来源：智东西

摘要：中国千家医院部署AI系统！IDC医疗AI报告详解行业趋势和五大药方。

2018年是令人唏嘘的一年，台湾作家李敖、动画大师高畑勋、相声表演艺术家师胜杰、央视主持人李咏、微软联合创始人保罗·艾伦、武侠小说宗师金庸等一个个传奇人物因为癌症而辞世。

癌症，这一头号健康杀手，为世界带来一片哀怆。

尽管物质水平日益提高，人们却依然笼罩在癌症的阴影之下。去年夏天燃爆暑期档的爆款电影《我不是药神》引得无数观影者为之揪心，其中的近四万一瓶的抗癌药引发诸多社会热议。

医疗资源供给不足、抗癌药卖到天价、疾病种类迅增等种种挑战为疾病诊疗筑起了一座又一座高墙。

人工智能（AI）的爆发，对于高度依赖专业知识的医疗领域来说，无疑是激动人心的颠覆性技术。去年咨询公司埃森哲发布的报告表明，医疗保健AI市场有望在2021年达到66亿美元。

谷歌DeepMind训练出能比人类更准确地诊断50多种眼疾的AI算法、《自然》杂志发表有望提前五年预测白血病的机器学习模型……就在刚刚过去的2018年，AI在医疗行业尤其是在医学影像领域的种种突破性进展，为病患一次又一次带来新的希望。

伴随着技术的进步，越来越多的医疗机构开始引入专业的医疗AI系统。然而，市面上却鲜有针对中国医疗AI平台体系进行全面剖析的报告。

此前多数从宏观角度绘制发展全景的“AI+医疗”报告，而这份报告更为具体和细化，聚焦在中国医疗AI平台，不仅实地调查多家中国医疗机构，从底层芯片到医疗机构全方位披露中国医疗AI生态图谱，并为AI企业开出加速医疗AI系统开发运行的五大药方。

AI医疗落地之年，中国成全球第二活跃国家

在国外，除了闻名全球的IBM Watson系统外，谷歌、微软、苹果等巨头均在积极探索AI改变医疗健康领域的可能。

而几年前还名不见经传的中国，乘AI之风扶摇而上，在2018年上半年超过英国成为全球医疗AI交易第二活跃的国家。

其中，因为用之不竭的影像数据和图像识别算法的成熟，医疗影像正成为医疗领域应用热门中的热门。在政府的支持下，腾讯、阿里等国内科技巨头也都卯足了劲儿打造医疗AI平台。

根据IDC白皮书呈现的数据，中国有近千家医院部署了AI系统，其中超过一半的医院部署了医学影像AI系统。目前中国有超过100家医疗AI公司，其中约40家属于医疗影像AI公司。

IDC对36家中国医院的调查结果显示，约三分之一的医院表示，医学影像AI系统的主要价值在于有效提高了诊疗和治疗的工作效率。

基础设施提供商、新兴医疗AI创企、解决方案供应商、医疗机构等各类公司初步构成了中国辅助影像的生态体系。

▲医疗人工智能生态图谱

芯片是整个医疗AI发展的核心环节，为医疗服务系统升级提供算力的支撑，现在深度学习较有代表性的主流加速方案有GPU、FPGA、ASIC、TPU等芯片。根据IDC白皮书提供的信息，受性能、成本等因素影响，GPU在医疗AI领域更受认可。

除了芯片厂商外，技术提供商也是整个医疗AI体系重要的底层支柱。目前中国AI创企的业务主要面向应用层，辅助医疗影响诊断、辅助临床诊断、虚拟医生诊断、基因测序、新药研发等应用均在快速发展。

▲医疗人工智能市场成熟度

IDC白皮书对这些应用所需的AI技术以及它们在国内的发展情况均做了具体的分析。例如，得益于AI图像和语音识别技术的相对成熟，我国医疗AI创企业务场景多集中在病灶筛选和语音电子病历，同时深耕基因测序、药物研发等方面的公司相对较少。

不过，不是说有了技术就能轻易做好应用，更遑论医学这种与人体健康关系密切的应用。

技术公司不懂医学，医学专家又不懂AI，要想快速结合AI技术和医疗需求，还需要具有综合医疗信息化经验的公司来提供整体解决方案。

这类公司更加熟悉医疗行业的业务流程，对医院应用场景和医生诉求有更深刻的理解，拥有广泛稳定客户渠道，在快速整合AI技术和医疗需求方面具备天然优势。

而之所以将医疗机构这些数据提供方最后提及，是因为高质量的标注数据对医疗AI系统的表现至关重要。中国有许多医院设备还相对老旧，影像数据信噪比相对较低，对医生诊断造成干扰。

深度学习通过提取高效算法来代替手动获取特征，在一定程度上降低人为因素造成的误诊率，这对医生短缺的地区尤为有帮助。

三大难题阻碍医疗AI平台构建，IDC为开发者开药方

总体来看，基层医院、省级医院、独立影像中心等医疗影像提供方均对AI辅助影像诊断系统有迫切需求，但建立如是系统需要翻越数据、算法和算力等多座大山。

经分析，IDC白皮书将建立和应用医疗AI系统的难题分为三点，分别是建立医疗大数据系统、开发AI算法模型和建立专业的AI平台。

▲医疗人工智能平台组成

其中，医疗AI平台包括数据资源层、AI平台和医疗应用层。数据资源层采集来自各科室的医疗数据，应用层则影响AI技术的选择。

AI平台由开源框架、算法和技术构成，算力为AI平台的运算效率提供保障，开源框架和算法的选择则影响最终呈现的AI应用效果。

搭建医疗AI平台通常有两种方案。

一种是独立于业务系统的医疗AI平台，它会将分散在各个业务系统中的多源异构数据进行整合，生成医疗知识图谱。

此类的平台的好处在于，可以快速将医学知识和治疗经验移植到医疗资源不足的地方。但它的缺点也很明显，即数据标注耗时长、建设难度大。

另一种是嵌入式医疗AI平台，它将AI模块内嵌到医院原有业务系统中，不会改变医生原有操作习惯，也不依赖原有系统数据，有助于保障数据安全。

据IDC白皮书提供的信息，中国医疗机构对后者普遍接受度更高。

那么开发者应该如何着手搭建精确可靠的AI平台呢？IDC白皮书不仅对医疗AI平台做了全面的研究，还分条缕析地为开发者们提供了一些工作原则方法上的药方。

比如，建议先选择开发医学影像AI系统，选择专业性的AI平台来开发和运行系统。

再比如，先从独立医疗AI平台着手，部署和应用较成熟的AI智能系统，在其落地并运行顺畅后逐步建立嵌入式医疗AI平台。

参考这些建议，或许能帮助开发者们在搭建AI平台少走一些弯路。

专业一体化平台成新秀，高效精准引行业玩家青睐

尽管医疗AI系统的部署正在很多医院如火如荼地推进中，但部署过程中的问题也持续存在。

在IDC调查的医院中，有31%的医院都认为医疗结构的硬件平台和AI系统间集成和性能调优难度大、硬件性能利用率低是最大的难题。此外，优秀的AI系统对医院的设备和开发能力均有较高要求。

一方面，很多医院成像设备老化，画质达不到要求，收集到的影像数据质量不够高，或者运算机器升级不及时，无法快速执行应用新算法。

另一方面，开发水平决定AI计算平台的准确度和计算效率，对开发团队的技术能力要求很高。

这一通下来，多数开发人员都会感到“偏头痛”。而专业性一体化平台可以节省平台搭建和调试工作，使开发者专注模型训练和系统应用，这使之无疑会受到更多开发者的青睐。

英伟达推出的一款医学成像超级计算机Clara即是如此。它是一个具有突破性算法的开放平台，集成了英伟达GPU的计算能力和多种机器学习模型，并提供专业工具和运行支持，可以为医疗仪器实现虚拟升级。

具体而言， NVIDIA Clara超算平台提供一个开放的、可扩展的、可远程的通用平台，利用深度学习技术进行3D重建，将医学影像设备中存储的二维影像数据转化为全彩色动画成像，显著提升数据量和数据维度，从而更好地帮助医疗人员进行诊断。

▲在英伟达Tesla V100 GPU上运行V-net（卷积 3D 神经网络），对心脏左心室进行3D立体超声波成像（NVIDIA blogs）

NVIDIA Clara AGX系统是Clara平台的核心，为开发者提供丰富的软件开发工具包（SDK）进行设计和开发工作，开发者还可将应用产品部署到嵌入式、预置式和云端等多种计算环境中。

Clara超算平台已经开始帮助中国AI公司更快捷地实现仪器智能化和工作流程自动化。例如，专注于为医疗影像辅助筛查的AI公司推想科技就采用Clara，以帮助研发人员缩短开发周期。

因为Clara对硬件没有硬性要求，同时还能解决英伟达不同代产品间的兼容性，推想科技计划在今年3月推出基于Clara超算平台的肺结节辅助诊断产品，以替换该公司此前在200多家三甲医院部署的产品。推想科技还计划在云端部署Clara，为医疗资源贫乏地区赋能。

智东西认为，在人们越来越关注健康的今日，但凡癌症等顽疾能早几年被成功筛查，就能拯救数以万计的生命。前沿AI技术正凭借其强大的计算能力，逐步参与到癌症早筛、基因测序、新药研发等工作中，全面推动医疗行业的革新。

如今，医疗AI的开发和应用已经成为一种必然趋势，而一个在临床诊断上具备出色表现的医疗AI系统，需要像Clara这样强大而易用的通用平台，在帮助开发者提高开发效率的同时，确保专业高水准的诊断准确度。

与金融、零售等行业相比，AI在医疗行业的利用率还很低，但也因此有着更广阔的上升空间和机遇。在国内多类公司争相布局医疗AI领域的风口，医疗AI生态体系的角色分工会更加细化。

随着AI在医疗领域的商业模式更加成熟，跨地区数据整合有所突破，以及更多掌握AI算法和医学知识的通用人才成长起来，精准医疗的实现指日可待。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”