2020年本是醫療AI行業重新「洗牌」之年，相關企業將迎來最殘酷的競爭。而疫情的爆發，體現了AI在逐漸取代人的部分機械勞動，能輔助醫師對疾病進行快速診斷，提高診療效率。疫情過後，醫療AI行業將會迎來哪些機遇？
2018年被醫療行業稱為「醫療AI」落地之年。而醫療AI行業尚無成型的商業模式，一直被稱為「只燒錢不賺錢」。隨後2019年，醫療AI行業迎來了資本寒冬，能「燒錢」存活的企業逐漸減少。而2020年開年就迎來黑天鵝事件，即新型肺炎疫情戰。
各大醫療AI企業都相繼發力，在本次防疫中作用明顯。具體有如下幾個方面：
（1）AI醫生問答
AI問答機器人或AI線上醫生，可對疫情相關知識，以及老人、小孩、孕婦等人群常見健康問題進行線上解答。減少民眾到院就診，降低交叉感染風險，可有效補充醫療資源。
（2）導診機器人
疫情期間，患者就醫前，也無法確認自己是否被感染。機器人導診，可有效降低因被詢問而被感染的醫護人員，同時減少了醫護人員對其他患者的接觸，降低了醫患交叉感染的風險，極大程度上了保護了醫務人員的安全。
（3）AI輔助診斷
AI醫療影像可作為臨床病例診斷工具，AI+CT、AI演算法+病例基因分析等工具，可輔助醫生看片，快速篩選可疑病例，提高醫生診斷效率，利於快速確認患者是否為感染人群，儘快隔離治療，防控病毒進一步傳播傳染。
（4）機器人治療
智能治療機器人輔助醫生診治，減少或避免醫護人員與患者接觸，降低醫護人員的感染風險。同時，對患有基礎病等具有各類患病史的患者，治療機器人可提供相關治療方案供醫生參考，利於患者治療。
（5）AI新葯研發
AI演算法和算力，可以助力病毒基因測序、疫苗/藥物研發、蛋白篩選等藥物。
本次疫情中，以上5個領域涉及的相關企業有：
圖人工智慧技術在新型肺炎戰中的應用及相關企業
疫情后，醫療AI有哪些機遇
2020年本是醫療AI行業重新「洗牌」之年，相關企業將迎來最殘酷的競爭。而疫情的爆發，體現了AI在逐漸取代人的部分機械勞動，能輔助醫師對疾病進行快速診斷，提高診療效率。
疫情過後，醫療AI行業將會迎來哪些機遇？
從市場的反應和行業特點來看，主要有以下幾點：
1. AI技術應用醫療領域的政策將會逐漸寬容
醫療行業關乎民生之根本，是受政策影響比較大的行業。此次疫情中，工信部發布了「充分發揮人工智慧賦能效用 協力抗擊新型冠狀病毒感染的肺炎疫情倡議書「，倡議發揮人工智慧的賦能作用，向最需要的地方研發和投放人工智慧產品和解決方案。
本次疫情結束后，相信在政策、相關審批、或資金上，政府可能會更加重視和寬容。
2. 資本對醫療AI行業投入仍然會保持熱情
本次疫情中，AI醫療影像，問答機器人、消毒機器人、治療機器人等在疫情篩查、監控、在線/遠程問診、輔助診療等方面都表現不俗。
阿里達摩院研發的新冠肺炎 CT 影像 AI 診斷技術，平均識別不到 20 秒准，確率達 96%；上海兒童醫學中心，機器人「小白」上崗，在防護資源不足情況下，免去醫患面對面溝通，降低了醫患交叉感染風險；平安好醫生在疫情期平台訪問量11億人次，新增用戶日均訪問量是平時的9倍。
疫情之下，暴露了常規狀態下醫療資源在突發情況前，醫療供給嚴重不足。互聯網、大數據和人工智慧等技術在補充醫療資源、在線/遠程問診等方向表現不俗，互聯網醫療證明了自己。預計未來紅利不小，投資估計會長期看好。
3. 醫療領域將會湧現更多的AI應用場景
據數據顯示，2019年，140餘家從事醫療AI的企業，近120家在做醫學影像業務，其中約百家企業布局於肺結節影像產品。
此次疫情，依圖醫療智能影像評價系統、推想科技新冠肺炎AI系統等在醫學影像分析和診斷支持上表現不俗。但兩家公司在肺部疾病的優勢，也使得一些公司不得不變換賽道，尋找新的突破。
同時，本次疫情也為醫療AI提供了多種場景的可能性。如：
為醫護人員提高決策支持：在診斷和診療過程中提供有效建議和風險提示，便於醫生更快更準確篩查疾病和制定治療方案。
其他疾病醫學影像分析和診斷支持：阿里達摩院對5000多個病例的CT影像樣本數據，學習、訓練樣本后，研發了全新的AI演算法模型。且機器學習，是一個全球快速創新發展的領域，正被用於分析日益複雜的核磁共振成像（MRI）、計算機斷層（CT）掃描和其他醫學影像。
醫療機器人協助診療：診療機器人、疫情問答機器人、消毒機器人、物品遞送機器人等在具有潛在的接觸式場景中承擔了人類的部分工作，降低了醫患之間的交叉感染風險，保障了醫護人員的生命安全。未來在巡檢、消毒、配送、導醫、或手術中，機器人將大有所為。
健康穿戴設備：本次疫情中一些患有基礎病的患者，死亡風險極高，這就需要醫生在診療時參考平常的健康檢測數據。另外患者在治癒后，仍存在再次被感染的風險。且由於醫療資源不足，一些糖尿病人、慢性病患者不能及時就醫，孕婦無法按時產檢。這些場景下，有隨時穿戴的智能產品，可及時對自身健康的檢測、平常數據的記錄以及身體狀況的監測變得十分重要。
新葯研發攻關：一般新葯研發至少是10-15年，花費至少數十億美元，在突發疫情之下，這樣研發周期與成本，無法滿足現實臨床需要。AI強大的演算法和算力，可加速藥物研發進程。運用智能演算法模型，可根據病例特徵，以及相關藥物分子結構式快速篩選出可能有效的臨床藥物，有利於在現有藥物基礎上篩選出可用藥物，同時利於在新葯研發上給出思路，可助力研發智能化，加速研發進展。
4. 醫療行業數據孤島的格局有望破冰
醫療AI行業突破，大部分情況並不是技術辦不到，而是訓練相關演算法模型的數據樣本難獲取，或數據樣本標記不明確、或無法標記。導致了目前可以用於AI診斷的疾病少，且產品同質化高的主要因素。
疫情之下，各地各醫院打破各自為營格局，開放數據共享，使得相關AI產品，可快速研發上線。而使突發情況下，數據共享難題得到了部分緩解，要實現全國醫療數據共享仍有難度。一是部分醫院並未全面信息化，而是疫情過後，共享意願不高。
結合目前區塊鏈技術的發展以及國家對此的部署，未來AI演算法所需要的樣本數據有望在授權情況下共享利用，從而打破醫療數據難共享的難題，或至少實現部分區域範圍內數據可共享，打破長久以來醫療數據孤島的格局。
5. 醫療和AI行業從業者要求進一步提升
本次AI輔助診療表現不俗，一般來說，一組新冠肺炎病人的CT片大概有300多張，即使是資深專家，讀圖+診斷的時間至少需要10-15分鐘。阿里達摩院研發的AI+CT影像診斷技術，平均識別不到 20 秒準確率達 96%。
這對傳統的臨床醫生也發起了挑戰，長遠來看，AI替代一些機械重複的工作是必然趨勢，這就要求未來的醫務從業人員需進一步提升專業能力，不僅僅是單純的臨床醫師，還需懂得部分IT知識。對於研究AI科技人員來說，96%的AI準確率或即使是99%的準確率也不代表產品已經無可挑剔，仍需醫生來解決誤診的4%或1%中是否有落網之魚，以及96%或99%中是否有誤診。
醫療+AI，需要醫療AI團隊將醫學問題轉換為工程語言，同時需要醫護人員懂得AI相關知識，兩者才能有效溝通，共同研發真正高可用的人工智慧產品。這就必定需要從業者，都具備較高的專業能力。
結語
03年非典，我們眾志成城，共克難關。十幾年過去，我國的科技也迅速發展，新型肺炎戰「疫」是科技時代的戰疫。
筆者在非典時期，還是一名學生，那時全世界保護我們。現在我想說，醫護人員守護世界，換我們科技工作者守護你們。相信疫情之後，醫療AI行業，將會有更廣、更深的研究，開發出更多高可用的智能產品，助力人類健康。
科技讓我們戰「疫」的力量更強大，也希望是科技讓這世界所有物種：人類、自然界、智能機器都可以更友好相處。