新聞背景：近年來，在醫療健康領域，人工智能迅速發展並不斷嘗試與現有醫療體系結合。據統計，截至目前，國際市場上約有 107 傢人工智能醫療創業公司，分別在生活方式管理、醫院管理、可穿戴設備、虛擬助理、營養和精神健康領域發展。而中國已成為在全球人工智能領域國際科技論文發表量和發明專利授權量居世界第二的國傢，並與第一名的美國差距不斷縮小。
《關於印發新一代人工智能發展規劃的通知》從國傢戰略發展的高度對人工智能產業進行整體定位，明確瞭我國人工智能產業發展的方向，指明瞭人工智能產業的三步走戰略目標。總體而言，我國未來的智能醫療應用基本會集中在輔助醫療、疾病管理、監管控費、藥品研發 4 個方面。這個戰略目標的設定，既符合人工智能在醫藥領域應用的自身規律，也考慮到瞭我國醫藥衛生事業的內在需求。
輔助醫療：
提高診斷效率和精準度
醫療是人類社會中較為復雜的工作領域，其不僅是一門科學，更是藝術和人文關懷。醫患溝通是治療過程的重要部分，因此，在很長一段時間內，人工智能無法替代醫生，也無法顛覆現有的醫療體系。但同時，我們也要看到，在整個醫療服務鏈條上，人工智能可以有效地輔助醫生，將醫生從一些費時費力的工作中解放出來，更好地聚焦於核心業務；同時快速給予醫生以往需要長期經驗才能獲取的判斷能力，從而提高醫生的診療能力。
具體而言，人工智能在輔助醫療領域實現瞭兩大基本目標。第一，將醫生從繁重的病歷記錄工作中解脫出來，同時對傳統病歷和患者病情描述這些非結構化的數據進行結構化記錄，為進一步的大數據分析奠定數據基礎。在這個領域，國際上有 Nuance、Philips 等公司，我國有百度、科大訊飛等公司，正在深入挖掘。第二，對海量數據進行有效分析並建立模型，基於醫學影像作出準確診斷。2016 年，谷歌公司在《美國醫學會雜志》發表瞭題為《開發並驗證一種深度學習算法通過眼底視網膜照片檢測糖尿病性視網膜病變》的文章，該文章證明通過對 11000 名患者眼底視網膜照片的觀察學習，其算法可以得出 99.6%～99.8% 的預測價值，達到甚至超越眼科醫生的診斷準確度。伴隨著數據的增多，人工智能對於數據的分析和總結會更加全面，建立的決策模型也將更加準確，因此可以實現不斷優化的良性發展。
疾病管理：
實時長效監控更有抓手
人工智能在醫療供給領域的另一個實踐是疾病管理。
患者自我管理是慢病管理的重要基礎，但這一點從實踐中落實不佳。2012 年，美國由於患者不遵守醫囑而產生的額外醫療費用達到 1005 億美元，約占美國每年可避免的醫療成本的一半；而通過醫生進行患者慢病管理雖然已成為各國進行慢病管控的基本共識，但同時也存在著供給不足和無法實時監控的問題。
基於可穿戴設備的醫療數據實時監控系統為人工智能介入慢病管理奠定瞭基礎；而慢病指標體系和相應的介入工具則為人工智能創造瞭有效的決策模型。這種介入既包括軟性的介入，如行為提醒、用藥提醒、風險提示等；也包括硬性的介入，如直接給藥和治療。
2016 年 9 月，美國食品藥品監督管理局批準瞭美敦力公司的人工胰島素 MiniMed 670G。該產品在經過半年的患者滿意度調查後即將於 2017 年下半年在美國上市。作為全球第一款人工胰臟產品，MiniMed 670G 融合瞭可穿戴設備的數據實時監控技術，基於算法的人工智能平臺以及胰島素的輸入裝置；可以在人工智能平臺上對血糖實時數據進行分析判斷並在需要時註入胰島素。可以預見，這類人工智能與慢病管理類醫療器械相結合的產品將會越來越多。
剛剛發佈的《關於印發新一代人工智能發展規劃的通知》明確，突破健康大數據分析、物聯網等關鍵技術，研發健康管理可穿戴設備和傢庭智能健康檢測監測設備，推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變。可以看出，未來人工智能在慢病管理領域需求巨大，具有廣闊發展空間。
監管控費：
提供更科學的處方依據
在全球范圍內，醫療費用的持續增長已經成為世界性難題。基於大數據的人工智能則可以對醫療活動進行有效監控，從而控制整體醫療費用。
首先，基於大數據的人工智能可以將醫療服務鏈條延伸到患者疾病癥狀出現之前，從而重新定義醫療服務的價值及其支付機制：即從以治療疾病為核心的支付模式過渡到以疾病有效管理、患者健康效果為核心的支付模式。要實現這個轉化，醫療機構需掌握其所服務患者的多種數據信息，如歷史診療數據、基因數據、行為數據、流行病數據；然後通過大數據分析，判斷其所服務人群的主要健康風險和疾病誘因；進而通過有效的健康管理來預防疾病發生。針對出院患者，醫療機構則可以通過日常監控數據及時瞭解患者的疾病情況並進行及時介入，最大限度地避免患者再次入院。
其次，現有藥品、器械和耗材的報銷準入和定價多取決於臨床試驗和藥物經濟學數據，而引入大數據和人工智能可以通過對患者數據的分析，對一種藥品的有效性進行更加科學的評估。與此同時，人工智能可通過對海量的患者病歷、處方信息、醫學影像以及藥品信息的有效分析整合，形成更加合理的用藥結論，對醫生的處方行為進行有效輔助；也可應用到醫保智能審核的系統流程之中，對於臨床合理用藥進行有效管理。
藥品開發：
實現低投入高產出
藥品研發是醫藥工業的核心競爭力之一，也是我國制藥工業在全球制藥工業競爭中的短板。傳統制藥工業在藥品研發領域走的是高投入、低產出的路線，雖然大型跨國制藥公司都會將超過 10% 的銷售收入直接投入藥品研發工作，但近幾年全球創新藥物產生的實際效果並不盡如人意。
而人工智能則可以在早期藥物的篩選中提高成功概率，從而大幅降低藥品研發成本，加之研發後期臨床試驗中我國具有人口資源成本優勢，制藥企業有望在藥品研發領域實現彎道超車。
但同時，我們必須看到，人工智能並非是萬能的，因為醫療領域的復雜性、敏感性遠超想象。對人工智能的作用既要肯定，也要客觀冷靜看待，對其在發展和實際應用過程中可能存在的問題有所準備。需要強調的是，人工智能在現有醫療服務體系中的應用會涉及患者信息、醫療質量與安全、醫療倫理乃至國傢安全問題。隻有配套的制度建設同步跟上，人工智能才能在我國醫藥領域快速健康發展。
