数字化医疗AI服务平台建设方案（80页 PPT）

语言	格式	评分
中文（简体）	.pptx	3
概览
医疗人工智能服务平台建设人工智能 + 医疗产业目录智能医疗概述 1 2 3 4 典型应用场景医疗企业业务未来发展趋势目录人工智能 + 医疗产业人工智能中枢 1 人工智能中枢作为智慧能力支撑平台，提供了完整的智能模型全生命周期管理和 AI 应用敏捷开发能力，主要定位为智能模型服务的共享复用和快速编排，实现 AI 应用快速开发。人工智能中枢支持研发流程的标准化、自动化，为前台业务提供快速构建个性化智能服务的能力，实现算法模型和算法能力的场景式编排，并向应用提供服务接口，支撑人工智能场景应用建设，赋能城市智慧化。人工智能中枢 1 系统端变化 PC 端移动端业务与管理端变化数字化集成化网络化智能化感知理解学习深化推理分析人机交互智能感知与理解视频、图片等非结构化数据，进行精确的结构化数据采集汇集各域的结构化数据，基于业务规则，建立模型和关系的知识数据，进行推理、比对和分析，获取深入的数据洞察与决策依据通过增强现实、虚拟现实等技术，以自然友好的方式进行人机交互从知识大数据中快速提取关键信息，基于神经网络进行学习和认知，优化计算模型人工智能中枢 1 IaaS 云服务器云存储云计算 IDC 服务器 IDC 存储 IDC 计算网络私有网络公有网络 SDK 非结构化结构化业务数据跨国传输跨城传输采集集群采集传输 PaaS 数据层数据分发流式计算实时计算 Spark MR HDFS 离线计算 PaaS 计算层 MQ 消息中间件 KV 存储在线 RMDB 任务调度调度引擎 iPaaS dSaaS 分析报表精准推荐营销活动安全打击其他应用应用开发平台 • 集群负载情况 • 数据消费关系 • 数据指标关系 • 数据存储关系 • 离线计算关系 • ….. • 微服务调用跟踪链 • 接口使用指标关系 • 集群调度信息 • 接口部署信息 • ….. • 数据入库关系 • 离线导入关系 • 数据透传关系 • ….. • 基础指标信息 • 项目与资源关系 • ….. 数据与业务血缘关系链智能医疗概述 1 2 3 4 5 6 综合、多维度的研究，深入理解 “人工智能 + 医疗”的内涵与外沿，透过“人工智能 + 医疗”各应用场景，了解医疗人工智能公司的产品形态与业务模式。通过数据观察目前公司整体发展状况，并对医疗人工智能的未来进行预测。从政策、经济、社会、技术四个维度分析人工智能与医疗结合的发展条件。企业宏观数据盘点和巨头布局状况分析。分析医疗人工智能的发展机会和潜在挑战。从人口结构、医疗资源等维度分析我国当前医疗产业宏观环境。从发展环境、公司现状、产品形态、业务模式、公司案例等维度对八大应用场景进行解析。对医疗人工智能相关信息进行了盘点梳理，了解了相关概念、发展历史、宏观环境、发展条件、企业现状等基本情况。 1 目前我们可以非常清楚地看到，“人工智能 + 医疗”是近年来从事医疗领域的科技类公司最推崇的企业标签之一，其涉及的公司类型和产品类型极其丰富，正在改变着传统的医疗产业。 1 智慧医疗人工智能人工智能 + 医疗点击添加标题详细针对人工智能技术实现、应用场景划分标准与范围界定、市场整体环境与具体需求、企业业务模式与市场策略、下一步发展的机会与风险等细节问题，进行深入挖掘，听取来自行业第一线工作者和企业领导层对行业的见解和认知。智能医疗概述 AI+ 医疗应用场景虚拟助理医学影像辅助诊疗疾病风险预测药物挖掘健康管理医院管理辅助医学研究平台 1 赋能现象发展矛盾广阔市场 “ 人工智能 + 医疗”是人工智能技术对于医疗产业的赋能现象。当前以机器学习与数据挖掘为两大技术核心的人工智能，向医疗产业赋能，使医疗相关的生产活动表现出降本增效的效果，并对医疗相关产业链整体产生影响。国内医疗产业宏观环境表现出医疗需求不断上升、医疗资源严重缺乏、卫生人员整体素质有待提升、卫生支出相对不足以及医疗资源浪费严重等特点，急需新技术的注入；而政策、资本、社会、技术等方面优越的发展条件，推动了“人工智能 + 医疗”的发展；医疗人工智能拥有广阔市场需求与多元业务方向，新创公司数量未来几年将不断增长，创业界与投资界看好未来市场；产品成熟前大规模市场推广风险大，创业公司需时间积累，不断优化产品；医疗人工智能存在技术风险、道德伦理风险与整体风险。智能医疗概述 1 智能医疗概述艾伦 · 麦席森 · 图灵丨 Alan M. Turing 如果一台机器能够与人展开对话（通过电传设备），并且会被人误以为它也是人，那么这台机器就具有智能约翰 · 麦卡锡丨 John McCarthy 人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样麦肯锡公司丨 McKinsey & Company 人工智能指机器表现出和人一样的智能的能力，例如在不使用包含了各种细节指导的手写编码程序的情况下能够接近问题行为与功能角度 1 智能医疗概述就目前技术发展而言，人工智能以机器学习、数据挖掘为两大技术核心，两者技术范畴上有所交叉。机器学习又包含对抗学习等诸多种类，其中倍受瞩目的就是深度学习。按照拓扑结构分类，深度学习可分为卷积神经网络、循环神经网络和全连接神经网络，并通过算法框架实现深度学习过程。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、智能语音技术和自然语言处理。云平台（云存储与云计算）云计算设备处理器 / 芯片传感器元件激光雷达数据挖掘机器学习交叉部分强化学习迁移学习 … 深度学习 TensorFlow Lasagne Theano Caffe Keras MXNet Torch DMTK CNTK Neon …… 深度学习卷积神经网络循环神经网络全连接神经网络算法框架对抗学习 1 智能医疗概述  “ 医疗”一词的传统内涵和范畴仅包含“疾病的治疗”，而今“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；  “ 新医改”开始尝试用取消药品加成等政策手段逐步“医药分家”，但真正实现“医药分家”还有很长的路要走。本报告的研究对象则包含了医药行业下的各参与者；  从产业角度看，医疗产业不仅包含医药行业中的医院、体检中心、制药企业等参与者，还包括了健康管理、生物技术等医疗相关领域的参与者；此外，医疗产业还涉及其他服务机构，例如保险公司、机器学习服务提供商、硬件生成商等等。疾病的治疗（传统医疗的范畴）药品保健生物技术 …… 1 智能医疗概述  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；  人工智能在医疗领域的赋能与上述表现一致，各应用场景下的医疗人工智能公司所开发的产品及服务，不仅使传统医疗生产活动成本降低、效果增强，而且为医疗相关产业链带来了新变化。机器学习服务提供商硬件 / 软件产品及药品研发机构医疗相关服务研发与供应商硬件产品及药品生产商硬件产品及药品生产资料供应商医疗数据服务供应商医院硬件产品及药品销售商患者及防疫等服务接受群体健康类产品消费群体体检中心保险公司（有健康类保险的公司）医疗机构终端消费者 1 智能医疗概述  我国医疗资源压力巨大。以慢性病为例，我国是慢性病大国，我国确诊慢性病患者有近 3 亿人之多。根据中国卫生和计划生育统计年鉴的数据；同时，根据国家卫生计生委疾控局的数据，我国慢性病患病率正以每年 8.7% 的速率上升；  我国各年龄段的慢性病患病率持续上升，且 65 岁及以上老年人群的慢性病患病率最高。慢性病导致的死亡人数已占到全国总死亡的 86.6% ，而导致的疾病负担占总疾病负担的近 70% ；  我国老龄化人口和慢性病患病人数的逐年上升，使得我国在慢性病治疗方面的需求不断膨胀；而慢性病只是众多疾病中的一种类型，可见医疗机构、医护从业者、药品器械等医疗资源的足量供给，是关系到国情民生的重要命题。 8.9% 9.1% 9.4% 14.9% 15.5% 16.1% 16.7% 135404 136782 136072 137562 138271 134735 134091 134000 132000 130000 136000 138000 140000 60 岁及以上人口比例 1 智能医疗概述我国共有医疗卫生机构 989,403 个，其中以基层医疗卫生机构（包括社区卫生服务中心（站）、乡镇卫生院、村卫生院、门诊部为主，约占总体的 94% ；而医院（包括综合医院、中医医院、专科医院）仅 28,261 个，约占总体的 2.9% ；另外专业公共卫生机构（疾病预防控制中心、专科疾病防治院（所 / 站）、妇幼保健院（所 / 站）、卫生监督所（中心））约占 3.1% ；仅占医疗卫生机构约 2.9% 的医院，却供应全国约 76% 的病床；据统计，每千人口医疗卫生机构床位数平均仅 5.11 张，床位供给严重不足，并且城市每千人口医疗卫生机构床位数相比农村多 4.56 张，城乡病床资源配置不平衡。医院数 , 28,261 基层医疗卫生机构数 , 927,147 专业公共卫生机构数 , 30,814 701.52 533.06 141.38 23.63 800 700 600 500 400 300 200 100 0 总数医院基层医疗卫生机构专业公共卫生机构 1 智能医疗概述  卫生人员培养速度具有稳定性。虽然我国执业（助理）医师和注册护士人数在逐年上涨，但增长速度较慢；据估算，我国每千人享受职业（助理）医师人数仅为 2.2 人，每千人享受注册护士人数仅为 2.4 人；根据美国 CIA 统计数据显示，美国每千人享受医生数为 2.55 ，英国为 2.81 ，俄罗斯为 3.31 ，可见我国与发达国家有一定差距；此外，我国就医结构性问题——即大医院人满为患，小医院门可罗雀 ——进一步放大了医护人员不足的现状；  在我国全部卫生人员之中，大学本科以下学历比例占到 69.4% ，大学本科与研究生学历比例仅占 30.6% ，可见我国卫生人员整体受教育水平偏低，高质量卫生人员较缺乏；  针对执业医师短缺问题， 2009 年出台的《中共中央国务院关于深化医药卫生体制改革的意见》中开始探索“医师多点执业”，即符合条件的执业医师经卫生行政部门注册后，受聘在两个以上医疗机构执业的行为；目前仍处于试点阶段。 261.6 289.3 303.9 249.7 279.5 278.3 300.4 324.1 400 300 200 100 0 1.9 2.1 2.1 2.2 1.8 2.0 2.2 2.4 1 智能医疗概述耗材费 , 64.24% 手术费 , 12.33% 药品费 , 8.74% 仪器使用 , 7.03% 麻醉费 , 6.09% 治疗处置 , 1.57% 过度治疗（ 1 ）药品“大处方”，开无关药、高价药（ 2 ）滥用高值医疗耗材（ 3 ）滥做高消费有创手术（ 4 ）绝症仍医，一些病症无有效治疗方法，盲目治疗反而有副作用过度检查（ 1 ）高新仪器检查常规化（ 2 ）进行不必要的检查，如给寿命不足的人做癌症筛查（ 3 ）检查报告单通用性低，反复检查过度求医（ 1 ）全额或是大部分报销医疗费用的患者小病大养（ 2 ）患者迷信心理，无病吃药，小病大看 1 智能医疗概述医疗人工智能发展背景分析经济 -Economic 技术 -Technological  人工智能国家战略规划与鼓励支持政策  国家对医疗领域提出人工智能发展要求 Political- 政策 ⚫ 投资热度不断上升，医疗人工智能备受资本青睐 S o c i a l - 社会  高等院所重点培养人工智能科技人才  我国城乡居民医疗支付能力不断提升  “ 互联网 + 医疗” 贡献海量医疗数据  深度学习推动 AI 进入商业化和产品化阶段 1 智能医疗概述 • 《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》 • 支持研发健康医疗相关的人工智能技术、生物三维（ 3D ）打印技术、医用机器人、大型医疗设备、健康和康复辅助器械、可穿戴设备以及相关微型传感器件。 • 《国务院关于加快发展康复辅助器具产业的若干意见》 • 推动“医工结合”，支持人工智能、脑机接口、虚拟现实等新技术在康复辅助器具产品中的集成应用。 • 《国家卫生计生委关于印发全国人口健康信息化发展规划的通知》 • 充分发挥人工智能、虚拟现实、增强现实、生物三维打印、医用机器人等先进技术和装备产品在人口健康信息化和健康医疗大数据应用发展中的引领作用。 • 《新一代人工智能发展规划》 • 发展便捷高效的智能服务：智能医疗，推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；智能健康和养老，加强群体智能健康管理，建设智能养老社区和机构，加强智能产品适老化。 1 智能医疗概述 “ 互联网 + 医疗”发展三阶段信息服务阶段：互联网改造的是医疗的信息流，实现人和信息的连接咨询服务阶段：互联网改造的是健康咨询的服务流，实现人和医生连接诊疗服务阶段：互联网改造的是医疗的服务流，实现人和医疗机构的连接  互联网技术的大规模应用，使人们的衣、食、住、行等行为数据互联网化、数字化，在此过程中产生的数据是海量的；  中国“互联网 + 医疗”从信息服务阶段，发展到咨询服务阶段，再到诊疗服务阶段，保留了大量电子病例数据和电子健康数据；根据 IDC Digital 预测，截止 2020 年，全球的医疗数据量将达 40 万亿 GB ；  人工智能的产品落地，离不开海量数据作为“养料”贡献于机器学习过程中，不断训练和优化算法模型；“互联网 + 医疗” 为人工智能的发展奠定了数据基础。 2 典型应用场景 AI+ 医疗应用场景 20 虚拟助理语音电子病历 / 智能导诊智能问诊 / 推荐用药医学影像病灶识别与标注 / 三维重建靶区自动勾画与自适应放疗辅助诊疗医疗大数据辅助诊疗医疗机器人疾病风险预测基因测序与检测服务预测癌症 / 白血病等重大疾病药物挖掘新药研发 / 老药新用 / 药物筛选药物副作用预测 / 跟踪研究健康管理营养学 / 身体健康管理精神健康管理医院管理病历结构化 / 分级诊疗 DRGs 智能系统 / 专家系统辅助医学研究平台线上科研平台，提供 GPU 计算算法框架 / 数据分析等服务综合分析了我国目前“人工智能 + 医疗”领域的公司和产品，梳理出包括虚拟助理、医学影像、辅助诊疗等在内的应用场景 2 典型应用场景 45 43 21 19 15 14 14 7 疾病风险管理医学影像医院管理辅助诊疗虚拟助理健康管理辅助医学研究平台药物挖掘 2 典型应用场景虚拟助理应用场景 Virtual Assistant Application Scenario 2 典型应用场景  场景描述：从苹果的 Siri 、谷歌的语音助手，到亚马逊的 ALEXA 、微软“小娜” CORTANA ，此类通用型的“虚拟助理”对于大众已不陌生，人们通过文字或语音的方式，与机器进行类人级别的交流交互；在医疗领域中的虚拟助理，则属于专用（医用）型虚拟助理，它是基于特定领域的知识系统，通过智能语音技术（包括语音识别、语音合成和声纹识别）和自然语言处理技术（包含自然语言理解与自然语言生成），实现人机交互，目的是解决使用者某一特定的需求；  公司现状：目前国内共有 15 家公司提供“虚拟助理”服务，主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求，并且有衍生出更多需求的可能性。 2 典型应用场景  发展环境：中国 50% 以上的住院医生平均每天用于写病历的时间超过 4 小时，相当一部分医生写病历的时间超过 7 小时；国内部分放射科仍采用传统书写方式，有专门记录员记录医生主诉内容，而后转录入电脑中，效率低下。虚拟助理则能够避免时间浪费，医生的主诉内容可以实时转成文本，录入到 HIS 、 PACS 、 CIS 等医院信息管理软件中，不仅提高了填写病历的效率，而且使医生能够将更多时间和精力用于与患者交流和疾病诊断之中；  产品及业务模式：软硬一体全套解决方案，软件是以语音识别引擎为核心、以医疗知识系统为基础的语音对话系统（行业术语：语音 OS ），硬件是医用麦克风。公司与医院进行科研合作，前者通过脱敏病历数据和临床使用不断训练模型，优化算法；后者免费使用语音电子病历产品，并与公司共享优化后的产品。 2 典型应用场景医疗专用麦克风 • 增强说话者语音 • 抑制环境噪声干扰 • 目前普遍采用飞利浦的产品，成本较高；中科汇能等公司正在自主开发麦克风语音对话系统 • 语音识别引擎，实现人机交互与文本转写 • 文字自动录入到电脑或平板的光标位置，相当于医疗级“语音输入法” 交互内容输出医疗知识系统 • 包含各类疾病、症状、药品以及其他医用术语的知识系统，是语音对话系统的基础，能够帮助完成语音识别、病历纠错等功能训练语音识别引擎医院 • 公司与医院科研合作，公司通过脱敏病历数据和临床使用不断训练模型，优化算法； • 医院免费使用语音电子病历产品，并与公司共享优化后的产品脱敏病历数据公司与医院科研合作使用中不断训练模型 2 典型应用场景产品出品公司产品介绍云医声科大讯飞 “ 云医声” App+ 自主研发的麦克