到临床的寥寥无几。从这方面考虑，人工智能很难落地，或者说人工智能更适合解决常见医疗问题。2.6落地模式待开拓“人工智能+医疗”在我国尚没有明晰的落地路径，政府和科研机构与制药商家、医疗机构、保险公司以及器械制造商等之间的合作方式仍在初期摸索阶段，合作效率需提高，切实可行的落地方案仍需研究。I相比之下，

10、美国“人工智能+医疗”在应用落地模式方面更为成熟，应用场景更偏向产业链前端的疾病预测和健康管理，这些都值得我国借鉴学习。3建议为了适应人工智能技术发展催生出的医疗行业变革，美国、日本、欧洲等国家在医疗政策方面，从不同侧重点出发进行机制性探索。国家年份政策解读2012发布机器学习算法软件评估的指标，建立相对成熟的机器学习算法软件的临床监管方案。美国2016颁布了针对低风险健康产品、实际询证、医疗设备临床试验的法律，规范A1在健康监测设备、医疗影像设备、决策支持软件等创新医疗设备的应用。临床试验评估采用“真实世界数据”代替传统临床实验数据；将“自适应”作为AI医疗设备临床实股的规范。2017成立数

11、字化医疗和人工智能技术评审部门研究针对人工智能类医疗产品|(设备、器械、软件等)的规范、标准、监管途径。OA1()通过人工智能投资研发、资源释放、治理标准制定、人才队伍建设等方面ZU1y加强美国在人工智能领域的领导地位。日本2018针对人工智能医疗设备制定标准、评价安全性、医疗质折和效率、认证审查等制定标准，明确诊疗责任由医生承担。到2020年日本人工智能将从基因组医疗、医疗影像、诊疗决策支持、药物开发、长期护理、外科手术等6个领域优先突破发展。1一法国2018公布了以医疗保健、运输、环境和国防安全为重点的人工智能发展战略。英国2018英国药品和保健产品监管机构(MHRA)与美国FDA合作，研

12、究和制定机器学习和人工智能的医疗设备标准。欧盟探索人工智能在人类能力、细胞、基因疗法的临床应用，建设人工智能个ZU1y性化医疗平台。3.1发挥政府主导作用我国在开放应用医疗健康大数据，推动数据融合共享时，需建立规范体系，防止潜在风险，促进人工智能在医疗健康领域的发展。在开放性方面，推进各类医疗卫生机构对医疗健康大数据的采集和存储，增强运维、应用支持等技术保障，建立数据资源在医疗卫生机构之间的共享通道。探索推动人工智能应用获取的居民健康数据规范接入全民健康信息平台，积极鼓励科研机构和企业加强医疗数据采集、存储、质控、挖掘、安全隐私保护等方面的关键技术攻关。在规范和安全方面，坚持以人为本，以安全监

13、管为抓手，明确人工智能在医疗健康领域的数据安全标准和伦理道德标准，强化标准和安全体系建设，明确医疗人丁.智能责任认定,保障人工智能辅助下的医疗决策权责分明，妥善处理应用发展与保障安全的管理，增强安全技术支撑力度，加大对人工智能的监控，降低泄露隐私的风险。构建法律法规体系，界定人工智能法律和伦理道德的边界。建立灵活高效的医疗人工智能产品监管审批方式，为通过审批的医疗人工智能产品和设备提供短期试用许可。为“人工智能+医疗”企业提供资质认定服务，推动医疗机构和技术企业的合作，鼓励有能力、有资质的人工智能企业参与医院的招标认证，探索更为灵活高效的院企合作模式。将医疗人工智能设备和服务纳入财政收费项目。

14、目前，我国财政暂时未将AI辅助医疗诊断系统纳入财政收入体系，这可能为医疗人工智能产品、设备、服务的市场化探索带入较大影响。未来需加强研究规划，进一步明确相关财政政策。3.2健全人才培养机制引育“人工智能+医疗”复合型人才，弥补人才短板，建立“人工智能+医疗”的复合型人才培养体系，构建医疗健康领域的人工智能人才引进机制，鼓励相关企业和研究机构推出医疗人工智能人才培养计划，加强复合型人才的培养和储备。鼓励医学类高校与科研机构积极合作，推动人工智能学科建设，注重医疗、卫生、健康和人工智能等领域的交叉融合，加强理论学习和实践运用等方面的教学设置。依托现有资源，成立人工智能专家库，吸收医疗健康领域的人工

15、.智能高端人才，带动医疗健康领域人工智能的快速发展。打造医疗人工智能行业平台，加强人工智能领域和医疗行业专业人才的互动交流。3.3制定可行落地战略以打造“技术-产品”组合为核心制定医疗人工智能应用落地战略，在技术开发层面：应聚力人工智能算法理论，探索通过小样本、小数据的机器学习，通过加强软硬结合能力，实现对复杂疾病的辅助诊疗目标。在应用层面：注重产品和现有技术水平的有效对接，重视产业链各环节上的多维度应用探索，形成多元化的“技术-产品”组合，将人工智能技术应用在疾病预测、健康管理、新药研发、医疗影像等数据量大、容错率强、生产力提升效果好的医疗健康细分领域。3.4构建产品新生态构建产品生态，加速“人工智能+医疗”成果转化。在政府层面，推动公立医院联网，逐步建立单病种数据中心和多病种间的关联数据。与此同时，逐步落实医疗数据安全标准指南及配套条例，确立医疗健康数据共享流通标准，建立医疗人工智能标准测试数据库，确立完备的医疗人工智能