声明：本文源自微信公众号AI新智能（ID:alpAIworks），作者举大名耳，经微新创想转载发布。在人工智能的浪潮中，医疗行业已成为被深度改造的热门赛道。当前AI正以前所未有的速度和力量渗透医疗领域的各个角落，而红杉资本最新发布的《Generative AI in Healthcare》报告，对AI在医疗行业的应用与发展进行了全面而深刻的剖析，并指出其在未来具有“巨大潜力”。那么，为何在AI竞争日益激烈的当下，医疗领域会如此吸引资本的目光？
1AI医疗现状
在《Generative AI in Healthcare》报告中，红杉资本提到了AI在医疗领域的重要应用，包括患者互动、文档记录、临床决策等。红杉资本认为，当前的医疗AI已超越“锦上添花”的辅助阶段，开始对医疗行业的核心环节进行深度赋能，显著提升医疗效率和质量，同时降低成本和人力投入。医疗行业的核心环节涵盖六大领域：患者互动、文档记录、临床决策、预授权、编码和收入周期管理。生成式AI之所以能对这些核心节点进行赋能，关键在于其能够处理海量非结构化数据，并将其转化为有价值的信息和洞察。
医疗运营的核心环节往往涉及多种类型的数据，如语音、文本、图像、视频、信号等，这些数据通常是非结构化的，缺乏固定格式或标准。其中蕴含着丰富的医疗知识和价值，但传统方式难以有效整合和利用。在传统医疗行业，对这些数据的处理和整合成本高昂，却不可或缺。以美国为例，医疗编码市场价值约210亿美元，涉及约35000名医疗编码员。尽管劳动力充足，但由于编码错误，美国医院每年损失近200亿美元收入，迫使供应商依赖“家庭作坊式”咨询公司来“挖掘”缺失的收入。同样，在与患者互动过程中，医疗行业需要大量文书工作者整理各类医疗文档。红杉资本统计显示，美国医疗行业约有100万文书人员，每年平均支出40-50K美元，仅此一项年成本就超过4亿美元。生成AI则能利用深度学习和自然语言处理等先进算法，分析、理解、生成和转换这些数据，从而提升医疗运营效率和质量，降低成本和人力，并适应不同数据源和环境。例如，在文档记录中，生成AI可将医生与患者的对话自动转化为电子病历和编码；在临床决策中，生成AI能将医疗影像、病历报告等多元数据源和格式转化为统一的医学知识体系。这些优势正是红杉资本认为AI能直击医疗运营核心的原因。
2AI赋能医疗
除了处理非结构化数据的优势外，现阶段AI还在多个方面赋能医疗领域，包括AI辅助诊断、AI医学影像分析、AI精准医疗、药物研发、医疗机器人等细分赛道。具体而言，在AI辅助诊断方面，AI通过分析患者症状、体征、检验结果等数据，提供可能的诊断建议，帮助医生做出更准确及时的决策。例如，阿里健康的AI医生可在1.5秒内给出90%的准确率，百度的AI医生已能识别900多种常见疾病。AI医学影像分析则利用机器学习、计算机视觉等技术，对医学影像数据进行自动化分析和诊断，通过形态、纹理、灰度等定量特征与基因、临床数据的关联分析，发现疾病的生物标志物和预后因素。在精准医疗方面，AI通过对基因组、表观遗传组等大规模生物数据的挖掘，为个体化预防、诊断和治疗提供依据。例如，Deep Genomics的AI平台可预测基因变异对蛋白质功能的影响，Flatiron Health的AI平台能为癌症患者提供最佳治疗方案。在药物研发方面，AI通过建模和模拟药物靶点、结构、作用机制等数据，加速药物发现和开发。例如，BenevolentAI的AI平台能从海量文献中挖掘新药候选物，Atomwise的AI平台通过虚拟筛选降低实验成本。
就目前AI医疗的整体态势来看，AI医疗技术，尤其是在基因组学、免疫组学等前沿领域，国外AI企业凭借更多资源和经验占据优势。例如，谷歌DeepMind团队通过AI系统解析出人体几乎所有蛋白质结构，判断DNA中的变异是否会导致疾病。Paige.AI则利用AI技术分析癌症病理图像，发现新的治疗方法和药物，其创建的全球首个大型癌症病理学基础模型包含50万份切片的10亿张图片，与微软合作开发的AI模型参数高达十亿。国内AI医疗技术在影像诊断、智能问诊等领域有所突破，但面临数据孤岛、数据质量等技术难题，应用场景也相对集中。代表性企业如联影智用，通过搭载智能算法的CT摄像头，结合深度学习卷积神经网络和模式识别算法，精准识别CT扫描范围；推想医疗则通过深度学习模型模仿人类认知过程，自动挖掘医学图像规律，其InferOperate产品能对脑电图等神经影像数据进行深度学习，提取影像特征，为医生提供智能手术规划等。
3趋势和机遇
尽管国内AI医疗因产业生态、技术基础等原因与国外存在差距，但市场增速和规模显示其发展潜力巨大，医疗需求旺盛。华经产业研究院数据显示，2021年中国AI医疗市场规模约95亿元，预计2025年达385亿元。未来，国内AI医疗将在AI药物研发、AI病理、AI医疗影像、AI医疗器械等领域持续发力。其中，AI医疗影像和AI药物研发将成为主要增长点。全球AI医疗影像市场规模占医疗AI市场的25%，仅次于AI制药。我国医疗影像数据年增长率高达30%，而影像科医生年增长率仅4%，AI影像医疗能有效缓解人才短缺问题。预计2020-2025年AI医学影像市场复合年增长率达39.4%，2025年将突破300亿元。在AI药物研发方面，AI能解决新药研发高成本、低效率、高风险的问题。2020年我国新药研发市场规模1.2万亿元，但成功率仅11.3%，临床阶段费用占比70%。AI通过加速靶点发现、化合物筛选等环节，可提高新药成功率和质量。英矽智能与浙江大学合作，利用AI平台优化抗癌药物PD-1抗体设计，获得FDA临床试验许可。全球AI药物研发市场规模预计2027年达203亿美元，年复合增长率26.5%。
在AI浪潮中，大模型赋能只是AI医疗的冰山一角。随着AI革命的持续，已蓬勃发展的AI医疗必将带来更多机遇与亮点。
