从2016年5月，国家发改委、科技部、工信部、网信办四部委印发了《“互联网+”人工智能三年行动实施方案》，到2017年两会上李克强总理政府工作报告中首次提及人工智能--“全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化，做大做强产业集群”，人工智能引发了全民关注。2月，国家卫计委也发布了四份医疗领域应用人工智能的规范标准，从国家层面鼓励人工智能在辅助诊断和治疗技术等应用领域的发展，同时为“人工智能+医疗”的规模化应用提供的基础保障。

人工智能技术在医疗、产业物联网等很多领域都有现实应用，图像识别是深度学习等人工智能技术最先突破的领域，已经广泛用于图片搜索、自动驾驶、人脸识别。而在医疗健康领域，目前看来医疗影像也会是人工智能与医疗结合中，最可能先发展起来的领域。对于关乎每个人健康的医疗领域而言，随着基础研究和技术应用逐步推进，“人工智能+医疗”同样将带来日新月异的变化。

医疗健康服务需要增强智能

医疗对人工智能的需求是其发展的重要推动力，在医疗资源的供给端，医患矛盾突出、医生从医环境不佳、从医意愿降低、医疗资源浪费等成为影响医疗资源供给的重要因素。人工智能给医疗行业打开了一扇窗，人工智能在医疗领域从手术机器人、医学影像诊断、远程医疗等细分领域经历了从无到有、从小到大的跨越式发展。

当前，随着全球移动互联网和物联网等快速发展，人类可获取利用的数据正以爆炸式增长，预计2020年全球数据量将超过4万亿GB。而目前全球医疗正在发生颠覆性的变化，如今已经产生150 exabytes的医疗数据，预计到2020年，每73天医疗数据量会翻一番。此外，全球人口不断老龄化，在2030年，中国也将有25%的人口年龄会超过60岁。相关的数据量会越来越大，人口群体会逐渐变老，糖尿病、心脏衰竭、呼吸病等等慢性病也会逐渐增多。

如此看来，如果仍要想跟上每几十天翻一番的数据量，这一想法是很不切实际的，更何况是那些工作量很繁重的医护人员。据了解，医疗数据中有超过90%的数据来自于医学影像，但是这些数据大多要进行人工分析。人工分析的缺点很明显，第一是不精确，只能凭借经验去判断，很容易误判。第二是缺口大，相关研究数据表明目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，其间的差距是23.9%，放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷。

显然，增强智能可以发挥很重要的作用，处理好海量的数据，帮助工作负担繁重的医护人员提供诊疗服务。

近年来，随着深度学习等技术的进步，人工智能在医疗行业的应用领域不断扩展，而其成败主要取决于计算能力和数据，这也是影响人工智能进度的关键因素。IBM认为，当前人工智能要做的是“认知”数据的价值。当前数据分析的两大挑战是数据量的井喷和数据类型的井喷，为应对数据井喷带来的挑战，IBM尝试从两个方面寻求解决方法：一是提升运算能力来应对结构化数据的分析，二是在非结构化数据方面，通过计算机来模拟人的工作，分析非结构化的数据，以实现对数据价值的认知。

IBM认知系统为“人工智能+医疗”提供持续的演进路径

人工智能自50年代以来一直存在，在“人工智能+医疗”方面，亚马逊、微软、谷歌等巨头今年来都在加大投入跑马圈地，但是在医疗智能领域深耕最久的IBM，一直是最新人工智能时代的先驱，其自定义决方案被称为沃森（Watson），在过去十年中，IBM用Watson引领了认知计算的复苏。

IBM研究院从2005年就开始对医学影像进行识别，包括心血管疾病和乳腺的影像，2016年8月斥资10亿美元收购了医疗影像处理与加工公司Merge，将其技术整合进IBM Watson认知智能系统。就在今年，IBM发布了首个认知影像产品，这是由AI驱动的针对性工具，可用在整个组织中规范实施的治疗，并通过患者人群逐步树立大批至关重要的可重复成果。在此过程中，它能够帮助实现一种基于人口健康的个性化治疗办法。目前IBM的认知计算影像分析方案可以帮助用户实现医疗影像的智能分析和结合病历分析提供辅助治疗。

应用示例：智能放射影像分析--检测肺部增厚症状

正如现阶段，对于各地区中小医院和社区医院来说，症状并不明显的疾病还是很难进行准确检测。但通过认知系统，从历史数据中学习和总结，快速判读影像中的病症特征，辅助医生进行病症分析，从而提高诊治效率和准确性。 如图中肺部影像分析示例，该方案可以告诉医生此X光片的患者有多大的概率患有“肺部增厚”病症，医生可以据此做出自己的判断，避免漏诊、误诊，提升效率。

IBM在人工智能领域有两个大的方向：对于行业来说，有很多成熟的深度学习解决方案可以直接使用；如果用户想要自己做，也有一套完整的解决方案。Watson只是IBM在人工智能领域投资的一个部分，只是对于那些不想从头开始创建一切的机构的“快捷键”。Watson更像是在人工智能领域里的一个完整的方案，它能提供医疗等各方面的分析和解决方案。医院用户不一定需要自己做神经网络的训练，通过调用Watson的接口就能够直接使用。

有一些机构可能不想使用IBM Watson提供的软件，而是想要开发自己的软件，医疗行业尤其关注深度学习在个性化/新产品设计研发方面的需求和应用程度，他们更希望在一个平台上去进行个性化的设计，硬件加上IBM PowerAI开发组件，再加上Blue Mind开发平台软件，这一套方案结合起来可以帮助用户专注于自己的业务模型的训练分析。

应用示例：乳腺组织病理切片中的癌细胞检测

癌症现在依然是世界难题，如何及早的发现和防止肿瘤扩散是治疗的根本出路。对于病理医生来说，需要从大量切片样本中识别微小的癌细胞，费时费力并极易出错。基于IBM PowerAI的认知技术可以自动提供候选目标，帮助医生提高效率避免遗漏。如上图示例，绿色方框代表医生标注的癌细胞位置，蓝色方框代表机器标注的疑似位置，表明计算机对癌细胞的检测与人类医生基本一致，可以提供很好的参考。这就是BlueMind深度学习平台起到的重要价值--BlueMind可支持对象检测和数据准备，可同时支持改变数据大小和标签坐标，支持无需改变原始图像情况下展示训练结果。

随着健康管理越来越受到民众的关注，医疗行业应用发展前景也将越来越广阔，IBM可以根据客户提供的行业应用场景、专家和经验，以及带标签的训练和测试数据，为用户提供一体化的认知基础架构平台解决方案，帮忙客户更好的解决问题，并提供更加完善的个性化管理服务。