互联网巨头聚焦AI医疗赛道

如今，互联网巨头们，如英伟达和谷歌都表达了对AI医疗的重视。过去六年时间，近千亿的资金被投进AI医疗赛道，推动了影像AI、新药研发AI、机器人AI、智慧医院等快速发展。

谷歌利用其在搜索、云计算、机器学习等领域的优势，推进在医疗保健领域的深度研究和应用。在合作伙伴Fitbit的协助下，谷歌正打造一个能够准确分析用户健康数据的AI工具，利用Gemini AI模型，突破之前对睡眠质量影响的评估局限，开启个性化健康管理新时代。

英伟达推出医疗保健项目GenAI，聚焦医疗场景的25个新的微服务（NIM），旨在赋能全球医疗保健组织，覆盖药物发现、医疗技术（MedTech）和数字健康等多个领域，帮助全球的医疗企业给予生成式AI进行效率提升。如今的BioNeMo不仅拥有其他平台难以企及的算力，还搭建了十多个生成式AI模型，包括小分子建模工具、OpenFold 蛋白质预测模型，以及与Recursion开发的用于靶点和药物发现的Phenom-Beta模型等，基本上做全了临床前研究所需的主流工具。

腾讯联合中国信息通信研究院、中国科学院深圳先进技术研究院等10家单位共同打造“医疗影像国家新一代人工智能开放创新平台” 。目前，“医疗影像国家新一代人工智能开放创新平台”依托腾讯云的技术，已构筑起支持多模态、多病种的SaaS服务平台，支持医疗影像数据的存储、统计、标注、人工智能模型训练、验证等医疗AI研发全流程功能。平台通过云端开放医学影像AI的共性技术，实现了“有网即用”的高效使用方式，已累计为超过4000个科研单位和用户提供服务，标注医学影像数据超过7万例。

互联网巨头们为何竞相押注医疗AI未来？

首先，在医疗领域，AI可以通过分析患者的遗传信息、生活习惯和病史等数据，协助医生设计出更为精准的治疗计划，不仅能够提高治疗效果，还能减少不必要的医疗资源浪费。

其次，在制药领域，AI技术可以用于蛋白质结构预测和设计，为生物科技带来颠覆性变革，提供药物设计新思路。同时，通过分析大量的医学数据和文献，AI能够帮助科研人员发现新的疾病机制以及药物靶点，大大缩短药物研发周期。

乘AI之风，造更智慧的数字医疗平台

不止互联网巨头们入局AI医疗，运营商也运用自身AI能力，赋能智慧医疗。

以中国电信为例，在浙江，中国电信温州分公司助力温州市卫健委全面启动“健康云检”应用建设，充分利用现有医学影像云平台，迭代增加人工智能、大数据分析等新兴技术，打造基于人工智能的影像分析平台，赋能基层医疗机构AI分析能力，有效解决温州市基层卫生医疗机构医疗服务能力不足，患者就医体验较差等问题。

“以往等待查看检查报告需要大约15分钟，而现在，我只用了5分钟，医生就已经仔细阅读了我的CT报告。这大大缩短了我的就医时间，真是太方便了。” “健康云检”这一创新医疗服务的推出，市民王先生深有感触。

在福建，中国电信厦门分公司聚焦医疗行业“基层人员入户服务工作难以开展”的问题，为某社区医院打造5G+云电脑+天翼智呼服务的“智慧家签”解决方案，依托5G切片专网接入医疗云，通过5G家签云电脑和天翼智呼管理系统为社区医院实现了移动无纸化办公场景，助力完善升级基层医疗卫生服务体系，能更便捷高效地为社区居民提供优质的健康保障服务，提升社区医疗综合服务能力。

在江苏，中国电信江苏公司助力打造的张家港市智慧急诊急救大平台，基于移动互联网技术与云计算技术，整合院前急救资源、信息平台资源等25套系统，融合数据信息，覆盖急诊急救全过程，打造高效互通的急诊急救一体化平台，实现急救服务智慧化。

AI重塑医疗流程

现在，医疗领域已是AI技术应用最广、成效最明显的领域之一。AI已不再是简单地替代或优化人类的工作，而是开始真正参与到重塑医疗流程中，AI+医疗开始进入2.0时代。

医疗影像、辅助诊断、新药研发和健康管理都是AI医疗的主要应用方向。

医疗影像是我国AI医疗领域最为成熟的细分领域；手术机器人是人工智能辅助诊断领域比较活跃的应用，临床决策系统的进入壁垒较高；人工智能以算法和算力优势，应用于新药研发各环节，解决新药研发周期长、成功率低和费用高的问题；人工智能在健康管理领域应用广泛，包括风险识别、虚拟护士、移动医疗、健康干预等多个场景。

武汉大学人民医院精神卫生中心主任医师、教授王惠玲指出，当前， GPT-AI正在成为用户首诊窗口和慢病患者管理平台，例如，梅奥医院正在使用ChatGPT进行预问诊服务，机器人能够跟患者进行聊天并提供情绪支持。

中国医科大学附属第一医院皮肤科副主任医师、副教授郭昊认为，AI技术天然适合皮肤科，这是由于皮肤科疾病种类繁多，约有超过2500种，但同时，很多皮肤科疾病都有非常典型的皮肤表现和病理表现，典型病理的临床图片是很好的数据。“人通过见多识广可以成为经验丰富的医生，而AI可以在短时间内采集海量的典型临床图片和病理图片，实现数据的采集和标注，进行模型训练和识别，后续可以提升辅助诊断的精度。”

除此之外，郭昊也介绍，皮肤科医生总体数量不足，临床重复工作较多，而在皮肤病理等核心技术领域，医生总量更是极缺。因此，AI技术在皮肤科的应用场景也非常广阔，应用场景包括辅助诊断、病理分析、临床研究思路挖掘、患者自助诊断等。