一、全球醫療醫療行業市場規模及發展概述

隨著經濟增長、老齡化的加劇以及民眾健康意識的不斷提升，醫療健康產業迎來了較為快速的發展時期。Deloitte預計，2015年全球健康支出總額約7萬億美元，到2020年，全球健康支出總額將達8.7萬億美元，CAGR約為4.3%。根據經濟合作與發展組織（OECD）數據，2015年美國醫療健康產業支出占GDP比重為16.8%，而中國醫療健康產業支出占GDP比重為5.4%，中國相對美國還有較大增長空間。

二、全球500強醫療行業熱門人工智能技術

醫療人在醫療行業中，應用比較廣泛的人工智能技術包括計算機視覺、自然語言處理、數據挖掘和機器人等，人工智能技術在多個醫療細分場景中均有所應用，涉及醫藥物流、慢病管理、院內診療、醫療保險等諸多場景。其中，計算機視覺、機器人技術是在醫療中最廣泛、最成熟的應用技術之一。

計算機視覺：醫療過程離不開圖像處理，醫學影像圖像處理、手術機器人視覺系統、藥店及醫院面部識別、單據識別等，都能夠應用到計算機視覺。

數據挖掘：醫療診療過程中會產生大量的數據，如化驗數據、支付數據等，數據挖掘在醫院管理、醫保支付等過程中有較多應用。

自然語言處理：在醫療場景中，電子病歷所包含的文本信息最為豐富，自然語言處理技術在此具備較大應用價值。

機器人：可以顯著提升醫療環節的自動化程度，藥店客戶服務、醫院導診、藥房自動化、醫療手術等都存在醫療機器人的應用。

深度學習：由于醫學影像具備數據標準化、特征高維度等特性，深度學習在醫學影像智能診斷產品中的應用尤為廣泛。

三、全球500強醫療行業人工智能應用場景概述

院內診療：院內診療主要包括與患者密切相關的疾病診斷與治療場景。隨著機器學習、人工智能、機器人等技術在院內場景中的應用，醫療過程中產生的海量數據價值被挖掘出來，使得診療過程變得更加高效。

藥物供應鏈：藥物的研發與銷售是人工智能應用的重要環節。在藥物研發中，海量化合物及研發數據通過人工智能技術，能夠實現化合物的高效篩選。在藥品流通中，機器學習等技術能夠實現藥物物流過程精準預測，提高藥物流通效率。

院外場景：除了院內場景，人工智能相關技術在院外也有廣泛應用。慢性病及亞健康人群通過佩戴可穿戴設備，對生理指標能夠實現實時監測并上傳到云端進行數據分析，及時發現異常情況并加以干預。醫療保險中的智能核保也是人工智能的重要應用場景。

其它場景：由于醫療行業的應用領域與場景極為復雜，本報告僅基于所選全球500強案例有局限性的進行了場景劃分，故并不包含藥物生產、醫院管理等熱門應用領域。

四、全球500強醫療行業人工智能應用案例

HCA Healthcare敗血癥檢測算法SPOT：HCA Healthcare開發了SPOT算法用于敗血癥檢測，通過機器學習技術，醫院計算機攝取數百萬患者的數據點進行訓練。該算法每15分鐘監測所有住院患者的化驗結果和生理指標，分析住院患者的體溫、脈搏、呼吸頻率、白細胞計數、乳酸水平、血液、抗生素使用等信息以監測敗血癥可能性。SPOT以100％的敏感度運作，即包含所有敗血癥陽性病例，允許護理人員專注于那些需要密集監測和支持的患者。

雅培（Abbott Laboratories）Maya虛擬助手：2018年初，雅培成為印度第一家為其團隊部署AI虛擬助手的制藥公司。雅培制藥事業部啟動了一項試點，讓約3000名銷售員工開始與Maya進行日常咨詢。Maya使用語音或聊天界面以簡單的自然語言與員工溝通，并為他們提供所需的幫助及管理任務，回答常見問題解答、完成日常操作、接收報告或訓練，幫助員工操作企業知識庫（如SalesForce或Tableau）。

諾華（Novartis）病理學診斷研究平臺：諾華公司的病理學家和數據科學家與科技創業公司PathAI合作，訓練由PathAI開發的人工智能系統，以嘗試像病理學家一樣診斷，并試圖發現病理學家難以發現的隱藏信息。PathAI為算法提供由病理學家標記的病理影像用于訓練算法以區分細胞類型。PathAI將訓練載玻片切成約10000個較小的圖像，并且病理學家在每個切片中標記細胞類型。經過訓練，不同的細胞類型以不同色彩區別，確定為癌癥的區域在綠色周圍組織的區域中發出亮紅色。

美敦力（Medtronic）Guardian Connect動態血糖監測系統：Guardian Connect系統使用微型傳感器測量皮膚下方的液體中的葡萄糖水平，全天候監測讀取并通過小型無線發射器將它們發送到手機。使用Guardian Connect移動應用程序，可以查看最新的血糖數據、血糖歷史趨勢，跟蹤可能影響血糖水平的日常事件，在血糖超出或低于目標范圍時還能收到警報。