1.2 “人工智能+”怎么看上了醫療？

1.2.1 供需矛盾突出

從需求端來看，當前，四十多年的工業化進程也帶來了不同程度的環境污染，疊加我國人口老齡化加劇，患慢性疾病（簡稱慢性病、慢病）人口數量增多，形成大量醫療需求。

第七次全國人口普查結果顯示，我國60歲及以上人口為26402萬人，占18.70%。未來幾十年，老齡化程度還將持續加深，到2035年前后，我國老年人口占總人口的比例將超過四分之一，到2050年前后將超過三分之一。目前，中國已成為全世界老年人口數量最多、老齡化速度最快的大國。其中，東北三省的老齡化現象尤為明顯。2020年，東北三省總人口比十年前減少了1101萬人，而老齡化程度加深，65歲及以上人口比重為16.39%，提高7.26個百分點，高于全國平均水平。遼寧省65歲及以上人口比重為17.42%，為全國省市中最高。

在人口老齡化背景下，現代生活節奏加快，患慢性疾病人口數量也隨之增加。我國已確診的患慢性疾病人口數量超過3億，同時患病率以每年5.8%的速度增長。2021年11月初，國際糖尿病聯合會（International Diabetes Federation，IDF）在官網上更新了今年IDF全球糖尿病概覽的相關數據，在中國，2011—2021年的十年間，糖尿病患病人數從9000萬增長到了1.4億，占全國人口數的十分之一，與世界范圍內的發病率持平。在這1.4億人中，有51.7%的人群未被診斷，屬于“隱性”糖尿病群體。根據全國衛生服務調查，65歲以上群體的慢性疾病患病率高達78.4%，是全部人口患病率的3.2倍，即老齡人口越多慢性疾病人群基數越大。如今，慢性疾病已成為健康的頭號威脅，占到了中國77%的健康生命年損失和85%的死亡誘因，占全部疾病負擔的60%以上。

人口結構的變化還將帶來診療以外的醫療健康需求的結構性增加，包括疾病預防和治療、健康監測和管理、養生和保健、臨終關懷等。以體檢為例，與美、日、德超過70%的覆蓋率相比，我國的健康管理市場還有巨大的發展空間。而健康管理借助人工智能可以極大地賦能，讓健康管理實時可見、可控。伴隨著生活水平的提高，以及國家政策對家庭醫生、慢病防治、健康生活等方面的支持，越來越多的人將主動參與健康管理。

然而，從供給端來看，優質醫生及醫療資源不足，且醫療資源分布不均，難以承受快速增長的醫療需求。從總量上看，醫療資源供給增長落后于需求增長。我國醫生與總人口的比例約為1∶343，而西方國家的這一比例約為1∶280。醫生資源缺口問題在影像科醫生、病理科醫生及全科醫生方面尤為嚴重。目前，我國醫學影像數據的年增長率約為30%，而影像科醫生數量的年增長率僅為4.1%，病理科醫生缺口達到10萬人。我國全科醫生數量約30萬人，占醫生總數的7.37%。這一比例還遠遠達不到建立真正的全科醫生制度體系的需求——德國、法國、日本的占比均在20%以上，美國在12%以上。由于醫生的培養周期很長，我國獨立上崗醫生的培養周期長達8年，較長的培養周期帶來醫療人力成本提高，難以滿足持續增長的醫療需求。

從分布上看，醫療資源集中于三級醫院和發達地區，基層醫院醫療水平低，醫生資源少。從配置上看，據統計，2018年我國醫院數量超過3.2萬家，三級醫院僅占總數量的19%，卻承接了全國49.8%的醫療需求。三級醫院長期超負荷運轉，承擔了過多基礎診療工作，導致核心醫療資源無法發揮最大價值。供需結構不匹配導致了醫院運營效率低、誤診率高、醫療體驗差等諸多問題。

可以說，供給與需求矛盾突出，是我國醫療行業的根本問題。而這些問題，不論是醫生的培養，還是醫生醫療技術水平的提升，借助人工智能技術都將有望得到改善。

1.2.2 人工智能技術不斷突破

一直以來，算法、算力和數據被認為是人工智能發展的三駕馬車，也是推動人工智能發展的重要基礎。

1.在算法層面

在算法層面，超大規模預訓練模型等成為近兩年最受關注的熱點之一。自OpenAI于2020年推出GPT-3以來，谷歌、華為、智源研究院、中國科學院、阿里巴巴等企業和研究機構相繼推出超大規模預訓練模型，包括Switch Transformer、DALL·E、MT-NLG、盤古、悟道2.0、紫東太初和M6等，不斷刷新著各榜單紀錄。而OpenAI更是一舉將大模型的訓練之路打開了，讓大家看到了基于深度學習的路徑方向，基于參數優化一旦正確，機器就能具備類人的智能邏輯。

深度學習是人工智能技術的重要一脈，目前語音識別和計算機視覺都基于深度學習技術來完成。隨著圖像領域深度學習Resnet網絡結構發展，計算機視覺和綜合圖像處理技術取得長足進步，醫學影像分析在診療過程中發揮更大作用。例如，應用計算機視覺技術進行結腸鏡檢查，可以獲得更為有效、可靠的數據，以降低結腸癌死亡率；在外科手術中，計算機視覺對腦瘤病人進行三維頭骨建模，有利于后續神經外科治療。

此外，近年來，人工智能對海量數據的分析能力能夠讓研究者不再局限于常規的“推導定理式”研究，可以基于高維數據發現相關信息，繼而加速研究進程。2020年，DeepMind提出的AlphaFold2在國際蛋白質結構預測競賽（Critical Assessment of protein Structure Prediction，CASP）中拔得頭籌，能夠精確地預測蛋白質的三維結構，其準確性可以與使用冷凍電子顯微鏡等實驗技術解析的三維結構相媲美。中美研究團隊使用人工智能的方法，在保證“從頭計算”高精度的同時，將分子動力學極限提升了數個量級，比過去同類工作計算空間尺度增大100倍，計算速度提高1000倍，獲得2020年國際計算機協會（Association for Computing Machinery，ACM）戈登貝爾獎。

2.在算力層面

在算力層面，當前，人工智能算力仍在持續突破，面向訓練用和推斷用的芯片仍在快速演進。這主要源于算力需求的驅動。一方面，體現在模型訓練階段，根據OpenAI數據，模型計算量增長速度遠超人工智能硬件算力增長速度，存在萬倍差距；另一方面，由于推斷的泛在性，使得推斷用算力需求持續增長。與此同時，新的算力架構也在不斷研究中，類腦芯片、存內計算、量子計算等備受關注，但總體上處于探索階段。

3.在數據層面

在數據層面，以深度學習為代表的人工智能技術需要大量的標注數據，這也催生出專門的技術乃至服務。隨著面向問題的不斷具體化和深入，數據服務走向精細化和定制化。此外，隨著知識在人工智能的重要性被廣泛提及，對知識集的構建和利用不斷增多。

人工智能的快速發展推動數據規模不斷提升。據互聯網數據中心（Internet Data Center，IDC）測算，2025年全球數據規模將達到163 ZB，其中80%～90%是非結構化數據。數據服務進入深度定制化的階段，百度、阿里巴巴、京東等公司推出根據不同場景和需求進行數據定制的服務。企業需求的數據集從通用簡單場景向個性化復雜場景過渡。例如，語音識別數據集從普通話向小語種、方言等場景發展，智能對話數據集從簡單問答、控制等場景向應用場景、業務問答等方向發展。各方積極探索建立高質量知識集，支撐未來知識驅動的人工智能應用發展。

數據生成和共享速度迅速增長。在數據方面，我國擁有得天獨厚的優勢，我國人口眾多，數據基數大，同時多樣性豐富，為大數據分析提供了豐富的數據來源，也為人工智能不斷訓練與優化算法模型提供了廣泛數據集。

盡管中國有比較龐大的人口數量與相對的數據優勢，但醫療信息化與數據化普及程度不足，也制約著人工智能醫療產業的發展。但相比較而言，盡管美國的人口基數與數據樣本量沒有中國龐大，但美國有著比較健全的醫療數據化系統，或者說醫療的信息化、數據化程度比較高，這就使得美國在人工智能醫療方面的訓練上，更容易基于數據化與標準化訓練出診斷準確性更高的人工智能醫生。

1.2.3 政策引導和支持

近年來，我國出臺了一系列全國性政策及醫療人工智能專項政策，鼓勵“人工智能+”醫療產業發展。在政策引導下，醫療產業有望迎來真正的變革。

2017年7月，國務院印發《新一代人工智能發展規劃》（以下簡稱《規劃》），這也是我國在人工智能領域進行系統部署的第一份文件。《規劃》指出，到2030年，我國人工智能理論、技術與應用總體上要達到世界領先水平。在《規劃》提出的六大重點任務中，特別提出要在醫療領域發展便捷高效的智能服務，圍繞醫療等方面的迫切民生需求，加快人工智能創新應用，使精準化智能服務更加豐富多樣，使社會治理智能化水平大幅提升。《規劃》提出發展智能醫療：“推廣應用人工智能治療新模式新手段，建立快速精準的智能醫療體系。探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診。基于人工智能開展大規模基因組識別、蛋白質組學、代謝組學等研究和新藥研發，推進醫藥監管智能化。加強流行病智能監測和防控”。

2018年，教育部印發《高等學校人工智能創新行動計劃》，國務院辦公廳印發《關于促進“互聯網+醫療健康”發展的意見》。2020年，中共中央政治局常務委員會召開會議時指出，要加大公共衛生服務、應急物資保障領域投入，加快5G網絡、數據中心等新型基礎設施建設進度。

2020年新冠疫情暴發之時，工信部網站發布了《充分發揮人工智能賦能效用 協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，倡議進一步發揮人工智能賦能效用，組織科研和生產力量，把加快有效支撐疫情防控的相關產品攻關和應用作為優先工作，進一步推動了“人工智能+”醫療的發展。

2023年更是著重于電子病歷的推行。國家衛健委在4月發布新版國家二級公立醫院績效考核操作手冊。對于二級公立醫院的電子病歷應用功能水平分級、患者滿意度等指標，新版手冊要求逐步提高。以電子病歷為核心的醫院信息化建設是深化醫改的重要內容之一。電子病歷的推行，是數字化醫療的一個重要舉措，或者說是人工智能醫療向前發展的一個基礎條件。沒有數據就很難訓練出高質量的人工智能醫生，而電子病歷的數據化，給人工智能的醫療變革奠定了基礎。