智能医疗产业链汇总解读 - 全文

  技术，实现患者与医务人员、医疗机构、医疗设施之间的互动，逐步达到信息化。在不久的将来医疗行业将融入更多人工智慧、等高科技，使医疗服务走向真正意义的智能化，推动医疗事业的繁荣发展。在中国新医改的大背景下，智能医疗正在走进寻常百姓的生活。

  2015年12月诞生的乌镇互联网医院是第一家由网络公司主导的互联网医院，此后的2016年多家互联网医院陆续上线年是网络医院的发展元年。

  然而，互联网带来的模式创新没有根本上提升医疗供给端的服务能力，从而根本上解决医疗资源（尤其是医生）供不应求的局面。

  与此同时，图像识别、深度学习神经网络等关键技术的突破带动了人工智能（简称AI）新一轮的大发展。“人工智能+医疗”概念应运而生。与互联网的不同，AI对医疗领域的改造是颠覆性的。

  对人工智能医疗的需求主要基于几方面客观现实：一种原因是优质医疗资源供给不足，成本高，医生培养周期长，误诊率高，疾病谱变化快，技术日新月异；另一方面，随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高，医疗服务需求持续增加。

  人工智能的核心能力其实就是人类自身已拥有的能力，但人类相比，最大优点是计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领。

  在医疗领域，IBMWatson可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内迅速成为肿瘤专家。

  阿里云研究中心和BCG的最新合作报告说明，从技术突破和应用价值两维度分析，未来人工智能会出现服务职能、科技突破、超级智能三个阶段。基于数据的服务智能阶段将在接下来3-5年爆发：人工智能拓展、整合多个垂直行业应用，丰富实用场景。IDCDigital预测，截止2020年，医疗数据量将达40万亿GB，预计约80%数据为非结构化数据。

  从全球勇于探索商业模式的公司实践的情况去看，AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备和其他。

  AI+辅助诊疗，即将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。辅助诊疗场景是医疗领域最重要、也最核心的场景，人工智能+辅助诊疗潜在市场空间巨大，至少是万亿级以上的营收规模。

  2012年Watson通过了美国职业医师资格考试，并部署在美国多家医院提供辅助辅助诊疗的服务。目前IBMWatson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。2016年12月26日，“浙江省中医院沃森联合会诊中心”成立，这也代表着IBMWatsonforOncology在中国医疗领域的商业试应用正式落地。

  将基础能力与人类医生的一般医疗诊断模型进行融合，形成了Watson在提供辅助诊疗的处理逻辑。其实质是融合了自然语言处理、认知技术、自动推理、机器学习、信息检索等技术，并给予假设认知和大规模的证据搜集、分析、评价的人工智能系统。

  AI+医学影像是将人工智能技术具体应用在医学影像的诊断上。AI+医学影像诊断市场空间巨大，有几率会成为众多医疗细致划分领域率先爆发的领域。一是病理医生缺口巨大。由于国内病理医生收入低、培养模式不健全，全国病理医生极度缺乏；二是，病理读片高度依赖经验，因经验而异使得病理读片的准确率相差大。

  AI在医学影像应用大致上可以分为两部分：一是图像识别，应用于感知环节，其最大的目的是将影像这类非机构化数据来进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。

  贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，虽然还是低于人类病理学家96%的准确率，但当这套技术与病理学家的分析结合在一起时，它的诊断准确率可以高达99.5%，国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。据悉尼先驱晨报的报道，Enlitic凭借深度学习技术超越了4位顶级的放射科医生，包括诊断出了人类医生无法诊断出的7%的癌症，以及在人类医生高达66%的癌症误诊率的情况下，Enlitic的误诊率只有47%。

  AI+药物挖掘是指将深度学习技术应用于药物临床前研究，达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。

  AI通过计算机模拟，可以对药物活性、安全性和副作用进行预测。借助深度学习，在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前，已经涌现出多家AI技术主导的药物研发企业。

  以硅谷公司Atomwise为例：Atomwise通过IBM超级计算机，在分子结构数据库中筛选治疗方法，评估出820万种候选化合物，研发成本仅为数千美元，研究周期仅需要几天。2015年，Atomwise基于现有的候选药物，应用AI算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时数月甚至数年时间。

  AI+健康管理是将人工智能技术应用到健康管理的具体场景中。从全球AI+医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

  1、风险识别：通过获取并运用AI做多元化的分析，识别疾病发生的风险及提供降低风险的措施。

  举例而言，风险预测分析公司Lumiata，通过其核心产品—风险矩阵（RiskMatrix），在获取大量的健康计划成员或患者电子病历和病理生理学等数据的基础上，为用户绘制患病风险随时间变化的轨迹。利用MedicalGraph图谱分析对病人做出迅速、有针对性的诊断，从而对病人分诊时间大大缩短30-40%。客户群体包括大型健康计划、护理机构、数字健康公司等。目前已拥有10组以上的付费客户。

  2、虚拟护士：以“护士”身份了解病人饮食习惯、锻炼周期、服药习惯等个人生活习惯，运用AI技术进行数据分析并评估病人整体状态，协助规划日常生活。

  举例而言，AlmeHealthCoach，针对慢病病人，基于可穿戴设备、智能手机、电子病历等多渠道数据的整合，综合评估病人的病情，提供个性化健康管理方案，帮助病人规划日常健康安排，监控睡眠，提供药物和测试提醒。又如，AiCure通过智能手机摄像头获取用户信息，结合AI技术确认病人的服药依从性。

  举例而言，Ginger.IO通过挖掘用户智能手机数据来发现用户精神健康的微弱波动，推测用户生活习惯是否发生了变化，根据用户习惯来主动对用户提问。当情况变化时，会推送报告给身边的亲友甚至医生。又如，Affectiva公司的一项技术通过手机或电脑摄像头实时分析人的情绪。

  举例而言，Babylon开发的在线就诊AI系统，能够基于用户既往病史与用户和在线AI系统对话时所列举的症状，给出初步诊断结果和具体应对措施；远程用药提醒服务，AiCure是一家帮助用户按时用药的智能健康服务公司—通过手机终端，帮助医生知晓，并提醒患者的用药，降低因不按时吃药导致复发的风险。

  举例而言，Welltok通过旗下的CafeWellHealth健康优化平台，运用AI技术分析来源于可穿戴设备的MapMyFitness和FitBit等合作方的用户体征数据，提供个性化的生活习惯干预和预防性健康管理计划。

  人工智能产业链根据技术层级从上到下，分为基础层、技术层和应用层三个产业层次构成。

  基础层的计算能力是构建生态的基础，技术层的算法、框架以及通用技术是构建技术护城河的基础，都属于人工智能产业大生态的基础设施，具有高投入、高收益的特点，需要中长期进行投资。而应用层是人工智能技术在具体行业、具体应用场景价值变现的渠道，具有变现能力强的特点。

  目前，底层基本都已由科技巨头布局，且未来开放人工智能平台是其构建生态的必然趋势。应用层汇聚了大量的 AI+医疗勇于探索商业模式的公司，分布在多个细分领域。总体而言，全球 AI+医疗产业结构呈现倒金字塔形态。

  对于全球科技巨头而言，之间的竞争不仅仅是某项技术、某个领域的竞争，更多是生态圈与生态圈的竞争。目前科技巨头均已利用禀赋优势打造属于自己的生态圈基本形态，已基本完成“人工智能+”生态的基础设施布局。

  随着科技巨头在 AI+医疗的基础层和技术层布局逐步完善，在应用层的布局也开始发力。目前正在医疗行业应用布局的大公司主要有四家：IBM、谷歌、微软、百度。

  勇于探索商业模式的公司主要聚焦于应用层的建设，基于场景或行业数据，开发大量场景应用。CB Insights 重新整理出一份医疗领域 AI 创业地图，统计了全球活跃其中的 90 多家创业公司。

  可以看出，AI+医疗的创业公司主要分布在洞察与风险管理、医学图像及诊断（22家）、药物挖掘（8家）、生活方式管理与监控、急救室和医院管理、虚拟助手、健康研究、精神健康、可穿戴设备、营养管理以及病理学等 11 个领域。其中， 医学影像及诊断类是吸引最多创业公司的细致划分领域，其次是洞察和风险管理类、药物挖掘类。

  中国 AI+医疗产业处于起步阶段。2016 年是全球人工智能元年，也是我国人工智能元年。资本对AI+医疗的追捧，多家创业公司顺利获得融资。其中，成立仅半年的碳云智能在 A 轮获得 10 亿元的融资。随着全球科学技术巨头陆续将人工智能平台开放，将有效弥补我国在底层方面的积累不足，各个细分领域的 AI+医疗勇于探索商业模式的公司将受益。

  此外，2016年6月，国务院公布了《关于促进和规范健康医疗大数据应用发展的指导意见》，明确指出健康医疗大数据是国家重要的基础性战略资源，需要规范和推动健康医疗大数据融合共享、开放应用。指导意见的出台旨在打破场景数据障碍，使得数据应用有了依据。此举有望释放大数据资源的价值，助力 AI+医疗产业化提速。2017 年 1 月，国家科技部部长万钢在全国科技工作会议中透漏，目前正在编制人工智能的专项规划，助推AI+。

  智东西认为，互联网医疗作为一种模式创新，经过最近两年的圈（za）地（qian）之战后，创业前景已经算不上明朗。与此同时，大数据技术的成熟，AI技术的兴起，IBM、微软、谷歌、苹果、百度等全球科技巨头在医疗领域的尝试，以及几个成功的细致划分领域创企案例，加上政策推动，都暗示AI+医疗已经序幕。

  目前来看，基础层和技术层依旧是国内公司的短板。不过，除了医疗机构与国外巨头合作的模式之外，也有碳云智能这样的国产独角兽在进行数据库创建的尝试。就像IBM Watson认知关怀COO王泰峰说的：医疗AI的起跑点本质上是一样的。人工智能所有的算法、底层技术都是开源的，难点在于要在开源的算法里面找到一个适合某一领域的算法集，并且不断调优这个算法集。只要企业有技术积累、数学家和医疗行业专家，就进行产品研制，被新产品迅速赶超也是有可能的。

  声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

  机会 来源：第一财经日报孙燕飚 电信业重组的大幕正式拉开，投资者开始想象3G板块将迎来的机遇。 日前，华胜天成(600410.SH)、烽火通信(600498.SH)、中卫

  NEWS ” 8月23日，广东省工业和信息化厅公示2022年广东省战略性

  网联汽车、生物医药、网络安全和工业互联网、高端工业母机、机器人6条重点

  直接原材料上游为挠性覆铜板FCCL，下游为终端消费电子科技类产品。 全球来看，目前日资企业占据

  物联网是通过感知设备，按照通信协议，连接物、人、系统和信息资源，实现物理和虚拟世界信息处理并反应的

  储能系统主要由电池、电池管理系统、变流器、温控和别的设备组成。储能系统

  主要由上游的电池材料/配件、中游的电池/BMS/PCS/EMS下游的系统集成等环节组成。

  电动车的思路清晰，不直接参与整车制造，而是聚焦ICT技术，以提供软硬件解决方案为核心， 帮助车企造好车。 同时，华为将联合

  企业为车企提供「全栈式供应」，因此预计与华为绑定较深部分Tier2供应商未来将迎来业务高增长。

  HDR Vivid的高动态范围的行标自发布以来，已获得内容生产制作工具、平台、编解码系统、芯片、终端等端到端

  从技术路线布局看，国内大圆柱企业均采用全极耳技术路线，而全极耳技术路线已得到特斯拉量产验证；从材料

  环节包括IC设计、晶圆制造及加工、封装及测试环节，拥有复杂的工序和工艺。 归纳出以下半导体

  中重要的一环，是整个电子信息技术行业发展的桥头堡。 由于芯片的种类众多，受功能、制造工艺以及流程的不同，不同类别的芯片存在一定的差异。按照芯片的生产

  ，建立完善的工艺技术图谱、产品图谱和企业图谱，进一步做强长板，补齐短板，增强

  中游的芯片设计、芯片制造、封装测试。而上游基础EDA软件、材料和设备是中游制造的关键，中国芯片在这部分较为受制于人，其中芯片

  ，其上游环节主要是以芯片及天线厂家为主。在本期小课堂，阿库将为你讲讲RFID

  材料/PCB 覆铜板 11月覆铜板厂商开启了又一次“涨价函攻击”，涨幅大约在10%左右，主因在于其原材料铜、环氧树脂和玻纤的价格

  中游的芯片设计、芯片制造、封装测试。而上游基础EDA软件、材料和设备是中游制造的关键，中国芯片在这部分较为受制于人，其中芯片

  中游的芯片设计、芯片制造、封装测试。而上游基础EDA软件、材料和设备是中游制造的关键，中国芯片在这部分较为受制于人，其中芯片

  制造、芯片与光电显示、光学与精密光学、光通信与5G通信四大主题，吸引原材料、器件、设备商、终端用户等

  五大趋势共进发展，因此使其半导体含量继续增加。据报告数据显示，预计2020年全球

  影像半导体相关元件出货量达到7300万，其中模拟芯片占比从2014年8.6%提升至2020年20.5%。

  则包括为设计环节服务的EDA(电子设计自动化)工具及IP核供应商、为制造封测环节服务的原材料以及设备供应商。

  的重要一环。 自 2017 年 5 月以来，各 AI 芯片厂商的新品竞相发布，经过一年多的发展，各环节分工逐渐明显。

  中国已经是全球最大的电子信息制造基地，集中了全球60%以上的半导体芯片销售，全球80%以上的

  高峰论坛与今天上午在杭州金马饭店来开帷幕。2013年到2015年，从“驱动力”到“前行力”再到“执行力”。2016年，

  化」主旨，并贯穿从核心元器件到表企再到水司、燃气公司等最终用户这一完整

  本文将为大家详细的介绍这项全新的技术——NB-IoT，从其产生的意义价值、特点优势、所带动的

  LED作为逐步普及的一种灯光技术，LED技术从消费电子领域向汽车领域逐步渗透。在2015-2016年这个汽车

  的迭代潮期间，新换代的车型中配备LED大灯占到了很高的比例。从LED芯片、LED封装、LED光源模块到车灯的整个

  自从可搭配PD的USB Type C问世以来，这种正反可插的接口标准正在利用其几大特点，摩拳擦掌想统一接口市场，并对快充和音频接口进行替换。本文将对USB Type C的接口优势、

  上中下游已堪称相当齐备。在上游之关键芯片、周边零组件、下游之设计制造，和品牌等

  以ARM、Intel、风河、Xilinx、罗姆等为首的全球半导体芯片原厂，无论是在价值定位，还是市场应用布局，都紧扣

  概念及特征基础上，着重介绍了基于ASP 模式的汽车链协作平台的设计目标和定位，以及平台的