一、醫(yī)療保健處于數(shù)字化轉(zhuǎn)折點

　　互聯(lián)網(wǎng)女皇Mary Meeker發(fā)布的《2017年互聯(lián)網(wǎng)趨勢報告》認為，醫(yī)療衛(wèi)生和保健已進入數(shù)字化拐點：醫(yī)療行業(yè)表現(xiàn)出數(shù)據(jù)輸入量和數(shù)據(jù)積累量的爆發(fā)式增長，有88%的消費者至少使用1項數(shù)據(jù)健康工具(遠程醫(yī)療、可穿戴設(shè)備)，同時，消費者愿意分享健康數(shù)據(jù)，數(shù)據(jù)統(tǒng)計60%和50%的消費者分別愿意向谷歌和蘋果分享健康數(shù)據(jù)。在專業(yè)數(shù)據(jù)方面，美國電子病例普及率達到87%，基因數(shù)據(jù)積累使得基因知識量增加19倍。綜上，全球健康數(shù)據(jù)年增長率達到48%。數(shù)據(jù)的增長一方面縮短了醫(yī)學研究的創(chuàng)新周期，加快藥物臨床實驗周期，同時提升了診斷的準確率與治療的精準化程度。

　　二、數(shù)據(jù)是發(fā)展的關(guān)鍵

　　數(shù)據(jù)是“醫(yī)療+人工智能”行業(yè)發(fā)展的關(guān)鍵。我們認為，醫(yī)療與人工智能結(jié)合的關(guān)鍵在于“算法+有效數(shù)據(jù)”。先進的算法提升數(shù)據(jù)處理效率與識別準確率，而有效數(shù)據(jù)是先進算法應(yīng)用的基礎(chǔ)。目前，深度學習等算法的發(fā)展已經(jīng)相對成熟，醫(yī)療數(shù)的“量”和“質(zhì)”是阻礙人工智能在醫(yī)療行業(yè)應(yīng)用發(fā)展的主要原因。國際巨頭IBM Watson 2015-2016年花費約40億美元收購數(shù)家具備健康數(shù)據(jù)資源的公司，也反映了數(shù)據(jù)的重要性。隨著全球醫(yī)療保健進入數(shù)字化的拐點，客戶授權(quán)使用的健康數(shù)據(jù)量快速增長，將為行業(yè)發(fā)展提供先決條件。

　　三、智能診斷與醫(yī)學影像識別較為成熟

　　智能診斷與醫(yī)學影像識別是“人工智能+醫(yī)療”發(fā)展相對成熟的兩個領(lǐng)域。人工智能在醫(yī)療行業(yè)應(yīng)用價值突出，具體應(yīng)用包括：診前的疾病預防、健康管理;診中的輔助診斷，醫(yī)學圖像處理;診后額虛擬醫(yī)護助手，慢病管理。其他領(lǐng)域包括藥物研發(fā)，醫(yī)保控費等。目前，發(fā)展相對成熟的領(lǐng)域包括“智能診斷”和“醫(yī)學影像識別”領(lǐng)域，前者應(yīng)用的成熟化主要源于IBM Watson自然語言理解技術(shù)和長達6年的醫(yī)學文獻數(shù)據(jù)積累;而后者應(yīng)用的成熟化源于深度學習算法下圖像識別準確率的不斷提升。兩個領(lǐng)域的發(fā)展將分別提升“門診”和“影像科”醫(yī)療資源的供給，解決目前醫(yī)療行業(yè)嚴峻的供需矛盾。