人工智能领域在近十年得到了飞跃式的发展，作为人工智能医疗领域的多年从业者，今天主要跟大家先介绍一下人工智能医疗的发展史，以及目前主要应用的领域。

1.人工智能发展史

1946年，美国数学教Mauchly、Eckert等制造出世界上第一台通用计算机ENIAC。

1956年，计算机科学家约翰 \cdot 麦卡锡在达特茅斯会议上说服了与会者接受“人工智能”作为该领域的名称。达特茅斯会议也被认为是人工智能正式诞生的标志。

1959年，IBM公司的计算机专家阿瑟\cdot塞缪尔创造了“机器学习”一词。同年，约翰\cdot麦卡锡发表了文章《Programs with Common Sense》，提出了“Advice Taker”的概念。

1964年，美国麻省理工学院（MIT）人工智能实验室的约瑟夫\cdot维森保姆开发了最早的自然语言聊天机器人ELIZA。ELIZA是最早的人机对话程序，能够模仿临床治疗的心理医生。

1972年，知识工程MYCIN研发成功，该系统用于传染性血液的诊断和处方。该事件标志着人工智能进入“专家系统”时期。

1984年，人工智能寒冬来临。在1984年AAAI会议上，人工智能专家罗杰\cdot单克和马文\cdot明斯基警告“AI之冬”即将到来。

1997年，IBM公司的DeepBlue战胜国际象棋冠军Kasparov，成为首个击败世界冠军的系统。

2006年，诺伊大学香槟分校的计算机教授李飞飞建立ImageNET数据库。ImageNET是一个大型注释图像数据库，用于协助视觉对象识别软件开展研究。同年，Geoffrey提出深层神经网络逐层训练的高效算法，在当时的计算机条件下使神经网络模型训练成为了可能。

2016你那英国初创公司DeepMind研发的AlphaGo以4:1的比分战胜人类职业棋手九段李世石。AlphaGo的出现将世人对人工智能的期待提高到了前所未有的高度，人工智能迎来了最好的发展时代。

……

人工智能爆发的三要素是算法、算力和大数据。人工智能的概念从首次提出到现在已经有60余年，近几年才呈现出爆发的趋势，这不单单是因为算法改进和数据积累的推动，更重要的是计算能力发生了重大变革。GPU大大提升了计算机的性能，使其拥有远超CPU的并行计算能力。在算法方面，深度学习和强化学习是人工智能领域的核心算法。日渐成熟的大数据更是为算法、算力提供了巨量的数据特征，为其实现超期待的性能奠定了良好的基础。算法、算力和大数据是决定人工智能行业发展的三大要素，也是各大互联网巨头角力的三大山头。

2人工智能医疗发展史

随着大数据大数据、互联网和信息科技的发展，人工智能被广泛试点应用于智慧医疗、智慧教育等领域。近几年全球各地纷纷提出“大健康”、医疗大数据等概念，将民生健康置于战略性地位，也促进了人工智能医疗领域的发展

2.1国外人工智能医疗发展历史

20世纪70年代，国外开始出现了在医疗领域的人工智能探索尝试。

1972年，利兹大学研发的AAPHelp能根据病人的症状计算出产生剧烈腹痛可能的原因。1974年，资深医生诊断的准确率已经不如该系统。尽管AAPHelp运行耗时久，但在20世纪70年代计算机硬件条件下，AAPhelp的产生仍具有突破性意义。

在随后的几年内，不少新的人工智能医疗产品成果再次出现在人们的视野中。

1974年，匹兹堡大学研发出INTERNISTI，它主要用于辅助诊断内科复杂疾病。

1976你那，斯坦福大学研发出MYCIN系统，它能诊断出感染病患者并提供抗生素处方。MYCIN系统的内部共有五百条原则，只要按照MYCIN系统的提问以此进行回答，就能自动判断出患者所感染细菌的类别和开出相应处方。

此外，在七十年代，还有斯坦福大学开发的ONCOCIN，MIT开发的PIP、ABEL，罗格斯大学开发的CASNET/Glaucoma等。

20世纪80年代，一些商业化应用系统开始出现，比如QMR（Quick Medical Reference）和DXplain，主要是依据临床表现提供诊断方案。

20世纪90年代，CAD(Computer Aided Diagnosis，计算机辅助诊断)系统问世，它是比较成熟的医学图像计算机辅助应用，包括乳腺X射线CAD系统

进入21世纪，IBM Watson是人工智能医疗领域最知名的系统，并且已经取得了非凡的成绩。例如在肿瘤治疗方面，Watson能够在几秒内对数十年癌症治疗历史中的150万份患者记录进行筛选，并提出循证治疗方案供医生选择。目前癌症治疗领域排名前三的医院都在使用Watson，并且中国也正式引进了Watson。

2016年2月，谷歌DeepMind宣布成立DeepMind Health部门，并与英国国家健康体系(NHS)合作，辅助他们进行决策。DeepMind还参与NHS的一项利用深度学习开展头颈癌患者放疗疗法设计的研究。同时，DeepMind与Moorfields眼科医院开展将人工智能技术应用于及早发现和治疗威胁视力的眼部疾病的合作。

2.2国内人工智能医疗发展历史

20世纪80年代初，我国开始进行人工智能医疗领域的开发研究，虽然起步落后于发达国家，但是发展迅猛。

1978年，北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”，第一次将医学专家系统应用到我国传统中医领域。此后我国加快开展了人工智能医疗产品的研发，具有代表性的产品有“中国中医治疗专家系统”、“林如高骨伤计算机诊疗系统”以及具有咨询和辅助诊断性质的“中医计算机辅助诊疗系统”等。

进入21世纪以来，我国人工智能在医疗的更多细分领域都取得了长足的发展。

2016年10月，百度发布百度医疗大脑，对标谷歌和IBM的同类产品。百度医疗大脑作为百度大脑在医疗领域的具体应用，"它大量采集与分析医学专业文献和医疗数据，通过模拟问诊流程，基于用户症状，给出诊疗的最终建议。2018年11月百度发布人工智能医疗品牌“百度灵医”，目前已有“智能分导诊”“AI眼底筛查一体机”、“临床辅助决策支持系统”三个产品问世。

2017年7月，阿里健康发布医疗AI系统“Doctor You”，包括临床医学科研诊断平台、医疗辅助检测引擎等。此外阿里健康还与政府、医院、科研院校等外部机构合作，开发了20种常见、多发疾病的智能诊断引擎，包括糖尿病、肺癌预测、眼底筛查等。2018年9月，阿里健康和阿里云联合宣布阿里医疗人工智能系统“ET医疗大脑”2.0版本问世。

2017年11月，腾讯自建的首款AI医学影像产品“腾讯觅影”入选国家首批人工智能开放创新平台。通过图像识别和深度学习，“腾讯觅影”对各类医学影像( 内窥镜、CT、眼底照相、病理、超声、MRI等)进行训练学习，最终达到对病灶的智能识别，用于辅助医生临床诊断和食管癌、肺癌、糖网病变等疾病的早期筛查。2018年11月，腾讯牵头承担的“数字诊疗装备研发专项”启动，该项目作为国家重点研发计划首批启动的6个试点专项之一，基于“AI+CDSS”( 人工智能的临床辅助决策支持技术)探索和助力医疗服务升级。

3人工智能医疗应用领域有哪些

人工智能与医学领域的结合点非常多，《中国人工智能医疗白皮书》中阐述了人工智能在医疗领域的五个主要应用方向，分别是医学影像、辅助诊断、药物研发、健康管理、疾病预测，分别如下:

• AI医学影像。Global Market Insight的数据报告显示，人工智能医学影像市场是人工智能医疗应用领域的第二大细分市场，并将以超过40%的增速发展，预计2024年将达到25亿美元的规模，市场占比为25%。目前，在中国人工智能医疗应用领域中，医学影像是最热门的领域，投资金额最高、投资轮次最多、赛道公司最多、应用最为成熟。
• AI辅助诊断。AI辅助诊断概念广泛，通常来说是指能帮助医生进行疾病诊断和提出治疗方案的辅助产品，其中最主要的细分领域包括电子病历、导诊机器人、虚拟助理等，当然也包括上述的AI医学影像。其中，需要注意的是尽管手术机器人(如达芬奇手术机器人)和康复机器人 ( 如Handy1) 具有辅助诊断的功能，但是它们目前只能按照人类制定的程序进行指定性操作，本身并不具备较强的“人工智能”特性，不能与人类产生交流互动、无法进行自主判断。
• AI药物研发。全球人工智能医疗应用市场中，第一大细分市场是药物研发，占比达35%，国外创新药市场较为成熟，而我国AI药物研发相对落后，新药研发依旧以仿制药和改良药为主，且研发赛道公司不多，产业欠成熟。
• AI健康管理。相对于诊断就医环节，健康管理是把被动的疾病治疗变为主动的自我健康监控，主要产品为智能可穿戴设备。与传统可穿戴设备相比，智能可穿戴设备能够进行长时间的实时监测以及数据多维管理和分析，目前主要的应用领域为慢病管理、母婴管理、精神健康管理和人口健康管理。基于中国当前正加速进入老龄化社会和逐步实施放开生育政策的基本国情，未来健康管理的市场潜力巨大。
• AI疾病预测。这里的AI疾病预测有别于前文叙述的AI医学影像、AI辅助诊断、AI健康管理中人工智能应用于疾病预测的概念。主要指通过基因测序与检测，提前预测疾病发生的风险，也包括运用各种生化、影像、行为日常大数据来预测疾病发生情况。

4.小结

相对于其他行业，医疗行业中，无论是医疗器械还是医药行业都对病人产生非常直接的影响，审核也将更加严格。因此，医疗行业和人工智能的结合务必慎重，我们既要考虑到人工智能医疗的优点：加速诊断和治疗、提高诊断的准确性、实现个性化治疗、改善医疗资源利用、促进医学研究等；同时也要正视它现在的不足：数据隐私和安全问题、技术可靠性问题、缺乏人性化护理、当前技术成本高昂等。人工智能与医生不是互斥的关系，而是更好地辅助医生进行决策，给病人带来更舒适的治疗与体验。

5.参考文献

[1]中国人工智能医疗白皮书.2019

[2] FDA: the long run as now: how FDA is advancing digital tools for medicalproduct development

[3]CB Insights: top Al trends to watch in 2018