2017-2018人工智能+医疗产业研究报告,目录CONTENTS,1. 研究项目回顾Research Recall2. 人工智能+医疗综述General Situation of AI + Medical Treatment Industry,3. 八大应用场景解析Analysis of the Eight Application Scenarios4. 人工智能+医疗企业统计分析Statistical Analysis of the Enterprises5. 人工智能+医疗发展趋势Trends of AI + Medical Treatment Industry6. 附录Appendix,Research Recall,研究项目回顾,3,项目研究背景,Part1.研究项目回顾,Research Background 进行此次研究，最初是源于对于人工智能对传统医疗产业带来的新变化的关注；更进一步，是对“人工智能+医疗”概念、发展环境与发展条件、应用场景、公司状况、未来发展机会与风险的关注； 从各大媒体报道之中，我们能够真切感受到，人工智能正在与医疗、金融、安防、自动驾驶等各个行业进行着融合，备受资本市场的青睐和追捧，各种人工智能新产品正在逐步走入大众日常的生产生活之中，人工智能“浪潮”，已到眼前； 医疗，是目前人工智能各应用领域中发展相对较快的领域，大量医疗人工智能创业公司自2014年后集中涌现，不少传统医疗相关企业纷纷引入人工智能人才与技术。人工智能究竟为医疗产业带来了哪些积极的改变，又裹挟了哪些挑战和风险，值得创业者、投资人、医疗从业者，以及每一位关注医疗人工智能的朋友理性思考，客观对待。4,5,项目研究目的,Research Objectives 目前我们可以非常清楚地看到，“人工智能+医疗”是近年来从事医疗领域的科技类公司最推崇的企业标签之一，其涉及的公司类型和产品类型极其丰富，正在改变着传统的医疗产业。 希望通过此次综合、多维度的研究，深入理解“人工智能+医疗”的内涵与外沿，透过“人工智能+医疗”各应用场景，了解医疗人工智能公司的产品形态与业务模式，通过数据观察目前公司整体发展状况，并对医疗人工智能的未来进行预测。具体内容包括：,Part.1 研究项目回顾,核心概念发展环境企业盘点,解读人工智能、医疗、赋能等核心概念从政策、经济、社会、技术四个维度分析人工智能与医疗结合的发展条件企业宏观数据盘点和巨头布局状况分析,宏观环境应用场景发展趋势,从人口结构、医疗资源等维度分析我国当前医疗产业宏观环境从发展环境、公司现状、产品形态、业务模式、公司案例等维度对八大应用场景进行解析分析医疗人工智能的发展机会和潜在挑战,项目研究方法,Part.1 研究项目回顾,Research Methodologies为了达到研究目的，整个研究主要通过两种方法来进行：首先，基于自身对人工智能与医疗产业的长期观察获得的知识，通过案头研究（Desk Research）的方式，对“人工智能+医疗”从内涵与外沿、发展历史、宏观环境、发展条件、企业现状等角度进行了梳理，总结出“人工智能+医疗”八大应用场景；另外，通过对业内从业者、行业专家、意见领袖进行访谈（Experts IDI），充分听取业内人士对行业的理解和认知，针对项目研究目的，获得更有深度、更有效、更具体、更有针对性的研究结果。,DeskResearch,整体理解阶段：对医疗人工智能相关信息进行了盘点梳理，,了解了相关概念、发展历史、宏观环境、发展条件、企业现状等基本情况，总结出“人工智能+医疗”八大应用场景；抽取该领域相关的典型特征与代表企业；探求各个关切维度的变化范围，补充发展,清晰的研究图谱。6,Experts IDI,深入挖掘阶段：详细针对人工智能技术实现、应用场景划,分标准与范围界定、市场整体环境与具体需求、企业业务模式与市场策略、下一步发展的机会与风险等细节问题，进行深入挖掘，听取来自行业第一线工作者和企业领导层对行业的见解和认知。,7,主要研究发现,Part.1 研究项目回顾,Key Findings “人工智能+医疗”是人工智能技术对于医疗产业的赋能现象。当前以机器学习与数据挖掘为两大技术核心的人工智能，向医疗产业赋能，使医疗相关的生产活动表现出降本增效的效果，并对医疗相关产业链整体产生影响； 国内医疗产业宏观环境表现出医疗需求不断上升、医疗资源严重缺乏、卫生人员整体素质有待提升、卫生支出相对不足以及医疗资源浪费严重等特点，急需新技术的注入；而政策、资本、社会、技术等方面优越的发展条件，推动了“人工智能+医疗”的发展；,AI+医疗应用场景,虚拟助理,医学影像辅助诊疗疾病风险预测,药物挖掘,健康管理医院管理辅助医学研究平台, 总结我国目前“人工智能+医疗”领域的公司和产品，可分为包括虚拟助理、医学影像等八大应用场景。疾病风险预测、医学影像场景下,的公司数量最多，因计算机视觉与基因测序技术的发展，相关产品相对成熟；产品形态以软件为主，大多产品尚未成熟，算法模型处于训练优化阶段，尚且没有大规模应用的产品；公司主要以B端业务为主，针对的业务主体包括医院、体检中心、药店、药企、研究机构、保险公司、移动医疗等；业务模式大多基于（科研）对外合作，以引入技术、训练模型、获取数据与服务等；, 国内131家医疗人工智能公司集中于北京、上海和深圳，创业公司在2014和2015年集中出现，公司创始人以博士后与博士学历居多，大多具备生物医学专业背景，截止至2017年8月15日，国内医疗人工智能公司累积融资额已超过180亿，华大基因和达闼科技的投资机构最多，红杉资本中国、真格基金、北极光创投、经纬中国和软银是中国资本市场最活跃的四家投资机构。国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、百度、科大讯飞、华大基因；海外主要有IBM、Google、苹果、微软、亚马逊等； 医疗人工智能拥有广阔市场需求与多元业务方向，新创公司数量未来几年将不断增长，创业界与投资界看好未来市场；产品成熟前,大规模市场推广风险大，创业公司需时间积累，不断优化产品；医疗人工智能存在技术风险、道德伦理风险与整体风险。,General Situation of AI + Medical Treatment Industry,人工智能+医疗综述,8,人工智能+医疗概念解读,The Concept of AI + Medical Treatment Industry,Part2. 人工智能+医疗综述,9,Part2. 人工智能+医疗综述人工智能+医疗概念解读,“人工智能+医疗”定义：技术对传统行业子场景的赋能现象, 对“人工智能+医疗”内涵和外沿的界定，是本篇报告的认知基础；关于什么是“人工智能+医疗”，目前行业内仅有一个较模糊的概念，即人工智能对医疗领域的改造； 研究认为，“人工智能+医疗”是人工智能技术对于医疗产业的赋能现象；我们不妨将该定义拆分为三个关键词分别进行理解：人工智能技术、医疗产业、赋能。10,“人工智能”定义：从行为与功能，到新学科与新科学,11, 界定“AI+医疗”的前提，是对“人工智能”有明确的认知； “人工智能”研究和发展至今，不论是学界，还是市场研究机构，对其概念都有着不同的界定；综合来看，大致可分为两类：A. 从行为和功能的角度出发，定义人工智能机器的外在行为和能够实现的功能；,B.,将“人工智能”定义为一门新学科或新科学。,行为与功能角度艾伦 · 麦席森 · 图灵丨Alan M. Turing如果一台机器能够与人展开对话（通过电传设备），并且会被人误以为它也是人，那么这台机器就具有智能约翰 · 麦卡锡丨John McCarthy人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样麦肯锡公司丨McKinsey & Company人工智能指机器表现出和人一样的智能的能力，例如在不使用包含了各种细节指导的手写编码程序的情况下能够接近问题,学科与科学角度赫伯特 · 西蒙丨Herbert A. Simon人工智能是对物理符号的操作，是认知心理学与计算机科学相结合的新学科约翰 · 尼尔森丨Nils John Nilsson人工智能是关于知识的学科怎样表示知识以及怎样获得知识并使用知识的学科波士顿咨询公司（BCG）人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学,Part2. 人工智能+医疗综述人工智能+医疗概念解读,Part2. 人工智能+医疗综述人工智能+医疗概念解读,人工智能技术图谱：基于机器学习与数据挖掘,12, 就目前技术发展而言，人工智能以机器学习、数据挖掘为两大技术核心，两者技术范畴上有所交叉。机器学习又包含对抗学习等诸多种类，其中倍受瞩目的就是深度学习。按照拓扑结构分类，深度学习可分为卷积神经网络、循环神经网络和全连接神经网络，并通过算法框架实现深度学习过程。在机器学习与数据挖掘的技术之上，实现了目前市场上最常见的三大技术应用，即计算机视觉、智能语音技术和自然语言处理。另外，人工智能技术的实现，还要依托硬件的支持（处理器/芯片、传感器元件等）以及云平台提供的存储与计算服务（硬件和云平台更多的属于基础设施范畴，故此次研究未将此类供应商纳入研究讨论）； 此次报告判断一家公司或一款产品是否属于“人工智能”范畴，将主要采用技术手段作为标准。,激光雷达,云计算设备,云平台（云存储与云计算）处理器 / 芯片 传感器元件,数据挖掘,机器学习,人工智能技术范畴,硬件及数据平台,交叉部分,强化学习,迁移学习,深度学习,深度学习算法框架,卷积神经网络TensorFlowCaffe,循环神经网络LasagneKeras MXNet,DMTK,CNTK,Neon,技术应用,计算机视觉,智能语音技术,自然语言处理,全连接神经网络TheanoTorch,对抗学习,Part2. 人工智能+医疗综述人工智能+医疗概念解读,医疗产业：“医疗”边界的不断扩展，极大丰富了医疗产业的参与者,13, “医疗”一词的传统内涵和范畴仅包含“疾病的治疗”，而今“医疗”的边界正在突破其传统含义，扩展到药品、保健、生物技术等医疗相关的各个领域； 从行业角度看，目前行业内仍惯用“医药行业”一词。虽然2009年的“新医改”开始尝试用取消药品加成等政策手段逐步“医药分家”，但真正实现“医药分家”还有很长的路要走。本报告的研究对象则包含了医药行业下的各参与者； 从产业角度看，医疗产业不仅包含医药行业中的医院、体检中心、制药企业等参与者，还包括了健康管理、生物技术等医疗相关领域的参与者；此外，医疗产业还涉及其他服务机构，例如保险公司、机器学习服务提供商、硬件生成商等等。,药品,保健,生物技术,：“医疗”的边界不断扩展疾病的治疗（传统医疗的范畴）,：“医疗产业”参与者,Part2. 人工智能+医疗综述人工智能+医疗概念解读,赋能：降本增效，对医疗相关产业链整体产生影响,14, 所谓“赋能”，字面意义上就是指为某个主体赋予某种能力和能量；人工智能对于各行业各领域的赋能，在生产环节表现为生产效率的提升和生产成本的降低；在赋能效果方面表现为传统行业的升级、新兴行业的出现，最终导致相关产业链的整体变化； 人工智能在医疗领域的赋能与上述表现一致，各应用场景下的医疗人工智能公司所开发的产品及服务，不仅使传统医疗生产活动成本降低、效果增强，而且为医疗相关产业链带来了新变化。,机器学习服务提供商,硬件/软件产品及药品研发机构,医疗相关服务研发与供应商,硬件产品及药品生产商,硬件产品及药品生产资料供应商,医疗数据服务供应商,硬件产品及药品销售商,健康类产品消费群体,体检中心,保险公司（有健康类保险的公司）,医疗机构医院,终端消费者患者及防疫等服务接受群体,医疗产业宏观环境分析,The Background of Medical Treatment Industry,Part2. 人工智能+医疗综述,15,Part2. 人工智能+医疗综述医疗产业宏观环境分析,中国人口老龄化趋势下，疾病高发的老年人口数量日趋增多，医疗需求正在逐年增大,16,14.9%,15.5%,16.1%,16.7%,60岁及以上人口比例,8.9%134091,9.1%134735,9.4%135404,136072,136782,137562,138271,134000132000130000,138000136000,140000,2010,2011,2012,2013,2014,2015,2016,总人口, 目前医疗产业现状如何？回答这个问题，要从我国的人口结构谈起。我国总人口数量从2010年至2015年间，保持平均4.9%的自然增长率，人口亿接近14亿；其中，60岁及以上人口占总人口比例逐年攀升，老年人口数量正在逐年膨胀。：中国总人口变化与60岁及以上人口变化比例,39%,36%,Part2. 人工智能+医疗综述医疗产业宏观环境分析,我国医疗资源压力巨大，以慢性病为例，我国慢性病患病人数逐年上升，慢性病治疗需求不断膨胀,17, 我国医疗资源压力巨大。以慢性病为例，我国是慢性病大国，世界卫生组织2016年公布，我国确诊慢性病患者有近3亿人之多。根据中国卫生和计划生育统计年鉴的数据，我国2013年慢性病患病例数已接近4.5亿，比2003年增加了约230%；同时，根据国家卫生计生委疾控局2014年的数据，我国慢性病患病率正以每年8.7%的速率上升； 2003-2013年间，我国各年龄段的慢性病患病率持续上升，且65岁及以上老年人群的慢性病患病率最高。另外，国家卫计委2015年发布的中国疾病预防控制工作进展(2015年)报告指出，慢性病导致的死亡人数已占到全国总死亡的86.6%，而导致的疾病负担占总疾病负担的近70%； 我国老龄化人口和慢性病患病人数的逐年上升，使得我国在慢性病治疗方面的需求不断膨胀；而慢性病只是众多疾病中的一种类型，可见医疗机构、医护从业者、药品器械等医疗资源的足量供给，是关系到国情民生的重要命题。,15934,19526,2654720903,4499933365,0,5000040000300002000010000,2003,2008,2013,：我国慢性病患病人数及患病例数,患病人数,患病例数,54%,42%,2% 2% 1%,6% 5% 4%,22%26%24%12%12% 12%,65%54%,0,0.70.60.50.40.30.20.1,15-24岁,25-34岁,35-44岁,45-54岁,55-64岁,65岁及以上,：2003/2008/2013年我国各年龄段慢性病患病率,2003,2008,2013,Part2. 人工智能+医疗综述医疗产业宏观环境分析,医疗卫生机构总量较大，但医院和床位供不应求，城乡资源配置不平衡,18, 2016年我国共有医疗卫生机构989,403个，其中以基层医疗卫生机构（包括社区卫生服务中心（站）、乡镇卫生院、村卫生院、门诊部（所）为主，约占总体的94%；而医院（包括综合医院、中医医院、专科医院）仅28,261个，约占总体的2.9%；另外专业公共卫生机构（疾病预防控制中心、专科疾病防治院（所/站）、妇幼保健院（所/站）、卫生监督所（中心）约占3.1%； 仅占医疗卫生机构约2.9%的医院，却供应全国约76%的病床；据统计，2015年每千人口医疗卫生机构床位数平均仅5.11张，床位供给严重不足，并且城市每千人口医疗卫生机构床位数相比农村多4.56张，城乡病床资源配置不平衡。,医院数, 28,261,基层医疗卫生机构数, 927,147,专业公共卫生机构数, 30,814,：2016年6月我国各类医疗机构数量,5.11,3.71,20,64,108,：2015年每千人口医疗卫,生机构床位数(张)8.27,平均,城市,农村,701.52,533.06,141.38,23.63,2001000,400300,800700600500,：2015年我国各医疗卫生机构病床数,总数,医院,基层医疗卫生机构,专业公共卫生机构,261.6 249.7,279.5 278.3,289.3 300.4,303.9 324.1,1000,200,400300,2013,：2012-2015年执业（助理）医师和注册护士人数及每千人享受比重,2012职业(助理)医师(万人),注册护士(万人),1.9,2.1,2.2,1.8,2.12.0,2.2,2.4,2014每千人享受职业(助理)医师人数(人),2015每千人享受注册护士人数(人),Part2. 人工智能+医疗综述医疗产业宏观环境分析,医护人员数量缓慢增长，卫生人员总体学历偏低，“医师多点执业”处于试点阶段,19, 卫生人员培养速度具有稳定性。从2012年至2015年间，虽然我国执业（助理）医师和注册护士人数在逐年上涨，但增长速度较慢；据估算，我国2015年每千人享受职业（助理）医师人数仅为2.2人，每千人享受注册护士人数仅为2.4人；根据美国CIA统计数据显示，美国每千人享受医生数为2.55（2013年），英国为2.81（2015年），俄罗斯为3.31（2014年），可见我国与发达国家有一定差距；此外，我国就医结构性问题即大医院人满为患，小医院门可罗雀进一步放大了医护人员不足的现状； 在我国全部卫生人员之中，大学本科以下学历比例占到69.4%，大学本科与研究生学历比例仅占30.6%，可见我国卫生人员整体受教育水平偏低，高质量卫生人员较缺乏； 针对执业医师短缺问题，2009年出台的中共中央国务院关于深化医药卫生体制改革的意见中开始探索“医师多点执业”，即符合条件的执业医师经卫生行政部门注册后，受聘在两个以上医疗机构执业的行为；目前仍处于试点阶段。,大专, 38.9%,中专, 28.2%,大学本科,25.9%,4.7%,高中及以下,2.3%研究生,亿智智库：2015年卫生人员学历分布情况,Part2. 人工智能+医疗综述医疗产业宏观环境分析,卫生总支出保持较快增长，但人均卫生费用与发达国家相比还有较大提升空间,20,21.85%,13.02%,15.10%,同比增幅, 卫生总费用，是一个国家或地区在一定时期内(通常是一年)全社会用于医疗卫生服务所消耗的资金总额；作为国际通行指标，卫生总费用被认为是了解一个国家卫生状况的有效途径之一，按照世卫组织的要求，发展中国家卫生总费用占GDP总费用不应低于5%； 2011年至2016年，我国卫生总支出逐步提升，于2016年超过4万亿，约占GDP总费用的5.7%，符合世卫组织的要求；六年来的卫生总支出增长率保持在8%以上，我国卫生总支出保持较快增长； 与发达国家相比，中国的人均卫生费用还有所差距。以美国为例，2016年中国人均卫生费用仅约为美国的3.6%左右，而中国人口约为美国人口的4.3倍，可见中国的人均卫生费用还有较大提升空间。,24346,27515,31669,11.50%35312,9.81%38776,8.69%42145,20000,350003000025000,4500040000,2011,2012,2013,2014,2015,2016,：2011-2016年我国卫生总支出(亿元)及同比增幅,卫生总支出(亿元),336.60292.41,391.82380.25,9791.799255,10960.5810359.71,0.00,2000.00,4000.00,6000.00,8000.00,10000.00,12000.00,20142013,20162015,：2013-2016年中美人均卫生费用(美元)对比,美国卫生人均卫生费用（美元）,中国卫生人均费用（美元）,Part2. 人工智能+医疗综述医疗产业宏观环境分析,过度医疗、过度耗材、资源配置不合理等医疗资源浪费现象严重,21, 在医疗资源缺乏的前提下，我国还存在较严重的医疗资源浪费现象，主要体现在过度治疗、过度检查和过度求医三个方面； 以国内三甲医院手术费构成为例，其中耗材费占比达到64.24%，而手术费、麻醉费的占比不到20%；高价设备的引入，无形中为患者带来超额支出，例如食管癌微创手术使用进口手术器械的费用要2万-3万元，而在美国等发达国家和地区，同样的器械费用只有1万元左右。,耗材费, 64.24%,手术费, 12.33%,药品费, 8.74%,仪器使用, 7.03%麻醉费, 6.09%,治疗处置, 1.57%,：国内三甲医院手术费用构成图,过度治疗,：我国医疗资源浪费现象严重（1）药品“大处方”，开无关药、高价药,（2）滥用高值医疗耗材（3）滥做高消费有创手术,（4）绝症仍医，一些病症无有效治疗方法，盲目治疗反而有副作用,（1）高新仪器检查常规化,过度检查过度求医,（2）进行不必要的检查，如给寿命不足的人做癌症筛查（3）检查报告单通用性低，反复检查（1）全额或是大部分报销医疗费用的患者小病大养（2）患者迷信心理，无病吃药，小病大看,人工智能+医疗发展条件,The Developmental Conditions of AI + Medical Treatment Industry,Part2. 人工智能+医疗综述,22,Part2. 人工智能+医疗综述人工智能+医疗发展条件,基于PEST分析法，深入分析医疗人工智能发展条件,23, 2014年以来，国内医疗人工智能领域迎来越来越多的创业公司，阿里巴巴、百度、腾讯等“巨头企业”也纷纷在该领域进行业务拓展和布局。究竟是何原因催生了近几年来的医疗人工智能商业热潮？在此时成为“弄潮儿”是否抓住了正确的时机？对此，亿欧智库将分别从政策、经济、社会、技术四大方面，深入分析医疗人工智能的发展条件。,医疗人工智能发展背景分析, 人工智能国家战略规划与鼓励支持政策 国家对医疗领域提出人工智能发展要求Political-政策, 投资热度不断上升，医疗人工智能备受资本青睐经济-Economic,Social-社会 高等院所重点培养人工智能科技人才 我国城乡居民医疗支付能力不断提升,技术-Technological “互联网+医疗” 贡献海量医疗数据 深度学习推动AI进入商业化和产品化阶段,Part2. 人工智能+医疗综述人工智能+医疗发展条件,政策(Political)：2015-2016年人工智能逐步被纳入国家发展战略之中, 2015-2016年，国务院、国家发改委等国家机关连续发布多个政策文件，逐步将人工智能提升到国家战略层面，制定人工智能在促进制造业、互联网+、人工智能新兴产业等方向上的发展规划，并逐步给予资金、创新政策方面的鼓励和支持。24,Part2. 人工智能+医疗综述人工智能+医疗发展条件,政策(Political) ：2017年国家提出更务实的支持政策、更明确的发展战略目标及六大重点任务, 2017年，中共中央、国务院、文化部、科技部等国家机关密集发布人工智能相关政策，相比过去更加务实，规划更明确，操作性文件内容更多。3月，人工智能首次被写入全国政府工作报告；7月，国务院正式发布新一代人工智能发展规划，明确到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，并提出六个方面重点任务。 总体来看，人工智能的发展具有明显的政策利好，在构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国的政策方向之下，未来人工智能的产业发展落地将具有强有力的政策支持，人工智能技术和相关科技公司将有较大的发展潜力。25,Part2. 人工智能+医疗综述人工智能+医疗发展条件,政策(Political) ：国家对医疗领域提出人工智能发展要求, 2016-2017年，国家对于医疗领域提出明确的人工智能发展要求，包括对技术研发的支持政策，就相关技术和产品提出健康信息化、医疗大数据、智能健康管理等具体应用，并针对医疗、健康及养老方面提出明确的人工智能应用方向； 国家发展战略所提出的具体规划带来丰富的创业机会点，人工智能+医疗领域的创业拥有非常优越的政策环境。,2016年6月26,国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见支持研发健康医疗相关的人工智能技术、生物三维（3D）打印技术、医用机器人、大型医疗设备、健康和康复辅助器械、可穿戴设备以及相关微型传感器件。,国务院关于加快发展康复辅助器具产业的若干意见推动“医工结合”，支持人工智能、脑机接口、虚拟现实等新技术在康复辅助器具产品中的集成应用。2016年10月,国家卫生计生委关于印发“十三五”全国人口健康信息化发展规划的通知充分发挥人工智能、虚拟现实、增强现实、生物三维打印、医用机器人等先进技术和装备产品在人口健康信息化和健康医疗大数据应用发展中的引领作用。2017年1月,新一代人工智能发展规划发展便捷高效的智能服务：智能医疗，推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；智能健康和养老，加强群体智能健康管理，建设智能养老社区和机构，加强智能产品适老化。2017年7月,Part2. 人工智能+医疗综述人工智能+医疗发展条件,经济(Economic)：人工智能投资热度不断上升，投资额总体呈上升趋势,0.02 0.03 0.02 0.01 0.05,0.4 0.31,0.52,0.3,0.68,0.38,1.2,0.44,3.69,1.43,1.3,10,2,43,5,投资额(亿美元),27,12,6,6,4,12,7,12,10,20,20,24,29,29,54,58,352.59,44 4.7, 2012-2016年，我国人工智能领域投资金额不断上升，于2015年第二季度起，投资金额和投资频次均进入爆发式增长阶段；仅2016年第二季度投资额就达到4.7亿，投资频次达65次； 人工智能目前备受投资青睐，按照融资金额数排列，2013-2016年中国人工智能前20名企业总融资额达到5.85亿，其中碳云智能以接近2亿美元的融资额居于榜首。 由此可见，人工智能投资热度在不断上升，且投资额总体呈上升趋势。：中国各季度人工智能投资金额(亿美元)与投资频次65,投资频次,Part2. 人工智能+医疗综述人工智能+医疗发展条件,社会(Social)：高等院所开设相关专业与研究所，重点培养人工智能人才,28, 人工智能技术研究与商业变现，人才是必不可少的因素。从上世纪末至今，我国部分大学院校，尤其以理工科为主的院校，陆续设立人工智能研究所、实验室，以及开设人工智能相关专业。脉脉数据研究院的统计数据显示，AI人才毕业数量前五名的院校分别是：哈尔滨工业大学、北京邮电大学、中国科学院、中国科学技术大学、浙江大学，北京大学和清华大学位列第七和第九； 此外，我国海归AI人才占到全行业人才的5%，虽然比例不高，但同样是为行业填补人才空缺有所贡献； 尽管如此，我国人工智能人才缺口依旧很大。2017年7月30日，由中国人工智能学会，北大、浙大等42所高校，20个学会共同论证形成的“智能科学与技术”一级学科论证报告中指出，目前我国人工智能人才每年缺口接近100万。哈尔滨工业大学：计算机学院模式识别研究中心吉林大学：智能信息处理实验室中国科学院：人工智能技术学院,厦门大学：人工智能研究所,中南大学：智能系统与智能软件研究所,西安交通大学：智能车研究所西安电子科技大学：智能所重庆邮电大学：人工智能研究所华中科技大学：图像与人工智能研究所武汉工程大学：智能机器人重点实验室,清华大学：智能技术与系统国家重点实验室北京大学：视觉与听觉信息处理国家重点实验室北京科技大学：自动化学院智能专业北京邮电大学：移动机器人与智能技术实验室北京理工大学：智能机器人与系统高精尖创新中心南京理工大学：计算机学院人工智能学科中国科学技术大学：多智能体系统实验室浙江大学：人工智能研究所,Part2. 人工智能+医疗综述人工智能+医疗发展条件,社会(Social)：城乡居民人均医疗保健支出不断增长，医疗支付能力不断提升,29,1,300850,0,140012001000800600400200,：2006-2015年我国城乡居民人均医疗保健支出情况,2006 2007 2008 2009 2010 2011城镇居民人均医疗保健支出(元) 农村居民人均医疗保健支出(元), 我国居民在医疗保健方面普遍有所保障。国家统计局数据显示，在2015年我国居民人均消费支出中，医疗保健平均支出为1165元，占总支出的7%，位列各类支出的第五位； 据前沿产业研究院的数据统计，2006年以来，我国城乡居民人均医疗保健支出呈不断上升的态势，且城市与乡村医疗保健支出平均增长率分别为8.6%和18.2%；表现出我国居民医疗支付能力不断提升，这将为人工智能+医疗产业带来良好的发展机遇。,12.7%9.8%621192,17.0%12.5%699210,16.9%8.9%786246,13.4%1.8%856288,34.0%11.1%872326,17.6%9.8%969437,19.5%5.1%1,064514,17.6%6.7%1,118614,17.7%8.9%1,194722,2012 2013增长率-城镇(%),2014 2015E增长率-农村(%),食品烟酒31%,居住22%,交通通信13%,生活用品及服务6%衣着7%医疗保健7%教育文化娱乐11%,其他用品和服务3%,：2015年全国居民人均消费支出及构成,Part2. 人工智能+医疗综述人工智能+医疗发展条件,技术(Technological)：“互联网+” 贡献海量数据，为机器学习提供“养料”, 互联网技术的大规模应用，使人们的衣、食、住、行等行为数据互联网化、数字化，在此过程中产生的数据是海量的； 中国“互联网+医疗”从信息服务阶段，发展到咨询服务阶段，再到诊疗服务阶段，保留了大量电子病例数据和电子健康数据；根据IDC Digital预测，截止2020年，全球的医疗数据量将达40万亿GB； 人工智能的产品落地，离不开海量数据作为“养料”贡献于机器学习过程中，不断训练和优化算法模型；“互联网+医疗” 为人工智能的发展奠定了数据基础。,“互联网+医疗”发展三阶段,信息服务阶段：互联网改造的是医疗的信息流，实现人和信息的连接,诊疗服务阶段：互联网改造的是医疗的服务流，实现人和医疗机构的连接咨询服务阶段：互联网改造的是健康咨询的服务流，实现人和医生连接,8.6,40,50,4540353025201510,0.82009,1.22010,1.82011,2.82012,2015e,2020e,：2020年人类产生的医疗数据总量预测(万亿GB),数据量(万亿GB)30,Part2. 人工智能+医疗综述人工智能+医疗发展条件,技术(Technological)：深度学习使人工智能取得新突破, 人工智能技术由来已久，上世纪科学家便开始了人工神经网络的研究，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。受限于技术研究难度及有限的训练数据，神经网络在很长时间内处于发展瓶颈期； 2006年，“神经网络之父”Geoffrey Hinton等人首次提出了“深度学习”(Deep learning)概念。深度学习基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望；2012年，随着深度学习算法逐步实现视觉识别和语音识别，人工智能技术真正开始进入商业化和产品化阶段。 深度学习模拟人脑深度结构，认知过程逐层进行，逐步抽象；其代表是卷积神经网络(Convolutional NeuralNetwork, CNN)和循环神经网络(Recurrent NeuralNetworks, RNN)； 卷积神经网络，是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法； 循环神经网络，主要实现自然语言处理的应用。31,