科技猎亿欧智库：深度解析三大关键词，探究“AI+医疗”本质
人工智能与医疗结合（以下简称“AI+医疗“）在创业与投资方面已经进行有3年多，去年以来舆论热度也大幅提升。据亿欧智库不完全统计，2014年至2016年，国内“AI+医疗”领域的创业公司共55家，总融资额超过25亿人民币（甄别一家公司是否属于“AI+医疗”，亿欧智库以人工智能技术作为判断标准，下文将具体探讨）；这股浪潮同样将全球的研究机构、组织裹挟于内，纷纷剖析与预测“AI+医疗”的发展机会和未来的市场空间；连普罗大众茶余饭后的闲谈，也难免涉及诸如“医疗机器人来了，医生难道真的要失业？”等话题。
究竟何为“AI+医疗”？目前行业内仅有一个较模糊的概念，即人工智能对医疗领域的改造。亿欧智库研究认为， “人工智能+医疗”是人工智能技术对于医疗相关领域应用场景的赋能现象。 为了理解，我们不妨将该定义拆分为三个关键词： 人工智能技术、医疗相关领域应用场景、赋能。
一、人工智能技术：“AI+”范畴的判断标准
“AI”是什么？不论是学界，还是研究机构，对其概念都有着不同的界定。综合来看，大致可分为两类：第一类，学者从行为和功能的角度出发，定义人工智能机器的外在行为和能够实现的功能，例如麻省理工学院人工智能实验室主任帕特里克•亨利•温斯顿（Patrick Henry Winston）教授认为，人工智能就是研究如何使计算机去做过去只有人才能做的智能工作；第二类，学者将“人工智能”定义为一门新学科或新科学，例如波士顿咨询公司的报告《人工智能：未来制胜之道》中认为，人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。
现在让我们换一个问题：如何甄别一家公司或一款产品是否属于“AI”领域？恐怕上述讨论无法提供可行办法。就此问题，我们以人工智能技术作为判断标准，即凡公司产品涉及人工智能技术的，均被列入“AI”的范畴。
当前，人工智能以机器学习、数据挖掘为两大技术核心，二者在各自发展过程中相互助益，促进彼此在技术和应用上实现优化和升级，所以两者技术范畴上有所交叉。机器学习又包含规则学习、强化学习、迁移学习等诸多种类，其中备受瞩目的就是深度学习（深度学习甚至被部分研究者定义为人工智能的核心技术）。按照拓扑结构[1]分类，深度学习可分为卷积神经网络、循环神经网络[2]和全连接神经网络。为实现深度学习，目前市场上有许多公司专门为开发者提供封装好的深度学习算法框架，例如谷歌开发的TensorFlow框架、微软开发的CNTK框架等等。在机器学习与数据挖掘的技术之上，实现了目前市场上最常见的三大技术应用，即计算机视觉、语音识别和自然语言处理。而随着技术的进一步发展，人工智能大有出现更多技术应用的可能。
另外，人工智能技术的实现，还要依托硬件的支持（包括处理器/芯片、传感器元件等）以及云平台提供的云存储与云计算服务（但硬件和云平台背后的技术类别并不属于人工智能，故硬件和数据平台供应商将不会被列入“AI”领域）。
二、医疗相关领域应用场景：简谈“AI+医疗”八大应用场景
“医疗”一词的传统内涵和范畴原本只包含“疾病的治疗”。然而，随着人工智能技术进入医疗行业，“医疗”的边界正在突破其传统含义，扩展到药品、保健、生物技术等医疗相关的各个领域。亿欧智库发现，人工智能技术进入医疗相关领域中时，既有服务对象的区别（如患者、医院、医疗产品供应商等），又有生产活动环节的区别（如导诊、医学影像辅助诊断、疾病分级等）。据此，我们将“人工智能+医疗”中的“医疗”，定义为“医疗相关领域应用场景”。此外，我们整合业内人工智能在医疗领域的应用，归纳出八大应用场景，下面是各应用场景的细分应用和公司举例。
三、赋能：降本增效，对医疗相关产业链整体产生影响
赋能，对应的就是“AI+医疗”中的“+”号。所谓“赋能”，字面意义上就是指为某个主体赋予某种能力和能量。人工智能对于各行业各领域的赋能，在生产环节表现为生产效率的提升和生产成本的降低；在赋能效果方面表现为传统行业的升级、新兴行业的出现，最终导致相关产业链的整体变化。诚然，人工智能在医疗领域的赋能与上述表现也是一致的，除了增效降本外，还表现在包括医疗相关的各类硬件与服务的研发机构与供应商、硬件制造与销售商、商业健康类保险服务提供商、医疗机构、终端消费者等在内的医疗相关产业链的整体变化。下图是简版的“AI+医疗”相关产业链模型，从该模型能够直观感受到人工智能进入医疗领域后带来的新变化。
从上图我们可以看出，虽然硬件产品及药品生产资料供应商、商业健康类保险服务供应商等主体没有被纳入人工智能领域，但立足于整个产业链之中，很多处于“AI+医疗”外围的产品及服务供应商都是整条产业链中不可或缺的环节，而它们也都随着这次浪潮“变革”与“远航”。所以，人工智能进入医疗相关领域后，会给整个产业链带来怎样的变化呢？我们改天再聊。
特别鸣谢：中国传媒大学教授、博士生导师沈浩，北京大学前沿交叉学科研究院、生物医学工程博士陈坤，中科汇能创始人杨文骥，以及连心医疗创始人章桦，四位在上述人工智能技术图谱的搭建过程中做出了贡献。
补充说明及推荐读物：
[1]拓扑结构：指网络中各个站点相互连接的形式，最主要的拓扑结构有总线型拓扑、星形拓扑、环形拓扑、树形拓扑（由总线型演变而来）以及它们的混合型；
[2]卷积神经网络与循环神经网络：卷积神经网络（Convolutional Neural Network, 简称CNN），是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法，它具有结构简单、训练参数少和适应性强等特点；欲进一步了解，请阅读文章 《Deep Learning模型之：CNN卷积神经网络（一）深度解析CNN》 ；
循环神经网络（Recurrent Neural Networks，简称RNN），主要应用于自然语言处理(Natural Language Processing，简称NLP)之中。欲进一步了解，请阅读文章 《循环神经网络（RNN, Recurrent Neural Networks）介绍》 ；
想要系统学习的朋友，推荐阅读南京大学周志华教授的《机器学习》一书。
-------------------------------------分割线-------------------------------------
本文是对亿欧智库《2017人工智能赋能医疗行业研究报告》的部分章节解读，该报告将于2017年8月25日举办的“破壁·融合 亿欧2017中国大健康产业升级峰会”上正式发布。
2017 年 8 月 25 日 ， 亿欧将举办 “ 破壁 · 融合 亿欧 2017 中国大健康产业升级峰会 ” 。本次峰会将重点关注大健康产业升级、行业变革与创新。活动三大亮点 ：1 、卫计委相关领导将在会上发起成立 “ 大健康产业联盟 ”，2 、亿欧智库将发布《 AI+ 医疗行业报告》 ，3 、 “ 大健康产业领军 50 人 ” 专题片震撼首发 ！ 行业变革势不可挡 ， 产业创新方兴未艾。欢迎您报名参会 ， 峰会链接 ： http://www.iyiou.com/post/ad/id/264
本文作者尚鞅，亿欧专栏作者；微信：godton1993（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。