中国医疗人工智能现状分析：从产品验证进入市场验证

根据依赖应用服务对象、使用医疗环节、医疗应用病种范围，报告制作了医疗人工智能应用矩阵，并对我国医疗人工智能行业进行了总结，制作出了医疗人工智能行业图谱。

医疗人工智能应用矩阵

AI+虚拟助手：打通诊疗不同环节是关键

据丁香园调查，50%以上的住院医生每天用于写病历的平均时间达4小时以上。《福布斯》曾报道，在门诊室，医生只花52.9%的时间在跟患者沟通，37%的时间在处理书面工作，还有10%的时间在处理琐事。

排队3小时，问诊2分钟。医生病历录入工作量大、病历质控难、患者门诊服务缺失是就诊阶段的三大痛点。基于语音识别、语义理解、麦克风阵列三大核心技术，AI+虚拟助手可以应用于诊前、诊中、诊后多个环节。

诊前：智能导诊机器人逐渐成为医院的一道新的风景线。导诊机器人主要是通过患者的语音输入进行语义分析，然后给出分诊和导诊建议，节约人力，方便患者。更先进的导诊机器人还能通过传感器收集患者的生命体征信息，进行预问诊，提前将患者的基本体征、病情摘要反馈给门诊医生。这使得医生在见到患者之前，便已获得患者病情的部分信息，从而提高医生问诊效率，减少误诊。

诊中：AI病历助手可以直接将语音转为结构化的电子病历。智能语音录入全过程由医疗语言数据模型进行支撑，能够实现检查、诊断和病历录入同时进行，避免了医生诊断总是被打断的情形，从而节省医生的时间，使其能专注于诊疗本身。AI手术助手可以让手术医生利用虚拟屏幕、语音识别，手势识别等技术，隔空操作电子设备。这有效减少了手术时间，降低感染风险。

诊后：在患者离院后，AI虚拟助手可以对患者进行回访以及满意度调查，推送医嘱事项、复查提醒、医学科普等。

AI+临床工作流：合理配置医疗资源，实现效益最大化

临床工作流，是对医院管理流程和医生工作流程的概括描述。临床工作流解决的主要问题是：利用数字化工具在多个参与者之间自动传递文档、信息或者任务，实现医院业务目标（非诊疗行为的信息化）。

人工智能正在通过医院管理和诊疗流程管理，引领医疗行业的全数字化转型，帮助医疗机构优化临床工作流程，提供更好的医疗服务，创造更高的利润。

医院管理的目的是充分优化医院的医疗资源配置，实现效益最大化。

AI根据医院已有的信息进行建模，训练出一套精准的算法，自动制定工作安排。比如它能根据电子病历、既往病史等信息分析出哪些患者是最需要及时救治的，把医疗资源优先提供给他们，优化医疗服务的先后顺序。

从产品分类看，临床工作流管理根据对象可以分为医疗设备管理、医生工具和支付管理。

医疗设备管理：人工管理向智能化管理转变。医疗设备管理过程中存在的离散分布、维修保养和质控管理效率低等痛点。随着智能化、信息化、规范化逐渐成为医疗设备资产管理的大趋势，医疗设备服务市场已经从单纯的设备维修，转变为医疗设备全生命周期管理。

医生工具：从单点医生赋能到多点医生协作赋能。医生工具的作用主要是为医生赋能，提高工作效率、增强医生能力。

医保控费：从规则控费向大数据控费转变。人工智能和大数据为医保智能监控系统的建设提供了新思路。部分地区开始探索通过运用包括案例推理、医疗行为模式分析、诊疗方案分析、医患网络扩散分析等在内的大数据分析手段来提升对欺诈骗保行为的识别能力，确保医保报销的合理性。

AI+预防管理：实现疾病的全面筛查和预测

上医治未病，预防医学优于被动治疗。随着人工智能、大数据、基因等技术的进步，现在已经能够实现部分疾病的可能性预测了。安吉丽娜·朱莉接受预防性的双侧乳腺切除手术，以降低罹患癌症的风险。而之所以进行这项手术，是因为她有基因缺陷，罹患乳腺癌和卵巢癌的风险恐怕较高。

这是从基因的角度进行的疾病风险预测，而AI也能从我们的行为、生化、影像等检查结果中实现疾病的筛查和预测。

以糖网病为例，糖网病是是常见的视网膜血管病变，也是糖尿病患者的主要致盲眼病。中国是全球2型糖尿病患者最多的国家，随着糖尿病患者的增多，糖尿病视网膜病变的患病率、致盲率也逐年升高。

因为糖网病早期往往没有任何临床症状，而一旦有症状，病情已较严重，容易错过最佳治疗时机。所以糖网病的治疗效果取决于治疗是否及时。但是由于我国眼科医生匮乏、居民重视程度不高，目前我国糖网病筛查的比例不足10%。

中国有90多万家基层医疗机构，占整个医疗体系机构数量的95%，覆盖人群5.8亿人。但是，基层医生供给不足，现有医生的数量已经无法承担这些工作量，导致医生过劳，误诊、漏诊的情况出现。

此外，基层医疗设备先进性不足，我国基层医疗卫生机构设备集中在50万元以下，100万元以上设备极少，说明设备先进性偏低，仅能满足基础疾病的诊疗，无法完成疑难杂症的早期筛查。

预防管理按照其产品的使用范围，可以划分为筛查类产品和预测类产品。

筛查和诊断的核心区别，在于诊断是已经有明显的症状后确定是哪种疾病，而筛查事先并不知道是否患病。

通过分析市面上主流的AI早筛类产品，我们发现其主要聚集在肺结节筛查、糖网病筛查、癌症筛查三大类。这是因为上述筛查的影像大多是DR、CT、眼底照片等，比较容易获取。而且中检院在2018年已经建立起了彩色眼底图像和肺部CT影像两个标准数据库，这对产品研发、审批、推广也有很大帮助。

人工智能基于多模态数据，包括文本、影像和流数据等（心率、血氧、呼吸等），可以应用于多种疾病预测，比如流行性疾病、慢性非传染病、精神类疾病等。

AI+辅助诊断：CDSS与MDT联合是未来发展方向

从诊断的数据流看，首先，患者分别进行影像、病理、体外诊断等一系列检查，并得到初步的检查结果。然后，检查数据通过PACS、HIS等信息化系统整合存储起来。最后，所有的数据汇集到医生端做综合解读。

人工智能的最终目标是像专家一样能实现单独综合诊断，然而目前最成熟的应用还是集中在单个项目上，尤其影像领域。我们统计了AI+辅助诊断领域的120家企业，其中影像类辅助诊断占比最高（34%），其次是数据整合存储（占比22%）。