关于2019年医疗AI的市场分析
扫描二维码
随时随地手机看文章
医疗人工智能企业主要分为医疗大数据和医疗人工智能两块,其中医疗大数据又将企业类型分为采集、技术、数据库;而医疗人工智能则分为医学影像、医疗辅助、健康管理、疾病风险预测、药物研发这五类。据亿欧智库不完全统计,截至2019年7月,在中国市场活跃的医疗人工智能企业共126家,与2017年的统计数据(131家)基本持平。
其中,开展医学影像业务的企业数量最多,共57家;开展疾病风险预测业务的企业数量为41家;医疗辅助、医学影像、药物研发企业较2017年统计数据有增加,多个企业拓展了辅助医学研究业务,因此医学研究领域企业数量有所增加;健康管理、疾病风险预测企业较2017年统计数据有减少。
2012年至2019年5月获投的医疗人工智能企业中,智能影像领域占比最高,医学数据挖掘领域及健康管理领域分列第二、第三位;语音电子病历投资事件数最少,仅2017年出现一例;医疗人工智能领域获投企业数最多的年份是2018年。
虚拟助理:在医疗领域中的虚拟助理,属于专用(医用)型虚拟助理。基于特定领域的知识系统,通过智能语音技术(语音识别、语音合成、声纹识别等)和自然语言相关技术(NLP、NLU等),实现人机交互,解决使用者某一特定需求。
辅助诊疗:为医生疾病诊断提供辅助的产品。辅助诊疗产品可以分为三类:医学影像辅助诊断;医学大数据临床辅助决策支持系统;辅助诊疗机器人。医学影像:人工智能利用深度学习模型对图像特征的提取能力,完成影像分类、自动检测、图形分割、图像重建等任务。常见的应用环节是辅助诊断(影像辅助诊断、病理诊断)、影像辅助手术、智能放疗。
健康管理:运用计算机视觉、自然语言处理、知识图谱等人工智能技术,结合健康医疗专业能力,搭建健康医疗智慧大脑,并通过AI开放平台,为全行业提供健康管理赋能。
疾病风险与预测:人工智能在疾病风险预测方面的应用主要是:提升效率。迅速处理大量的基因数据,穷尽已有数据库,且能够避免遗漏;通过深度学习,比人类更好的理解基因突变,解读用户基因数据,提供个性化精准疾病干预方案。
药物研发:化合物合成:利用机器学习(或深度学习)技术学习海量已知的化学反应,之后预测在任何单一步骤中可以使用的化学反应,解构所需分子,得到可用试剂。临床试验设计:利用自然语言处理(NLP)技术检索过去临床试验中的成功和失败经验,使临床试验方案避免重复常见的遗漏、安全等问题。
假以时日,随着人工智能技术的成熟与深入发展,AI医疗中的应用场景将会逐渐丰富,例如临床医疗场景。