医疗人工智能的应用按场景主要分为医疗影像、辅助诊疗、虚拟助手、医疗应用、健康管理、智慧诊疗等。 其中，医学影像场景可细分为CT影像应用、视网膜眼底影像应用、射线透视应用、病理影像分析应用、超声（US）应用、内窥镜影像应用、皮肤影像应用，而磁共振影像目前主要使用对于脑功能研究，进入临床应用的产品很少。 下面将结合典型案例，详细介绍目前医疗人工智能产品在各个场景的应用情况。 关键词：医学人工智能产品，医学影像，健康管理，智慧诊所，医学人工智能产品应用（一）医学影像 目前，深度学习技术在图像处理领域最为成熟，因此医学影像AI具有大多数应用程序和最早的实施。 CT影像应用 CT影像人工智能应用领域有大量公司，专注于广泛的疾病领域，如囊肿、肺炎、肺癌等。 产品形态以软件为主，算法模型处于微调优化阶段，相关产品相对成熟。 目前，基本形成的产品处于临床试验阶段，该领域企业基本未实现盈利。 未来产品通过药品监督管理认证后，商业模式可扩展至产业链上游的医疗器械生产企业及下游的诊所、体检中心和第三方医学影像中心。 目前，基于CT图像的AI公司主要有推理科技、依图科技、健培科技、优医生、腾讯觅影等。 推理科技的CT辅助诊断产品为早期乳腺癌提供辅助筛查。
通过挖掘肿瘤的核心特征，识别CT影像中的疑似疾病，实现癌症的早诊早治。 向科技的智能CT辅助筛查产品可提高癌症筛查效率，对半实性、磨玻璃囊肿等早期乳腺癌征象敏感，还可辅助放射科医师进行诊断。 依图科技的肿瘤影像智能诊断系统，对乳腺CT影像进行智能分析，检查病灶，多维度描述诊断病灶，并结合临床手册人工生成结构化报告。 分析TLC扫描图像，测量肺部小结节，计算各种相关参数，判断肿瘤良恶性，人工生成结构化报告。 黄斑部眼底图应用 有大量基于黄斑部眼底图的人工智能公司，主要专注于糖尿病性黄斑部肿瘤、高血糖、动脉硬化、视神经疾病的诊断和预测。 “产品应用已经进入临床应用阶段，糖尿病黄斑部肿瘤的诊断和筛查应用案例也越来越多，比如Airdoc、Peptide Building Blocks、DeepCare等公司都推出了相关产品。基于黄斑部慢性疾病识别算法方面，Airdoc研发了Eagle Pupil黄斑部影像智能分析系统，可识别30多种慢性肝病，包括糖尿病、高血糖、动脉硬化、视神经疾病等四肢慢性肝病并发症、高度远视、老年性视网膜退化和肽积木自主研发的PLNET是基于局部信息的深度识别网络，应用于眼底渗出液、血管瘤等病灶的识别。
X射线 X射线人工智能公司主要专注于脑震荡筛查和骨龄预测。 产品形态也以软件为主，产品成熟度较高，处于临床应用阶段。 该领域企业包括依图科技、推理科技、健培科技、X光影像等，可根据TW3标准智能解读儿童骨龄，数秒内给出评分结果，结合综合生长发育评估具有生理和化学指标。 可定制生长发育报告，为临床诊断、教学和科研带来便利。 Inference Technology的智能射线辅助筛查产品针对肺囊肿等20多种胸部不同病变，模型解读，可筛查癌症并标记肿瘤位置。 放射成像产品用于诊断乳腺疾病，如肺炎、肺结核和肿瘤。 病理影像分析 基于病理影像的人工智能产品应用主要集中在子宫癌、乳腺癌、胃癌、前列腺癌等领域。 专注于病理影像人工智能的相关企业有御益生菜、清影医疗等。目前，病理影像应用已经实现了基于深度学习的病理影像分类、目标测量、影像分割和坏区监测。 利用基于深度学习的数字病理图像超帧率放大技术，实现了实际应用领域用20倍镜头代替40倍镜头扫描病理图像的存储空间和传输时间，大大提高了远程会诊的采用率。 深度学习对多张数字病理图像进行插值和连续分析，解决了临床病理图像多重染色和生物标志物联合分析的困境。
基于深度学习的染色归一化技术和颜色通道分离技术，消除了因试剂批次、染色时间、温度、扫描仪等差异导致的病理切片染色程度不同的问题。 基于深度学习的AI辅助病理图片标注系统，大大提高标注效率，降低标注时间成本。 针对病理图像小样本的特殊性，进行迁移学习、自动增量学习和仿真，以保证结果在小样本数据集上的准确性。 土豆网研发了子宫癌筛查辅助筛查诊断系统，可识别肿瘤，标记病灶区域，人工检测标记区域的宽度和面积生成截图，结合子宫综合分析和道细胞学诊断报告，并手动生成报告。 帝音咖的人工智能辅助诊断系统针对甲状腺癌、胃癌、前列腺癌等七种疾病。 它使用普通计算机在5至10秒内分析超过1GB的全视野扫描数字病理图像，对各种疾病进行良恶性诊断。 判断预估关键指标参数，生成全人工分析报告。 超声（美国）应用 超声人工智能产品主要应用于甲状腺癌、甲状腺、肝肿大等疾病，包括静态超声癌症监测和动态超声影像癌症监测。 进入超声领域的人工智能企业既有传统医疗器械企业，也有创新医疗AI企业。 这些公司对“AI超声”的研究还处于中期阶段，基本成型的产品大多还处于临床试验阶段，存在缺乏足够的训练数据等困难。 不过，各大企业对超声AI的热情并未减退。 除腾讯外，推论科技、依图医疗、优图实验室、清影科技、深超互动等公司也有超声AI相关产品。
依图超声应用产品基于机器视觉和深度学习技术，可实现乳腺超声图像中病灶的人工绘制，弥漫性、局限性或多发性病灶的识别，病灶的智能分级，最终结构报告的生成，可极大提升医生看片的效率和质量。 “DE超声机器人”人工智能辅助诊断项目用于乳腺肿块及疾病的诊断。 该超声机器人已在福建大学第一附属诊所临床应用。 优图实验室也在探索与医疗器械厂商的合作。 以卵巢癌筛查为例，优图实验室将人工智能算法融入其生产的超声设备中，帮助医生完善准内镜影像在甲状腺癌筛查中的应用。 基于内窥镜图像的人工智能产品主要用于癌症、结直肠癌、胰腺癌等癌症的监测和预测，产品技术相对成熟，临床诊断率高，应用广泛。 人工智能可以辅助消化道疾病的早期发现和诊断，大大提升筛查和检测效率。 例如，腾讯觅影的内窥影像应用产品，利用影像技术对医学影像进行处理，提高识别率，通过机器学习不断提高早筛的准确率。 据公开报道，早期胆管癌的鉴别准确率已达90%。 希氏异构研发的消化内镜判断仪，可与消化内镜结合，帮助医生进行判断，并在成都大学华西门诊部应用。 华西山内窥镜图像视频智能系统可对静态图片和动态视频进行提示和判断，帮助各级医生快速完成诊断，提高工作效率。 明确诊断和指导诊疗的活检检测效率和质量。
皮肤影像应用 基于皮肤影像的人工智能产品应用领域涉及皮肤病的分类、预测、疗效评价等。 产品技术成熟人工智能问诊，临床确诊率高，应用广泛。 国外相关公司及产品如下： Airdoc利用深度学习技术训练得到视觉诊断分类模型和病理病变分割模型，综合判断白血病发病率。 中南大学湘雅二院、丁香园与锐奇软件联合推出皮肤科人工智能辅助诊疗综合平台——智肤中韩友好诊所与悠迈科技共同研发的悠智AI系统。 广州协和诊所与南开大学联合开发基于深度学习技术等的皮肤科人工智能诊断系统心电图（ECG）应用心电图数据属于图形频谱数据，介于图像和文字之间。 目前这类产品的应用很少。 目前，心电图人工智能产品的应用主要集中在心律失常、心室和心房肥大、心肌缺血损伤、心肌梗死等疾病的监测和预测。 由于癌症诊断的复杂性，目前还没有太大的进展，临床诊断准确率不高，但广泛应用于健康监测和异常检查，常用于远程医疗、健康检查等场景. 乐普医疗的心电图应用产品采用人工分析核心算法，进行数据预处理、心跳特征检测、干扰信号测量和心跳分类、信号质量评估、心电事件和参数的分析估计，最终人工输出报告。 人工端到端AIECG核心算法人工智能软件分析平台，可快速完成心电图分析、测量、诊断和报告全过程，解决传统心电图算法的局限性，提升人工心电图分析的速度和准确性，成为医生诊断心热的有力辅助工具。
脑电图（EEG）应用 脑电图是诊断哮喘的金标准。 哮喘发病率高达8‰，市场规模超过264万元。 结合牛诺科技的AI算法和云平台，相关疾病的诊断达到了非常高的准确率，算法的灵敏度超过80%，特异性超过90%。 （2）辅助诊疗是人工智能在医疗领域的主要应用。 随着人工智能的不断发展，辅助诊疗系统的定义也在不断更新。 通过对患者信息的推理，系统可以为个体患者生成精细化的治疗建议，医生可以从中选择有用的信息，删除错误的建议。 借助该系统，除了可以提高医生诊断癌症的准确性外，还可以提升医疗单位的工作效率。 基于临床信息系统积累的电子病历数据，建立电子病历知识表示模型，基于数据分析和机器学习，训练科室常见癌症的临床路径和诊疗模型并获得； 自由文本通过自然语言处理（NLP）翻译，将电子病历提取整理成患者知识，结合以癌症为中心的知识图谱，直观探索癌症、症状、治疗等诊疗要素之间的关系，形成完整的医学知识体系。 模拟真实医生问诊的过程，通过对话和简单的点击交互获取必要的病情信息，最终由辅助诊疗系统给出病情预测和合理的用药方案。 利用系统实时分析、反馈、优化会诊策略，提供最佳诊疗建议，人工生成参考治疗方案，实现从会诊到治疗的导航。
例如，科灵力建立了一个嵌入式通用医学数据库，其中包括18本医学词典。 以词典为基础，构建了293万个知识节点的节点库，涵盖中医、中医、中医结合领域。 基于该数据库，推出全病域（门诊/基层）电子病历AI辅助分析系统。 基于包含8000的语义网络，监测电子病历变化，分析危重病和疑难病，跟踪诊断疾病的症状。 该组件可以防止误诊和漏诊，快速了解不同疾病的交叉关系，为临床医生提供全方位的诊断辅助。 （三）虚拟助手 虚拟助手是指通过语音识别、自然语言处理等技术，将患者症状描述与标准医学手册进行比对，为用户提供医疗咨询、指导等服务的信息系统。 其中，智能会诊是虚拟助手应用广泛的场景之一。 智能会诊是指机器通过语义识别与用户交流，理解用户对疾病的描述，然后基于医疗信息数据库进行比对和深度学习，向患者提出诊疗建议，包括用户的可能的健康风险以及在诊所应该做什么。 急诊科复查等。 语音电子病历是虚拟助手的另一个应用场景，是指将语音语言转化为文字，通过语音语义识别输入到电子病历系统中。 当放射科医生、外科医生、口腔科医生长时间没有空闲的右手书写时，智能语音输入可以解放医生的右手，帮助医生通过语音输入完成查资料和精准推送文件的工作，与医生口述医嘱，将患者的基本信息、检查史、病史、检查指标、检查结果形成结构化的电子病历，极大地提高了医生的工作效率。
国外提供虚拟助手应用的公司主要有：交大讯飞、中科汇能、康夫子、One Health、数据科技、万物语联和伴达福。 语音识别技术相对成熟。 比如交大讯飞的产品基于语音识别，可以直接将医嘱记录整理成电子病历，大大减轻了医生的工作量； 为了应对门诊嘈杂的环境，达到更好的语音处理效果，特推出医生专用耳机，可以过滤噪音和干扰信息。 云知声将语音识别和语义理解技术融入产品，提供医疗垂直领域软硬件一体化输入解决方案，基于医疗人工智能技术和大数据分析持续探索，实现智能语音交互知识问答和病历查询。 健康风险预测和患者队列分析。 据悉，云知声已与全省近百家诊所合作，打造了“医疗智能语音录入系统”，大大提高了医生的办公效率。 诊所推出的智能导诊机器人，方便患者在诊所大厅查看、缩短信息。 患者就诊时间。 （4）医学应用 在医学领域，人工智能主要可以应用于以下领域：化合物构效关系预测、小分子抗生素晶体结构预测、志愿者招募信息化等。智能化应用于化合物的构效关系分析，目前已经有很多软件可以在计算机上模拟化合物的构效关系分析过程，预测化合物可能的活性，因此最有可能成为靶向筛选的抗生素化合物，从而大大缩短了抗生素发现的时间。
针对人工智能在小分子抗生素晶型预测中的应用，通过人工智能和云预估技术，企业可以高效动态配置抗生素晶型，完全预测出可与传统抗生素媲美的所有小分子抗生素晶型开发. 企业无需担心因实验搜索空间有限而遗漏重要晶型，可以更自如地应对仿房企的晶型专利挑战。 晶型预测技术也大大缩短了晶型开发周期，有利于更有效地选择合适的抗生素晶型，缩短开发周期，降低成本。 在志愿者招募信息化方面，可以通过互联网将临床试验招募信息快速传递给大量患者，利用人工智能筛选符合临床要求的患者，大大节省患者的时间成本和资金成本。招聘。 此外，通过智能穿戴设备进行数据采集，降低了临床试验的侵入性，让受试者的体验更加舒适。 综上所述，人工智能在医药领域的应用可以提高房地产企业新药研发的效率。 以知名抗生素晶型设计服务公司晶泰科技为例。 通过智能算法实现抗生素晶型预测，帮助房地产企业提升研发效率，降低抗生素质量和专利风险。 保护起着关键作用。 （5）健康管理 健康管理的目的是预防和控制疾病的发生和发展，减少医疗费用，提高生活质量。 对个人和群体进行健康教育，提高自我管理意识和水平，诱发与生活方式相关的健康风险。 健康信息收集、健康体检、健康评估、个性化监测管理方案、健康干预等不断完善。
从人工智能的角度来看，在癌症管理方面，将病历、心电监测、呼吸机参数、动脉波形、气体分析、生化、影像结果（CT、MRI）、用药等多模态数据结合起来，是更贴近医生的临床实践。 诊断过程； 借助各种自然语言处理和对话技术，可以对患者进行人工跟进，收集病情变化的关键数据，甚至可以根据患者的病情进行人工预警或建议； 积极解答患者的问题，特别是对患者相关问题（疾病/食物禁忌/抗生素禁忌等）进行教育，随时为患者提供及时的管理服务。 人工智能的医疗应用不仅限于临床，还可以应用于健康管理领域。 通过对日常健康行为的检测和管理，进行癌症早期预测，防患于未然。 这对于许多丧偶的祖母和慢性病患者来说尤为必要。 此外，如果发生紧急情况，可穿戴设备还可以直接报案求助，联系患者亲属； 在治疗过程中，该设备还可以将存储的日常健康数据交给医生，为进一步诊疗提供有效信息。 研究慢病管理应用的企业主要围绕远程医疗等场景，重点关注糖尿病、高血脂等疾病的病情监测和治疗。 管理采用电子通讯软件和人工智能技术，以产品作为医患沟通的桥梁。 通过患者的日常习惯，智能给出用药手册，提醒患者服药，对智能监测设备数据进行监测，对数据进行评估，及早发现数据缺陷。 异常模式并发出预警。
上述产品的技术成熟度都比较高。 Airdoc和RadCloud针对多源异构医疗数据开发了相对成熟的人工智能应用平台。 米沃健康管理平台可以帮助用户创建专属的数字生活账户，通过健康状况的全面检测和持续检测，预测身体的变化趋势。 其核心功能包括以下几个方面。 健康追踪。 米沃外置智能健康管家，全方位检测、记录、管理用户健康数据。 日常生活中，只需通过语音或照片记录自己的饮食生活习惯，平台即可人工分析记录各种营养素的摄入量，判断是否达标，并在出现问题时提供相关提醒和改进建议。身体数据异常，从而进行全面的健康管理。 健康检查。 了解用户的免疫感染史和实时生理状态是分析健康状况的核心。 目前，该平台利用ImmunoSignature检测芯片，以高性价比的方式获取个体免疫特性、表面抗体决定的转录后修饰、核苷酸等信息，从而更好地了解个体特定的癌症症状和健康指导。 该平台可提供基因检测、运动数据跟踪预测、定制运动方案等多项服务。 可为想要改善肤质的用户提供皮肤检测，帮助用户分析皮肤成分，并根据测量结果为用户推荐个性化、精准的皮肤管理产品。 此外，它还可以提供个性化的饮食指导、饮食评估、饮食记录和个性化营养套餐等个性化指导服务。
医数线健康管理平台的核心功能主要包括：人工智能健康教育。 通过机器人与人的交流，实现个性化智能健康教育、智能健康宣传教育、智能个人健康管理和人工智能随访预约。 基于预先设定的时间，实现智能复诊预约和智能手机跟进，进行人工智能合规管理。 通过预先设置相关功能，实现智能手机用药提醒和智能手机生活方式干预。 医渡云基于自主研发的“医疗数据智能分析平台”，对海量多源异构医疗数据进行采集融合，生成患者全生命周期医疗数据，可追溯源头，通过对数据的深度处理和分析，构建真实世界的癌症领域模型，促进医学研究、医疗管理、政府公共决策和新药研发，帮助患者实现智能疾病管理，推动大健康和人工智能的创新。智慧产业，实现数据智能红色医疗新生态。 Airdoc多模态数据分析平台，通过对文本、图像等多模态海量数据的综合挖掘，探索患者检测信息、既往病历和社会（自然）环境之间的关系，发现疾病模型和隐藏信息。 groups Model，建立预测分析模型，进一步探索疾病分布的演变，确定风险因素人工智能问诊，预测癌症的患病率，为决策者提供可持续的、基于证据的疾病检测，支持新卫生政策的制定。
Radcloud大数据智能分析云平台拥有科研项目管理、影像与临床数据管理、多中心协同管理、放射组学统计分析四大核心功能，可轻松将原始影像与临床数据转化为高价值的科研数据，为医疗数据赋能，提升临床试验效率。 提供数千种图像特征值选项供分析，并集成多种机器学习核心算法，轻松一键获取放射组学分析报告。 （6）智慧诊所 智慧诊所以诊所信息系统、临床数据中心和综合平台为基础，结合人工智能云估、医疗大数据、物联网、移动互联网等技术，优化患者流向，节省患者的时间和医疗资源。 改善患者体验。 智慧诊所是一套综合运用机器学习、人工智能AI和自然语言处理技术的智能化临床应用系统。 提醒可以有效提高临床医疗质量，降低医疗风险。 同时，满足电子病历应用水平等级评审中中间决策支持部分评审项目的要求，促进医疗机构评审。 患者的就医流程大致分为六大步骤：挂号、就医、缴纳押金、检查检验、取药。 其中四个流程可以通过人工智能相关技术解决：注册流程可以通过全预约挂号、全公开号源解决。 精准预约、智能导航解决等待流程； 定金支付流程可通过联通支付或信用支付解决； 取药环节可以通过智能配送解决。
微医推出处方共享平台和基于共享平台的AI共享平台。 以医疗场景为中心，不断向外延伸。 First, the basic business is mainly registration, and WeDoctor can provide full-process services in the hospital such as online registration and intelligent medical guidance. Second, online auxiliary medical services, including online remote consultation, post-diagnosis follow-up, electronic prescription, etc. Third, a complete process closed loop. The prescription sharing platform uses WeDoctor as technical support and service support to truly shorten the supply chain and realize the sunshine of medicines through the separation of medicines. The AI sharing platform puts the diagnosis of 38 common diseases into the machine, allowing grassroots doctors to become professional general practitioners with the help of the machine, with "academician-level" diagnosis and treatment capabilities. 2. Summary At present, most medical artificial intelligence products are in their infancy, and their functions are still relatively single. They lack complete and systematic solutions, and it is difficult to meet the complex needs of the whole medical process and multiple diseases. With the increasing use of medical artificial intelligence products in the medical field, more product series will be extended to more departments in the future and will be more deeply integrated into the medical process. With the improvement of clinic informatization and standardization of treatment data, a large amount of multi-modal data will be provided for model training, and multi-modal models will be used to diagnose cancer, further improving the accuracy of medical artificial intelligence product models. The product will also break through single disease types, provide comprehensive diagnosis around various parts and various types of cancer, and further develop to provide patient-centered medical artificial intelligence solutions.