AI FOR GOOD - AI and Medicine
 |
來源：前瞻产业研究院
人口老齡化+慢病高漲+醫療資源分配不均，醫療人工智慧需求巨大
醫學人工智慧是解決醫療生產力的根本之道，在台灣，包括對岸中國人口老齡化，慢病高速成長，醫療資源供需嚴重失衡，以及地域分配不均等問題，造就了對醫療人工智慧的巨大需求；同時，中國人口基數大，產業組合豐富，人才儲備充分等特點，又給人工智慧的發展提供了很好的基礎。
圖表1：2010至2017年年中國人口以及60歲以上的人口統計（單位：萬人，％）
 |
| 資料來源：前瞻產業研究院整理，前瞻經濟學人APP |
另一方面，近年來對岸中國政府釋出的80多條全國性政策，以及多條醫療人工智慧專項政策，都説明醫療人工智慧的發展，迎來政策利好。因此，中國已經成為了全球領先的AI研發中心，醫學人工智慧在中國的發展面臨著非常好的機遇。
圖表2：截至2017年醫療人工智慧的相關政策
資料來源：前瞻產業研究院整理，前瞻經濟學人APP
優質醫療資源匱乏，人工智慧+醫療健康改變未來
醫療領域最突出的問題就是優質醫療資源不足，同時，醫生對疾病的診斷準確度和效率，還有非常大的提升空間。
長期以來，大多數國家和地區，特別是進入老齡化社會之後，對醫生的需求量有增無減。解決醫生資源不足的問題，除了增加供給量，別無他法。
但是醫生培養需要週期，而且供給量也不能無限增加。於是，人們開始寄希望於機器。因為一旦能夠實現機器看病，供給量將會無限增加。所以，人工智慧+醫療健康的結合，是人工智慧諸多應用場景中最重要的一個。
圖表3：醫療人工智慧的發展歷程（人工網路神經為例）
資料來源：前瞻產業研究院整理，前瞻經濟學人APP
算力演算法齊備，人工智慧+醫療等待醫療大數據引爆
計算是人工智慧的基礎設施之一，目前每GFLOPS的算力成本已降至8美分。演算法是人工智慧發展的基礎，演算法框架中等如Caffe，TensorFlow，Torch等大多數已經實現了開源，成為大多數工程師的選擇，對行業的加速發展和人才的培養起到了非常大的作用。
資料方面，人工智慧系統必須通過大量的資料來「訓練」自己，才能不斷提升輸出結果的品質。目前醫療資料還具有公開性不高，難以獲得，清洗的特點。
圖表4：醫療人工智慧的三大要素
資料來源：前瞻產業研究院整理，前瞻經濟學人APP
在過去的十年裡，隨著電子病歷的實施，數位化的實驗室幻燈片，高解析度的放射影像、視訊，醫療保健資料量呈指數級成長，整個醫療行業的資料量令人難以置信。
再加上製藥企業和學術研究機構檔案，以及數萬億的資料流從可穿戴式裝置的感測器中得到。EMC和IDC釋出的報告顯示，2013年全球醫療保健資料量為153EB，預計年成長率為48％。這意味著到2020年，這個數字將達到2314EB。
圖表5：2013 - 2020年全球醫療大數據及預測（單位：EB）
0 comments:
張貼留言