AI医疗的概念
AI医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好地解决医疗资源短缺、人口老龄化的问题。根据权威网站的定义，可以简化为“人工智能+医疗”是人工智能技术对于医疗相关领域应用场景的赋能现象。
我们可以先来看看当下的医疗背景，大致来讲就是医疗健康行业供需关系严重失衡。医疗资源少比如，优秀的医疗资源稀缺，好的医生和医院稀少。大城市医院多且好，小城市医院少且差，而且院内诊中环节就诊工作量大。
总的来讲就是医疗资源少，地域割裂性强，医疗效率低。从患者的角度来分析，他们的医疗需求多，且不分地域需求均等，对高效治愈期望强烈。因此，AI医疗就是为了解决这样的供需矛盾应用而生。
AI+问诊方面，微软旗下的Nuance已经发布基于GPT-4的临床笔记软件DAXExpress，可以在几秒钟内生成准确的临床记录；
AI+新药开发方面，DeepMind出的AlphaFold主要解决从已知的氨基酸序列，预测相应蛋白质3D结构的问题，为探索生命的起源迈出重要的一步；
国内AI与医疗的融合进程正在加快。5月，在上海市经济信息化委的指导下，国内首个基于算力网络的医疗算法模型Uni-talk发布。产业端，科大讯飞、百度、云从科技、卫宁健康等公司都正积极布局医疗领域的垂直大模型
（1）影像学AI医疗的应用主要体现在影像学。以胸部CT诊断为例，每一位患者做一次检测将产生200-300张切片图像，传统方式单片解读通常要花医生将近10分钟，因此对医生来讲工作量和压力都十分大，而通过计算机视觉技术的AI医疗可有效解决这个问题。而在院内医疗环节中，放射学科掌握 80% 以上的医疗大数据，是疾病诊断的关键入口之一。
（2）辅助诊断AI医疗的另一个重点就是可以帮助医生辅助诊断。以肺癌这个病种为例，AI医疗需要跨多学科的介入临床场景，病种库跨系统需集成数万甚至数十万例例肺癌患者全周期数据、百万份临床文档和报告、千万份原始医学图像，收录了肺癌患者的影像、病理、基因检测、病历文本等多维数据。相信在未来，AI辅助诊断系统将会逐步落地到更多的临床科室中。
（3）科研大数据平台目前国内各科室医学协会、医院、医学院等，缺乏更有效的科研大数据平台，在科研场景中常需要到各个地方检索多个离散的信息后再人工聚合，效率不高，无法将精力全部放在科研业务探索上。
综上对AI医疗概念的解析，我们可以看到AI医疗依托互联网，在医疗领域采取人工智能技术，从而极大地提升医疗质量和效率。相信假以时日，随着AI技术在医疗领域的逐步落地，在未来我们可以享受到更多AI医疗实质性福利，让我们拭目以待吧！
4家“AI医疗”潜力龙头公司
卫宁健康
已完成了医疗垂直领域大语言模型WiNGPT的可行性验证并开始内测，总训练Token数达37亿WiNEX Copilot产品预计10月发布。
科大讯飞
在业内是全国唯一通过国家执业医师资格考试的人工智能系统，超过了96.3%的医学考生，已累计为基层医生提供了超过5.8亿次、日均超过70
多万人次的人工智能辅诊。
久远银海
正在研发基于医学NLP的病历内涵质控、专科GDSS、专病智能阅片、智能导诊、医保A1反欺诈等行业AI产品，近期计划陆续发布应用。
创业健康
与浙大计算机创新技术研究院、浙江省智慧医疗创新中心正式达成战略协议，三方将致力于推动AI大模型在临床医疗、公共卫生、个人健康等场景中的研究与开发。
