疫情过后，对医疗AI行业带来的机遇

2020年本是医疗AI行业重新“洗牌”之年，相关企业将迎来最残酷的竞争。而疫情的爆发，体现了AI在逐渐取代人的部分机械劳动，能辅助医师对疾病进行快速诊断，提高诊疗效率。疫情过后，医疗AI行业将会迎来哪些机遇？

2018年被医疗行业称为“医疗AI”落地之年。而医疗AI行业尚无成型的商业模式，一直被称为“只烧钱不赚钱”。随后2019年，医疗AI行业迎来了资本寒冬，能“烧钱”存活的企业逐渐减少。而2020年开年就迎来黑天鹅事件，即新型肺炎疫情战。

各大医疗AI企业都相继发力，在本次防疫中作用明显。具体有如下几个方面：

（1）AI医生问答

AI问答机器人或AI线上医生，可对疫情相关知识，以及老人、小孩、孕妇等人群常见健康问题进行线上解答。减少民众到院就诊，降低交叉感染风险，可有效补充医疗资源。

（2）导诊机器人

疫情期间，患者就医前，也无法确认自己是否被感染。机器人导诊，可有效降低因被询问而被感染的医护人员，同时减少了医护人员对其他患者的接触，降低了医患交叉感染的风险，极大程度上了保护了医务人员的安全。

（3）AI辅助诊断

AI医疗影像可作为临床病例诊断工具，AI+CT、AI算法+病例基因分析等工具，可辅助医生看片，快速筛选可疑病例，提高医生诊断效率，利于快速确认患者是否为感染人群，尽快隔离治疗，防控病毒进一步传播传染。

（4）机器人治疗

智能治疗机器人辅助医生诊治，减少或避免医护人员与患者接触，降低医护人员的感染风险。同时，对患有基础病等具有各类患病史的患者，治疗机器人可提供相关治疗方案供医生参考，利于患者治疗。

（5）AI新药研发

AI算法和算力，可以助力病毒基因测序、疫苗/药物研发、蛋白筛选等药物。

本次疫情中，以上5个领域涉及的相关企业有：

疫情过后，对医疗AI行业带来的机遇

图人工智能技术在新型肺炎战中的应用及相关企业

疫情后，医疗AI有哪些机遇

2020年本是医疗AI行业重新“洗牌”之年，相关企业将迎来最残酷的竞争。而疫情的爆发，体现了AI在逐渐取代人的部分机械劳动，能辅助医师对疾病进行快速诊断，提高诊疗效率。

疫情过后，医疗AI行业将会迎来哪些机遇？

从市场的反应和行业特点来看，主要有以下几点：

1. AI技术应用医疗领域的政策将会逐渐宽容

医疗行业关乎民生之根本，是受政策影响比较大的行业。此次疫情中，工信部发布了“充分发挥人工智能赋能效用协力抗击新型冠状病毒感染的肺炎疫情倡议书“，倡议发挥人工智能的赋能作用，向最需要的地方研发和投放人工智能产品和解决方案。

本次疫情结束后，相信在政策、相关审批、或资金上，政府可能会更加重视和宽容。

2. 资本对医疗AI行业投入仍然会保持热情

本次疫情中，AI医疗影像，问答机器人、消毒机器人、治疗机器人等在疫情筛查、监控、在线/远程问诊、辅助诊疗等方面都表现不俗。

阿里达摩院研发的新冠肺炎 CT 影像 AI 诊断技术，平均识别不到 20 秒准，确率达 96%；上海儿童医学中心，机器人“小白”上岗，在防护资源不足情况下，免去医患面对面沟通，降低了医患交叉感染风险；平安好医生在疫情期平台访问量11亿人次，新增用户日均访问量是平时的9倍。

疫情之下，暴露了常规状态下医疗资源在突发情况前，医疗供给严重不足。互联网、大数据和人工智能等技术在补充医疗资源、在线/远程问诊等方向表现不俗，互联网医疗证明了自己。预计未来红利不小，投资估计会长期看好。

3. 医疗领域将会涌现更多的AI应用场景

据数据显示，2019年，140余家从事医疗AI的企业，近120家在做医学影像业务，其中约百家企业布局于肺结节影像产品。

此次疫情，依图医疗智能影像评价系统、推想科技新冠肺炎AI系统等在医学影像分析和诊断支持上表现不俗。但两家公司在肺部疾病的优势，也使得一些公司不得不变换赛道，寻找新的突破。

同时，本次疫情也为医疗AI提供了多种场景的可能性。如：

为医护人员提高决策支持：在诊断和诊疗过程中提供有效建议和风险提示，便于医生更快更准确筛查疾病和制定治疗方案。

其他疾病医学影像分析和诊断支持：阿里达摩院对5000多个病例的CT影像样本数据，学习、训练样本后，研发了全新的AI算法模型。且机器学习，是一个全球快速创新发展的领域，正被用于分析日益复杂的核磁共振成像（MRI）、计算机断层（CT）扫描和其他医学影像。

医疗机器人协助诊疗：诊疗机器人、疫情问答机器人、消毒机器人、物品递送机器人等在具有潜在的接触式场景中承担了人类的部分工作，降低了医患之间的交叉感染风险，保障了医护人员的生命安全。未来在巡检、消毒、配送、导医、或手术中，机器人将大有所为。

健康穿戴设备：本次疫情中一些患有基础病的患者，死亡风险极高，这就需要医生在诊疗时参考平常的健康检测数据。另外患者在治愈后，仍存在再次被感染的风险。且由于医疗资源不足，一些糖尿病人、慢性病患者不能及时就医，孕妇无法按时产检。这些场景下，有随时穿戴的智能产品，可及时对自身健康的检测、平常数据的记录以及身体状况的监测变得十分重要。

新药研发攻关：一般新药研发至少是10-15年，花费至少数十亿美元，在突发疫情之下，这样研发周期与成本，无法满足现实临床需要。AI强大的算法和算力，可加速药物研发进程。运用智能算法模型，可根据病例特征，以及相关药物分子结构式快速筛选出可能有效的临床药物，有利于在现有药物基础上筛选出可用药物，同时利于在新药研发上给出思路，可助力研发智能化，加速研发进展。

4. 医疗行业数据孤岛的格局有望破冰

医疗AI行业突破，大部分情况并不是技术办不到，而是训练相关算法模型的数据样本难获取，或数据样本标记不明确、或无法标记。导致了目前可以用于AI诊断的疾病少，且产品同质化高的主要因素。

疫情之下，各地各医院打破各自为营格局，开放数据共享，使得相关AI产品，可快速研发上线。而使突发情况下，数据共享难题得到了部分缓解，要实现全国医疗数据共享仍有难度。一是部分医院并未全面信息化，而是疫情过后，共享意愿不高。

结合目前区块链技术的发展以及国家对此的部署，未来AI算法所需要的样本数据有望在授权情况下共享利用，从而打破医疗数据难共享的难题，或至少实现部分区域范围内数据可共享，打破长久以来医疗数据孤岛的格局。

5. 医疗和AI行业从业者要求进一步提升

本次AI辅助诊疗表现不俗，一般来说，一组新冠肺炎病人的CT片大概有300多张，即使是资深专家，读图+诊断的时间至少需要10-15分钟。阿里达摩院研发的AI+CT影像诊断技术，平均识别不到 20 秒准确率达 96%。

这对传统的临床医生也发起了挑战，长远来看，AI替代一些机械重复的工作是必然趋势，这就要求未来的医务从业人员需进一步提升专业能力，不仅仅是单纯的临床医师，还需懂得部分IT知识。对于研究AI科技人员来说，96%的AI准确率或即使是99%的准确率也不代表产品已经无可挑剔，仍需医生来解决误诊的4%或1%中是否有落网之鱼，以及96%或99%中是否有误诊。

医疗+AI，需要医疗AI团队将医学问题转换为工程语言，同时需要医护人员懂得AI相关知识，两者才能有效沟通，共同研发真正高可用的人工智能产品。这就必定需要从业者，都具备较高的专业能力。