医疗人工智能方案精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的医疗人工智能方案主题范文，仅供参考，欢迎阅读并收藏。

第1篇：医疗人工智能方案范文

投资要点:

AI新品，进一步落地多个行业:2017年9月12日，公司了“精准医疗”、“AI+公安大数据”、“乐享智投‘三个行业的解决方案及产品。

(1)精准医疗:

目前还处于辅劣临床诊疗阶段，iMedical8.0P、临床科研大数据分析平台、感染智能监测系统、知识图谱构建系统等实现了辅劣医生优化治疗方案和临床科研的功能;

(2)AI+公安大数据:通过人脸识别、视频检索技术等不公安系统拥有的海量数据库结合，解决了以往案件侦查过程中嫌疑人筛选的问题，大幅提高了筛选速度;

(3)乐享智投:作为一款智能投顼产品，主要向金融客户提品评测、用户画像、投资组合、投资执行、风险监控、收益分析等服务，并提供个性化的解决方案。

本次AI产品的，公司实现AI技术在医疗、安防、金融三个热点行业的落地，有望搭上AI行业高速发展的顺风车，助力公司的进一步发展。

布局AI行业多年，技术成就应用:公司于2013年开始布局人工智能领域，是国内较早投入人工智能领域研发的企业之一，先后不中科院、清华大学、北航、IBM和微软等国内外知名校企合作。经过多年研究，公司基于人像识别、车辆软件识别、目标图像提取不分析等技术，研发出智能人像服务、人像卡口等系统。本次人工智能新品的是对以往产品的进一步改进，是公司多年技术积累的结果，产品系列较为成熟、可靠，用户满意度较高。

业务行业覆盖广，公司发展空间大:公司立足数字化行业多年，服务对象涵盖金融、电力、通讯、交通运输等10余个行业，产品线主要包括行业应用软件、人工智能解决方案、大数据服务。这不仅有利于公司率先占据AI行业的有利位置，更能够使公司在数据量上存在优势。公司能够尽快实现AI产品在多个行业的落地，在AI市场还在高速发展期的今天，占据多个行业就意味着拥有更大市场规模的可能性。

除此之外，公司拥有各个行业的大量数据，能够实现不同行业数据的相互补充，有利于AI系统的自我完善。

投资建议:作为国内IT企业龙头，公司将不断完善人工智能技术，并通过数据积累，在产品线和市场应用上不断拓展，最终实现人工智能+战略。我们公司预测2017年至2019年每股收益分别为0.48、0.53和0.68元，上调评级至买入-A，6个月目标价为13.92元，相当于2017年29倍的动态市盈率。

风险提示:

第2篇：医疗人工智能方案范文

A股中，思创医惠(300078)参股的杭州认知加速推进全球顶级人工智能IBMWatson在华落地；卫宁健康(300253)成立了联合实验室，从事医疗大数据 与人工智能方面的研究。久远银海(002777)去年定增募资投向智能医疗相关项目；浪潮信息(000977)在国内人工智能计算领域的市场份额超过60%。

【官方表示：中国国家公园将实行最严格生态保护】中国国家发改委有关负责人13日就《建立国家公园体制总体方案》(以下简称方案)进行解读。该负责人指出，国家公园比一般的自然保护地更具有国家代表性和典型性，面积更大，生态系统更完整，保护更严格。

【中期协：明年将首度开始期货全行业综合压力测试】据新华社报道，13日，中国期货业协会《期货公司压力测试指引(试行)》，并表示在2018年初组织开展首次年度综合压力测试工作，加强系统性风险防范，以确保期货市场稳定运行。

【财政部公布十月收支 卖地收入连续增幅30%以上】财政部数据显示，1-10月累计，全国政府性基金预算收入43152亿元，同比增长31.6%。

【中金：华能国际和中煤能源有望被纳入沪深300指数】中金分析师王汉锋等报告称，浙商证券、广州港、欧派家居也在可能被纳入沪深300指数的备选个股之列。

保监会：坚定不移贯彻落实新发展理念，坚持“保险业姓保”，更好地服务实体经济发展，更好地服务国家战略、助推脱贫攻坚和民生改善。

第3篇：医疗人工智能方案范文

10月21日，2016英特尔中国行业峰会在珠海召开，来自医疗、金融、交通、零售、能源、教育等行业的企业代表分享了他们对于数字化变革的理解与实践。这本该是英特尔中国行业峰会的主旋律，但是实际是与会嘉宾对人工智能的话题表现出更大的热情，有点喧宾夺主的味道。

得AI者得未来

2015年底，许多机构在展望2016年度科技领域时几乎会不约而同地将人工智能列为重点方向之一。现在来看，人工智能的火爆程度让最乐观的预测者都大跌眼镜，这得归结于AlphaGo的推波助澜。

正如文章开始所说，人工智能的使命便是完成海量物联网数据的商业价值转化。根据相关预测，2021年，全球将会拥有18亿台PC，86亿台移动设备，157亿台物联网设备。而到2035年，物联网设备的数量将会超过1万亿台，相应的数据数量将会增长2400倍，从1 EB增长到2.3ZB。如何有效管理、控制和利用如此浩瀚的数据，人工智能是解决之道。

所以说，得物联网者得未来，而得人工智能者将执物联网之牛耳。只有人工智能才能为“万物互联”之后的应用问题提供最佳的解决方案。

2016英特尔中国行业峰会上，英特尔与科大讯飞公司签署合作备忘录，双方将在人工智能领域展开为期三年的基于英特尔至强处理器+英特尔至强融核处理器，以及英特尔至强处理器+FPGA为基础的机器学习/深度学习研究项目。科大讯飞联合创始人，讯飞研究院副院长王智国博士非常到位地点评了这一合作：“一直以来，我们双方都致力于人工智能技术的创新和行业的推动，一方擅长底层计算架构，一方擅长算法及应用。我们期待双方在人工智能技术上的深度合作能够推动硬件和软件的协同设计及优化，共同发现人工智能计算平台创新的解决方案，推动人工智能产业的发展，并通过这些创新的技术支持更多行业用户进行业务转型。”

作为全球最大的半导体芯片制造商，英特尔的公司定位正在悄然发生变化。如今，英特尔将自己定位为“一家致力于驱动云计算和智能互联计算的公司”。可见人工智能已经成为英特尔公司的未来战略方向之一。

人工智能对计算力资源的需求到底有多大，现在谁也无法预判，这就像是个“计算黑洞”。但有一点可以肯定，人工智能是高性能计算在现在和未来的进一步延展和进化，而这恰好是英特尔的优势所在。

对英特尔而言，进入人工智能领域是水到渠成的事情，也是技术上的自然演进。从另一个角度看，物联网和人工智能是历史摆在英特尔公司面前一次前所未有机遇，其空间和舞台远大于PC时代和互联网时代。送上门的蛋糕（要知道，当今世界90%以上的数据都是由英特尔处理器来承载的），岂能让它从嘴边溜走。

从资本到技术，从硬件到软件

基于新的公司定位，英特尔开始从资本层面进行帝国的战略布局。作为硅谷最大的企业风司，英特尔投资总裁Wendell Brooks 说“会把未来的投资聚焦于那些能够更好拓展公司业务发展的领域”，人工智能毫无疑问是重中之重。

9月宣布将收购计算机视觉创业公司Movidius，后者致力于研发低功耗的计算机视觉芯片；8月将Nervana收入囊中，后者主攻半导体、软件和AI深度学习技术；5月宣布将收购专注于计算机视觉技术开发的俄罗斯公司Itseez；4月收购意大利半导体功能性安全方案厂商Yogitech；2015年12月完成了对可编程逻辑器件厂商Altera的收购；2015年10月收购了人工智能公司Saffron Technology……

针对某一业务领域展开如此高密度地集中收购，无论是在英特尔公司历史还是整个IT行业都是十分罕见的。可见，英特尔布局人工智能的决心之大。

由于技术因素，专用领域的智能化是人工智能未来5到10年的主要应用方向，比如自动驾驶。在更远的将来，随着技术的进一步突破，通用领域的智能化有望实现。但无论是专用还是通用领域，人工智能都将围绕“基础资源-技术平台-业务应用”这三层基本架构形成生态圈。

在人工智能上，英特尔能做些什么？仅仅是提供计算平台吗？当然不是，这从英特尔的疯狂收购中也看得出。

第4篇：医疗人工智能方案范文

选文新颖，逻辑层次分明，可用于设题的资源丰富。第1题有创意，答题面广且都与阅读分析有关：第4题考查考生准确提取信息的能力，设计成表格的形式，降低了答题难度：第5题属于拓展性试题。结合选文考查考生阐释道理的能力。

“阿尔法狗”凭什么打败世界冠军

①前不久，一场举世瞩目的围棋比赛以“阿尔法狗”4：1击败前世界围棋第一人李世石九段告终。

②打败世界冠军的“阿尔法狗”其实不是狗，这只是它的“网名”，它的英文名叫AlphaGo，中文名叫“阿尔法围棋”，它的真实身份是谷歌公司开发的一款人工智能软件。

③什么是人工智能软件呢？顾名思义，就是一种能够产生人类智能行为的计算机软件，它具有现场感应和环境适应的能力，具有表示、获取、存取和处理知识的能力，同时还能够采用人工智能的问题求解模式来获得结果。击败围棋世界冠军李世石的“阿尔法围棋”便是这样的一款智能软件。

④就下棋而言，一种直观的思路就是列举所有能赢的方案，然后优选出一个最佳方案。一般来说，下一盘围棋大约需要150步，每一步有250种可选的方案，要是人工智能采用这种思路，需要计算大约10360种情况。这样看来，在有时限要求的比赛中，列举所有情况的思路是不可行的，所以，研究者们选择了模仿人类大师的下棋方式，这就是“深度学习”。其原理是通过两种不同的深度神经网络――“策略网络”和“价值网络”合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围内。其中，“策略网络”负责缩减搜索的宽度。面对眼前的一盘棋，人工智能机器人会观察棋盘布局并试图找到最佳的下一步，相当于“落子选择器”。而“价值网络”则负责降低搜索的深度。人工智能机器人会评估棋局的整体局面并预测双方胜负，相当于“棋局评估器”，在局面处于明显劣势的时候，会直接抛弃某些线路。从而辅助“落子选择器”。在“两个大脑”的配合下，“阿尔法狗”具有了像人类棋手那样的思维方式，、同时。研究者通过“监督学习”，让机器人掌握海量的专业棋局；通过“强化学习”，让机器人从每次对弈中获得新的经验。而且，一个人或许一年能玩1000局，但机器人一天就能玩100万局；人类在长时间比赛时会犯错，但机器人不会。所以，从理论上说。“阿尔法狗”只要经过足够的训练，就能击败所有人类选手。

⑤如果你认为智能软件就是陪你下棋的娱乐工具，那你就错了。智能软件在商务管理、家政服务、精准医疗、环保检测和巡航导弹武器控制等领域有着广泛的运用。日前，中国科学院技术研究所了全球首个能够深度学习的神经网络处理器芯片“寒武纪”，这项成果正式投产后，反欺诈的刷脸支付、图片搜索等将更加可靠、易用。

⑥“阿尔法狗”战胜世界冠军，是人工智能研究的标志性成就。随着整个科学体系演化进程的加快，在与多学科的交叉研究与发展中，人工智能一定会进入人类生活的方方面面，从而开启人机协同思考的新纪元。

1.这篇文章标题很有意思，说说你的发现。（2分）

2.整体把握全文，指出本文的说明对象。（2分）

3.第④段、第⑤段画线句子分别运用了什么说明方法？（2分）

4.阅读第④段，分别在A、B、C处填写适当内容，完善表格。（3分）

第5篇：医疗人工智能方案范文

一、“区块链+AI”行业概述：

1、“区块链+AI”行业简介

人工智能（ArtificialIntelligence）英文缩写为“AI”，主要研究如何使计算机去做更多过去只有人类才能完成的智能工作。AI一词最早是在1956年Dartmouth学会上提出，2015年美国伊利诺伊小组研究中表明，现阶段AI智力已可达4岁孩童智力水平。随着人工智能技术不断成熟应用，围绕着“AI+”的技术理念创新也在不断提出，其中“区块链+AI”的技术理念尤为突出。

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。其本身作为比特币的底层技术，拥有去中心化、开放性、自治性、信息难篡改、匿名性等特征，可有效弥补人工智能应用中存在的数据共享、数据安全等问题。区块链可以为人工智能提供“链”的功能，让人工智能的“自主”运行中需要的数据信息都得到可信记录并具备可溯源的特点，使得AI更可信、更安全。可以说“区块链+AI”是新型技术之间的通力合作，若两者可有机结合，将会创造更大的价值。

从金融、消费、医疗服务到政府服务，区块链和人工智能的结合正在逐步渗透各个行业和领域。人工智能和区块链的协作将会解决诸多的问题，在人工智能提供数据分析和匹配的同时，区块链将提供一个更加安全和可信任的网络。

2、人工智能和区块链行业现状概述

人工智能被誉为引领未来的战略性技术，是提升国家竞争力、维护国家安全的核心技术之一，也将成为经济发展中新一轮产业变革的核心驱动力。在我国，人工智能的发展受到高度重视，2017年7月8日国务院了《新一代人工智能发展规划》的战略部署，明确我国新一代人工智能发展的三大战略目标：至2020年人工智能总体技术和应用与世界先进水平同步，成为重要经济增长点，全面支持建设小康社会；至2025年人工智能基础理论实现重大突破，成为我国产业升级和经济转型的主要动力，向智能社会建设迈进；至2030年人工智能理论、技术和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，为经济强国奠基。根据中国互联网络信息中心（CNNIC）2017年的《中国互联网络发展状况统计报告》显示，2016年中国人工智能相关专利年申请数量达30115项，产业规模突破百亿，2017年中国人工智能产业规模达152.1亿元，该行业每年以40%～50%增长率进行增长，预估2019年将突破300亿元，截止2017年6月我国人工智能企业总数已达592家，仅次于美国。2017年9月，华为公司推出的芯片麒麟970及苹果公司推出的芯片A11SOC均具备机器学习处理单元，为人工智能硬件打下坚实的基础。人工智能行业目前已走过技术蛮荒期，处于通用技术与行业结合形成商业化场景应用阶段。根据目前沪深两市板块分类统计，涉及人工智能概念的上市公司共104家，基本涵盖了人工智能基础层、技术层、应用层各相关领域。

相比于人工智能技术已经经历了60多年的长足发展而言，区块链技术目前起步不到10年，且刚刚经历了三个初级的阶段，分别为：

起步期：2009年-2012年，以比特币为代表的加密数字货币使得区块链技术开始走进部分极客和新兴技术爱好者的视野当中，并开始在世界范围内形成一定程度的关注和研究。

雏形期：2013年-2017年，以太坊在比特币的基础技术架构之上引入了智能合约，使得区块链的可拓展性得到极大的提升，区块链技术开始延展到更多行业和领域。

发展期：2018年-，区块链技术开始迭展，行业发展聚焦于更为安全的技术架构的搭建与更加良好基础性能的提升，区块链安全、区块链与人工智能等方向开始受到行业重视，一些应用逐步在全球各个行业领域开始试点。

目前区块链技术发展总体阶段处于类似于互联网发展的初期阶段，距离大规模的应用落地仍然需要时间积累。“区块链+AI”是新兴技术相互赋能的良好应用结合，区块链技术在人工智能这一垂直领域的探索，有助于加速新兴技术的落地，并在实践过程中不断完善。目前大部分“区块链+AI”项目仍处于概念验证阶段或早期应用阶段。

二、“区块链+AI”具有的优势与挑战

在人工智能为区块链提供更强大拓展场景与数据分析能力的同时，区块链技术可为人工智能提供高度可信的原始数据以支持其持续的“深度学习”。在未来人工智能高度发展的同时，也可通过区块链的分布式、透明、可溯源的特点，来保障人工智能始终处于人类可控的范围之内。这对两者的技术发展进程都提出了更高的要求，总体而言，区块链技术本身处于早期阶段，与人工智能相结合需要持续迭代以满足人工智能对性能和稳定性的要求。

1、“区块链+AI”两项尖端科技的相互赋能

区块链与人工智能两项技术的结合，有以下七个方面的优势：一是区块链可以提高人工智能的数据安全性；二是区块链可以加速数据的累积，给人工智能提供更强大的数据支持，解决AI的数据供应问题；三是区块链可以解决数据收集时的数据隐私问题；四是人工智能可以减少区块链的电力消耗；五是区块链使得人工智能更加的可信任；六是区块链帮助人工智能缩短训练时间；七是区块链有助于打造一个更加开放与公平化的人工智能市场。双方结合的优势具体说明如下：

（1）提高数据安全性

区块链可以帮助人工智能避免因数据存储问题导致的故障。区块链中每个节点都按照链式结构存储完整的数据，每个存储节点都是独立的、地位等同的。区块链的高冗余特性，分布式数据存储，可避免系统级别风险的发生。理论上看除非所有节点全部出现风险，否则数据就是安全的。

此外，考虑到人工智能诊断的“黑箱”问题，清晰谁建立了人工智能，使用什么数据进行训练，以及谁部署了最终的，是我们应对人工智能可能出现的问题的最佳防控手段。目前使用的大多数人工智能程序都是“深度学习”算法的变体。不良的数据内容将给人工智能带来相应的安全隐患，区块链则通过记录哪些核心算法是使用哪组训练数据开发的，避免了这一问题。更宽泛地说，区块链可以记录谁编写了原始的人工智能算法以及用什么数据来训练算法。

（2）大量且丰富的数据支持

一些企业为了自身发展会进行海量数据收集，同时因为市场竞争而拒绝进行数据共享。由此造成这些公司接触到的数据有限，缺少完整的数据集做支撑，使得人工智能产品质量较差。采用区块链技术，可以利用数据分类帐进行部分数据的购买销售。可靠性强、可用性高的数据将会使得企业生产出高质量的计算机识别，语音识别和其他数据密集型应用。

当收集了大量同类型数据用于训练AI模型时，数据会受到偏差或“过度拟合”的影响。数据样本将不具备典型的随机性来代表总体的特性。使用此类型数据训练的模型比使用更多不同样本进行训练的模型表现能力要差很多。通过引入区块链技术，让不同的人和公司来提供可信的不同数据，可以获得更多样化的数据样本，帮助AI完成“自主性”决策。

（3）隐私保护

人工智能的高速发展需建立在大量的数据基础上，不可避免地涉及到个人隐私数据合理使用的问题，例如从公共数据库中推导出私人隐私信息，通过这些信息又推导到其他相关人员的信息，这已经超出大部分人同意披露的信息范围。区块链采用非对称加密和授权技术，交易信息公开透明，但对于账户身份信息是高度加密的，只有经过数据拥有者授权才可访问该数据，即使遭到入侵，也仅是一小部分信息内容，无法获取用户完整的个人身份信息，此技术在AI大数据运行环境下，个人的隐私免于被侵犯，不法企业难以利用用户数据来牟取不正当利益。同时，区块链与加密算法相结合可以在数据分享过程中分离数据所有权和使用权，让数据使用方可以利用密文进行模型训练和使用，彻底杜绝原始数据泄露的风险，从而打通企业和政府中的数据孤岛。

（4）能源消耗减少

采用POW共识机制的区块链项目需要消耗大量的电力资源，人工智能可以通过学习算法，提升数据中心的负载，操控计算机服务器和相关的散热系统，优化冷却，有效地进行设备管理，从而减少电力的消耗。对于AI可以优化能源消耗已被谷歌和百度等公司证实，2017年6月百度的智能楼宇项目一个月内为百度省下了25万度用电量，谷歌旗下AI实验室DeepMind利用人工智能技术帮助谷歌削减了15%的用电量。

（5）可信任度的提升

一个人工智能管理的区块链可以为独立于人工智能运行的底层平台的人工智能提供一个分散的标识。每一个主要的人工智能都可以注册成为被普遍认同的节点，这将为AI识别提供一个解决方案，类似于今天的网站证书，以验证网站所有权。

一个人工智能管理的区块链还可以允许每个人工智能将其活动的常规哈希函数写入区块链分类，以便具有加密密钥的可以对其进行不可篡改的检查。区块链搭载的人工智能分布式账本记录了人工智能做了什么，确保人工智能的错误行为被及时的发现、分析和纠正。而区块链的不可篡改性使得人工智能几乎不可能“掩盖它的踪迹”和删除犯罪活动数据。

最后，区块链的共识机制可以确保人工智能处于控制之下。通过人工智能执行任务的公共记录(必须由多个区块链节点进行验证)，我们可以确保人工智能的运行不会超出界限。

（6）更短的AI训练时间

在使用区块链技术保障训练数据的真实可靠性的前提之下，可以通过区块链的分布式数据存储的方式将一台人工智能的深度学习训练时间大幅度的减少。例如一个人工智能的训练可以采用模型并行或者数据并行的方式，将单个的模型或者数据分布在不同的机器之上，从而减少训练时间。人工智能也可以在同步数据并行中删除同步约束限制，而采用异步并行模式——人工智能在每一步的信息处理中不必等待数据的相互确认，可以直接进行下一步的操作，从而进一步减少人工智能的深度学习训练时间。

（7）开放公平性

区块链提供的核心价值是“去信任中介化”。如果想要创建一个自组织和自我调节的人工智能网络——那么分布式记账技术是最好的途径。谷歌、腾讯、IBM、Facebook和其他大型科技公司已经彻底改变了分布式计算——将计算任务分散在多台虚拟机之间，以实现高效的可伸缩任务处理。但是他们的布式处理工具仍然是非常集中的，并且专注于由中心化的控制器统一调度特定任务，以实现非常特定的目标。

而基于区块链技术的智能合约将使“去信任中介”的网络得以实现，在这种可信网络中，两个人工智能系统可以安全可靠地进行交互，而无需任何中心化的中介。区块链还可为人工智能提供声誉系统，这样每个人工智能都可以在选择与其他人工智能进行交易之前检查其声誉。另外，区块链的无中介、高透明度将鼓励这些人工智能开发人员共享他们的数据和他们的产品，而不必担心出现某些偏袒竞争对手或窃取其知识产权的情况，并确保所有相关方为他们的工作获得适当的报酬。

2、“区块链+AI”面临的挑战

“区块链+AI”的面临的问题主要包括两方面：一方面是AI和区块链自身的缺点，在结合后仍无法有效解决；另一方面是AI和区块链结合过程中可能造成原有优势被破坏。例如：

（1）政策性风险

区块链目前部分的衍生应用在世界各地存在着一定的政策风险——例如未来是否采用区块链技术伴生的通证来激励人工智能开发或节点管理，但无论是在经济上还是在政策上如何定义通证仍有很大的不确定性。

（2）技术融合的不确定性

作为两个前沿的新兴技术，且都处于尚未完全成熟的阶段。无论是从当前区块链的技术指标，还是从人工智能的实际落地性来讲，距离两者真正的结合并实现落地，需要面对的不确定性因素仍然存在。目前区块链的主要问题为扩容、隐私、和计算能力，主流的公有链难以支撑人工智能的链上实现。

（3）大规模的社会应用面临挑战

数据共享威胁大型企业利益。通过弱化数据的中心化，降低了大型企业相对小公司的竞争优势。如果任何人都可以访问这些数据集和计算，那么任何人都有机会与世界上最大的公司竞争。从技术领域中去除这些障碍将会改善社会，但共享市场的尝试可能会让大公司感到不安。如果任何人都有能力在世界上制造出最好的人工智能，那么市场将与许多正在争夺一部分市场的初创企业和小企业共同分享。之前使用用户数据来制定广告或业务策略的公司和政府组织将再次被迫以较不直接的方式获取其数据。因此，大公司可能会反对数据去中心化，并可能游说维持AI模型开发方面集中式数据集的现状。

（4）不可控性

当使用了“一旦运行不可停止”的智能合约时，如果合约代码存在漏洞被黑客利用，黑客将通过智能合约漏洞牟利，因在区块链上运行的事务和交易不可撤销，可能会给企业和个人造成不可挽回的损失。

三、AI与区块链结合的应用场景

结合两者技术优势，通过AI让区块链更智能，区块链让AI更“自主”，更可信。目前对于AI和区块链的结合应用，市场上已经涌现出很多相关项目和理论创新，描述了不同场景下结合，比如：

（1）区块链+AI在医疗方面进行结合

相关的结合领域有医疗数据加密和医疗计算分析。关于医疗数据方面，据统计，大部分的医生会直接将病人的病情、个人信息等信息发给同事，这涉及侵犯病人隐私的问题。应用区块链的非对称加密和授权等技术，对关键信息进行加密，只有经过数据拥有者授权才可访问该数据，将大大的提高医疗数据的隐私性。关于医疗计算分析方面，AI在医疗机构提供数据错误率小于2%，利用区块链的技术，可以对于医疗数据进行信息交换，相比传统AI，数据可更好地进行共享。谷歌旗下DeepMindHealth正在开发区块链医疗数据审计系统，利用“区块链+AI”技术让医院、NHS、病人自身都能实时跟踪其个人健康数据。

（2）区块链+AI在数据市场进行结合

利用区块链集合群体的力量，进行数据上的共享、AI模型的训练等。AI的发展离不开庞大的数据集，区块链可以利用数据分类帐进行高质量数据的购买销售，当收集了大量的、多样化的数据样本后，可用于训练AI模型，这些数据及AI模型将会解决信任的数据孤岛问题，使得人工智能机器人可以进行共享学习，自我成长，产出高质量的计算机识别，语音识别和其他数据密集型应用。目前SingularityNet、DeepBrainChain、Bottos、OceanProtocol、Indorse、ARPAChain等项目涉及该领域。

（3）区块链+AI在金融领域进行结合

相关的结合领域有市场情绪分析、去中介交易商经纪人（IDB）和检测金融欺诈行为等。关于市场情绪分析及去IDB方面，利用AI进行深度学习和时序分析，再结合区块链技术保护下的个人数据相整合，为个人提供更精准的交易服务。具体来说，就是从用户面板上进行大数据采集及处理，通过人工智能分析用户情绪数据，对市场波动进行预算，最后自动化下单。利用机器人取代人工，提升效率，降低了IDB佣金。在检测金融欺诈行为方面，使用交易机器人，高频加密交易，弱中心化减少人为操控的可能性，降低金融欺诈风险，此外，AI监控加密市场，让恶意攻击变得更难。目前有Autonio、Aigang、Numeraire、Endor等项目涉及该领域。

（4）区块链+AI在云计算方面进行结合

当前AI云计算方面面临计算资源昂贵、训练时间长、训练数据多、开发去中心应用困难等问题，结合区块链技术后能较好地解决以上问题。把区块链中挖矿及电力消耗过程中过剩的资源转换为AI云算力，资源上进行整合，降低计算成本。目前有NebulaAI项目涉及该领域。

（5）区块链+AI在物联网方面进行延展

首先，区块链技术可以帮助解决“如何证明自己是自己”的问题，用户可通过区块链+AI技术完成生物身份识别和身份认证，将个人身份与物联网联系在一起。其次，解决了更新的问题，所有物联网设备在区块链+AI的加持下，数据共享，设备可智能化更新。具体的垂直应用包括：应用在工业制造上，制造生产的设备在区块链中传递信息，更智能化地成长，提高效率、增加产能；应用在交通上，更好地铺开无人驾驶应用，解放人们的时间，智能化管理交通，有利于减少交通堵塞、交通事故的发生；应用在监控等公共基础设备上，身份认证能快速的识别出罪犯，有利于维护社会稳定。目前有智行者、美图等项目涉及该领域。

四、“区块链+AI”行业展望

第6篇：医疗人工智能方案范文

关键词:新医科;智能医学;人才培养

1绪论

健康中国已上升为国家战略，新医科在我国高等教育中掀起了一阵新的改革浪潮，“智能医学”的应用性人才培养模式也随之开启。智能医学工程是以现代医学与生物学理论为基础，融合先进人工智能及工程技术，挖掘人的生命和疾病现象的本质及其规律，探索人机协同的智能化诊疗方法及其临床应用的新兴交叉学科。目前，高校在进行医工融合培养学生的指导过程中，存在许多问题，如医学和工科的理论结合层面较为薄弱，多学科交叉联合指导的机制不完善，成果转化和临床应用性不高。实践层面，在现有的医学教育模式下，医学生缺乏全面的对数据进行收集、处理与分析的能力。但是在智能医学时代，对数据的处理与分析能力会成为医生工作的重要组成部分。面向医疗健康的智能医学工程交叉学科人才的迫切需求，智能医学工程交叉学科的人才培养的机制有待完善。2019年，一些院校如南开大学和天津大学获得教育部的审批，已经率先实行招收智能医学工程专业的新生［1］。高等医学教育对新医科背景下智能医学工程专业人才培养认知还处于探索阶段，智能医学工程如何实现医工交叉学科的融合发展，如何获取人才培养中的合适方法、模式、关键技术等的研究，协同医学发展、社会需求的人才，还需要深入思考和进一步探索。

2新医科背景下智能医学人才培养

2．1新医科符合医科改革的内在需求

随着“健康中国2030”国家决策不断推进，医疗健康逐渐被国家视为重要的基础性战略资源，在大数据和人工智能技术影响下，临床应用、疾病预测与预防、公共卫生、循证公共卫生决策、健康管理、健康监测与个性化医疗服务等方面的研究以及产业发展，将是未来整个医疗领域的提升方向，给智能医学分析与决策赋予了新的意义和内涵。

2．2医工融合发展的必然趋势

随着精准医疗与智能医学诊疗技术的深度融合，理论层面，把握新医科背景下智能医学工程专业复合型创新人才培养目标，以临床应用性为导向，多学科领域知识相互渗透。调整医工结合课程体系，既符合新医科需求，又实现医工融合课程模块间的交叉互补，体现医工结合特色的宽口径学科结构。培养既懂医药科学、数据科学又懂人工智能应用的高级复合型人才。实践层面，精准医疗与智能医学工程技术紧密结合，利用临床医生在传统医学中积累丰富的临床经验，并融入到智能医学诊疗模式变化中，将彻底改变现有诊疗模式。

2．3人工智能助力智能医学工程人才培养

随着科学技术的飞速革新，人工智能核心技术推动传统学科专业建设和医工交叉融合。助力人才培养主要表现在以下三个方面。一是从智能医学诊疗技术创新的角度，技术的革新引领人工智能与各个产业领域深度融合，创造新的产业或领域，计算机模拟人脑的思维过程，实现人机交互，提高医疗资源的利用率，推动医疗产业的高效运转。智能医学诊疗主要包括疾病早期诊断、临床决策支持、正确用药、诊疗方案的选择等。如KopR和HoogendoornM等探索了医院对病人电子病历(EMR)数据进行分析，结合结直肠癌预测模型，更准确的预测早期直肠癌和干预治疗实践［2］;HoshyarAN和Al-JumailyA等探索了医学影像自动诊断皮肤癌，通过数据预处理去除噪音和不必要的背景图像，提高图像质量，辅助医生进行临床决策［3］。二是从医疗健康大数据的角度，随着大数据、数字技术、机器学习和人工智能等信息技术在医疗领域的应用，电子健康记录数据呈指数型增长，医疗大数据来源包括医院记录、患者医疗记录、医疗检查结果和物联网设备［4］。智能医疗系统具有识别、筛选和决策等智能医疗辅助功能。2017年上海计算机软件技术开发中心对医疗大数据可视化系统的实践与研究［5］;2018年，阿里健康与阿里云宣布共建阿里医疗大脑2．0［6］，加强在图像识别、生理信号识别、知识图谱构建等能力的建设［7］;同年，腾讯推出医疗AI引擎“腾讯睿知”，具备更智能化的医疗垂直搜索功能，帮助患者精准匹配合适的医生。三是从人才培养的角度，多学科交叉融合发展是大势。人工智能将打破不同学科专业的壁垒，推进多学科交叉融合发展，形成“人工智能+”的专业新的人才培养模式。高校也应根据产业需求变化调整专业设置，构建新的专业结构。高校人工智能相关的本科专业将会蓬勃发展，形成颇具特色的“人工智能+”专业集群。“人工智能+”技术所衍生的新医科、新工科专业之间的协同创新发展，实现技术创新与医疗应用的统一。以“人工智能+医学”为契机，结合医学产业发展趋势和智能医学工程专业的特点，研究相应的教学体系、制定科学的教学计划，建立具有行业特色的课程群、制定合理的课程大纲，解决学生在医学诊疗和工程技术两方面协调发展的问题，全面提升医学生的综合素养以及未来的职业竞争力。综上所述，新医科人才培养在人工智能助力下，培养学生具备较强的创新意识和具有智能医学领域科研能力，掌握关键理论与方法，创造性地将计算机科学技术、人工智能技术和方法、大数据关键技术与医学应用系统相结合，进而创新性完成的医学信息处理、行为交互和人工智能系统集成及应用。以上需培养的能力，对现有医学专业的改造升级、人才培养模式的改变、师资队伍的全面建设具有较高的要求。

3培养新医科人才的实施路径

3．1从医工融合研究的视角

智能医学工程的专业培养建设要体现医工融合发展需求，推进智能工程、医学与教育的深度融合，提升人工智能在医学中的应用，满足新医科发展要求的卓越工程师为育人目标，强调学科交叉渗透、重视临床应用、把握科技前沿，推动教学创新等。

3．2从医工融合研究的广度

目前我国部分高校开展了医工融合人才培养模式的探索，但有区域特色的医工融合研究还不多。针对新医科临床需求分析，把握智能医学工程高等教育体系，重点聚焦区域特色，研究面向健康和重大及特殊疾病防治需求的“新医科”对人才的需求。

3．3从医工融合研究的深度

(1)整体设计智能医学工程专业教学环节。建立知识能力矩阵，整体设计教学、实验、课程设计、专业实习、毕业设计等环节，突出新医科相关课程及实践，加强附属医院和教学医院的联系，深化临床实践能力。(2)培养学生专业能力和科研创新能力。智能医学工程专业教学与知识能力培养的思考是以智能医学学科的特点为基础，通过知识能力矩阵的智能医学工程专业课程创新教学，根据智能医学工程专业课程知识点的内在联系和相对独立性，优化核心知识模块形成知识能力矩阵，构建课程内容架构。通过系统理论知识教学、优化课程实验和上机安排，引导学生自主设计性学习，提高学生的学习积极性，达到有效教学效果。(3)结合学生兴趣偏好，研究如何提高学生的专业兴趣，探索将专业兴趣转换为“工匠精神”的教育理论及方法:广泛调研，全面建立当前地方高校智能医学工程专业学生与专业偏好的培养模式。

4结语

第7篇：医疗人工智能方案范文

市场层面上，随着旷视科技Face++C轮融资4.6亿美元、商汤科技B轮融资4.1亿美元、明码生物科技B轮融资2.4亿美元等多笔融资的完成，众多国内人工智能初创公司再次创下惊人的融资数。而据美国公司TechCrunch统计，今年自动驾驶领域全球融资的数额到11月初已经达到14亿美元，已经远超去年全年的6.3亿美元，全球资本市场对于人工智能在无人驾驶的发展也无疑是看好的。据易观咨询的《人工智能理财市场专题分析》报告，人工智能在金融的应用已被提至新高度，预计中国人工智能理财规模到2020年将达到5.22万亿。

今年9月，高盛在其的《中国在人工智能中崛起》报告中也提到，中国已经成为人工智能领域的主要竞争者，BAT将是中国第一批人工智能受益者。值得注意的是，离开中国大陆七年之久的谷歌已经借AI实验室成立选择回归。而以百度、阿里巴巴，腾讯为首的互联网巨头也纷纷宣布全面布局人工智能领域，并且实施了多起海外并购。晨哨集团研究部也根据并购决策方及标的在业界的影响力、并购产业链布局及并购金额等综合因素选取出人工智能领域10宗有代表性的跨境并购案例：

百度收购硅谷科技创业公司xPerception今年4月份，百度宣布收购硅谷科技创业公司xPerception，具体金额未透露。

xPerception是创立于硅谷的初创公司，是一家专注于机器视觉软硬件解决方案的科技公司，面向机器人、AR/VR、智能导盲等行业客户提供以立体惯性相机为核心的机器视觉软硬件产品，此前曾获得真格基金天使投资。

针对此次并购，百度表示，收购之后xPerception的核心团队均加入百度研究院，加速包括AR、自动驾驶和机器人在内的百度人工智能业务矩阵的产业化。

百度全资收购美国初创公司KITT.AI今年7月份，百度宣布全资收购美国初创公司KITT.AI公司，并把KITT.AI公司的语音能力和自然语言处理能力融入到百度平台中，全面免费向百度的合作伙伴赋能开放。知情人士透露，本次收购的价格也在亿元之上。

资料显示，KITT.AI成立于西雅图，是一家专注语音唤醒和自然语音交互技术的公司，曾经入选了美国知名创投研究机构CB Insights人工智能创业一百强，并获得微软联合创始人Paul Allen和亚马逊子公司Alexa投资。公司创始成员包括JHU博士姚旭晨(CEO)、JHU博士陈果果(公司CTO)等。

Kitt.AI共开发了三款产品：Snowboy(可定制的词典检测引擎)，NLU(多语言自然语言理解引擎)和ChatFlow(多圈谈话引擎)。

百度表示，收购KITT.AI是利用其强大的语音能力和自然语言处理能力用在软硬结合的过程中强化体验，而百度在AI领域的广泛布局为对于KITT.AI技术的落地应用提供了良好的现实基础。

百度、蚂蚁金服、启明创投等参投数据库人工智能平台TigerGraph3100万美元A轮融资今年11月，企业级实时图数据库人工智能平台TigerGraph在华创思享会上宣布获得3100万美元A轮融资，本轮融资来自启明创投、百度、蚂蚁金服、华创资本等公司。

资料显示，TigerGraph，是新一代企业级的实时图数据库平台，总部位于纽约，它的技术突破代表着图数据库演进的下一个里程碑——一个完整的、分布式的并行图计算平台，能够支持网络规模数据的实时分析。其技术能够支持网络规模数据的实时分析，可适用于大图——深度链接分析的最佳模型。他们能够探索、发现和预测关系，并且应用于个性化推荐，反欺诈，供应链物流优化，企业知识图谱等，其客户包括支付宝、VISA、软银、以及美国的wish等知名初创公司。

腾讯跟投人工智能创业孵化器Element AI A轮1.02亿美元融资2017年6月，加拿大人工智能咨询公司Element AI宣布获得1.02亿美元A轮融资，由Data Collective(DCVC)领投，Tencent(腾讯)Intel Capital(英特尔投资)，Microsoft Ventures(微软创投)等跟投。

资料显示，Element AI是一家人工智能创业孵化器，于2016年10月由机器学习先驱YoshuaBengio等共同创立的。Element AI宣称，为全球网络安全，金融科技，制造，物流和运输，机器人等领域的企业提供AI解决方案，已开发出了一种“独特的、非剥削性的学术合作模式”，其学习算法也已经在多家机构中被应用，并让用户能够将人工智能应用在其网络安全、金融技术、物流等产品上以获取相应数据。

腾讯、创新工场和TCL资本等参投美国儿童机器人创企奇幻工房Wonder Workshop获4100万美元C轮融资今年10月30日，美国加州儿童机器人教育科技创企奇幻工房Wonder Workshop宣布获得4100万美元的C轮融资，投资方包括腾讯、创新工场和TCL资本、CRV、Madrona Venture Group、香港Bright Success Capital等。截至目前，该公司的融资总金额已经达到了7834万美元。

资料显示，奇幻工房业务覆盖全球37个国家，其明星产品是Dash和Dot两款机器人，并且为儿童提供了可视化编程工具，让儿童通过自己编写的软件操控“达奇”和“达达”两款机器人。目前，该公司已经开放了应用程序接口，允许开发人员基于上述两款机器人构建应用程序。另一方面该公司特别针对中小学生推出了“Teach Wonder”教育项目，旨在从学校为切入口来推广机器人编程，并且在社交媒体上积极推广产品。

阿里参投美国初创公司Magic Leap 5.02亿美元D轮融资美国增强现实(AR)创业公司Magic Leap，该公司刚刚完成了一笔5.02亿美元的D轮融资，其估值已经接近60亿美元。由新加坡淡马锡控股领投，阿里巴巴、谷歌等公司参投，此轮融资正值Magic Leap的一款在现实图像上叠加虚拟影像的增强现实眼罩产品之际。

资料显示，Magic Leap成立于2011年。其创始人Rony Abovitz曾是MAKO外科手术机器人公司的创始人。而Magic Leap是一个类似微软HoloLens的增强现实平台，主要研发方向就是将三维图像投射到人的视野中，但是它的研发的技术目前依然处于绝密状态。

一份法律文件显示，Magic Leap正在开发人工智能机器人。Magic Leap已在加州北部地方法院对两名前员工提起诉讼，其中一名被告是Magic Leap前先进感知和智能高级副总裁加里·布拉德斯基(Gary Bradski)。他在机器人和人工智能领域有着丰富经验，此前在Magic Leap开发私有技术，参与了涉及机器人深度学习技术的项目和计划。

复星1336万美元投资德国初创公司NAGA复星在今年3月以1336万美元投资德国公司NAGA，NAGA是一家通过为用户提供创新性的智能投顾产品和交易服务的公司。

智能投顾(Robo advisor)凭借人工智能分析客户需求匹配金融资产的资产配置手段。它利用智能化算法，根据投资者具体情况，运用一系列投资组合优化的理论模型，为用户提供投资参考的动态资产投资配置。

资料显示，The Naga Group AG位于德国，成立于2015年8月，由Yasin Sebastian Qureshi、Christoph BrüCK、Benjamin Bilski创立，其中，Yasin Sebastian Qureshi是德国著名的金融人士。旗下应用程序是SwipeStox，是一款社交网络金融服务应用，让客户能够实时交易外汇、指数、大宗商品和差价合约。SwipeStox以游戏的形式激发股票交易兴趣，同时简化金融交易流程，并在2016年7月，与美国著名外汇经纪商福汇达成合作。

Naga，已于今年7月份在德国证券交易所完成IPO。

复星1425万美元战略投资以色列初创公司Bondit复星在10月底，宣布完成对以色列公司BondIT1425万美元战略投资，并成为BondIT的主要股东。

资料显示，BondIT是一家位于以色列从事AI研究的金融科技公司，提供基于机器学习算法的固定收益投顾解决方案，产品专注于难度更高且市场相对空白的全球债券市场的固定收益领域。Bondit通过创建和优化债券组合来获取投资回报，宣称可利用数据科学和人工智能来克服在固定收益产品中经常出现的复杂性和效率低下。

复星表示，其通过海外并购智能投顾公司，借助自身完善的全球化布局，使集团能够嫁接其有海外资产配置需求的中国高净值客户，并试图在金融科技及财富管理业务上寻找各种优质并购目标。

尚珹资本跟投Petuum 9300万美元B轮融资今年10月10日，机器学习基础架构平台开发初创公司Petuum Inc，宣布完成9300万美元的B轮融资，由软银旗下投资公司领投，尚珹资本跟投。

资料显示，Petuum， Inc.是一家专注于人工智能和机器学习的解决方案研发平台，总部位于美国宾夕法尼亚州，创办人Eric Xing博士是美国卡内基美隆大学计算机科学学院机器学习系的教授兼研究副主管。据了解，作为人工智能和机器学习的研发平台，Petuum立足于对机器学习和计算方法的基础研究，为应用程序的开发和部署提供了一种跨平台、标准化的方法，从而尽量避免了现有机器学习框架和云基础架构的碎片化，使得各行各业、各种规模的公司能够获取最前沿的人工智能技术。

通过新一轮的融资， Petuum将继续扩展其技术和业务团队，并专注于把PetuumOS部署在那些有着广泛人工智能应用前景但采用率低的具体行业，如制造业和医疗保健。

尚珹资本(Advantech Capital)官网显示，其于2016年1月正式成立，是一家专注中国市场的私募股权投资基金，并侧重于以创新为驱动的成长型投资机会。

埃斯顿900万美元收购美国高科技公司Barrett30%股权，布局高端人工智能机器人领域今年4月份，埃斯顿公告，拟通过全资子公司使用900万美元收购美国高科技公司Barrett Technology30%股权，拓展基于核心功能部件的人工智能和微型伺服系统领域。

埃斯顿公司为进一步提高智能制造核心功能部件的竞争力，拓展基于核心功能部件的人工智能机器人领域，拟通过全资子公司使用900万美元对美国BarrettTechnology公司进行部分股权收购并增资，收购及增资完成后，公司通过直接和间接方式共持有Barrett Technology股权比例为30%。

第8篇：医疗人工智能方案范文

今年“两会”，“人工智能”首次被写入了政府工作报告，也成为两会代表委员热议的话题之一。

浪潮集团董事长孙丕恕、腾讯创始人马化腾、百度创始人李彦宏、科大讯飞创始人刘庆峰、复星集团董事长郭广昌等代表委员在两会发言中纷纷为人工智能发展建言献策。

如果仔细阅读孙丕恕、李彦宏、马化腾、刘庆峰、郭广昌等代表委员关于人工智能的提案议案，你会发现，他们既是为推动人工智能产业发展发声，也是为各自企业抢占人工智能先机造势。

业界一致认为人工智能技术商业化的拐点已经到来，哪些企业最有机会？显然是那些技术嗅觉敏感、已率先布局的企业更有机会抢占先机。

具有应有场景

和大数据优势的

互联网巨头

BAT是目前国内人工智能的重量级玩家。BAT企业中，百度布局最早，投入力度最大。李彦宏在两会上提交的三项提案均聚焦人工智能。

人工智能已成为百度的核心战略。百度大脑、百度无人车、被称为“人工智能权威”的百度新任总裁陆奇等都成为百度人工智能战略的重要布局，受到业界的高度关注。

据李彦宏介绍，去年和前年，百度的研发投入各有100亿元左右。在李彦宏看来，人工智能技术正在快速发展，大投入才可能有大收益。

与百度在战略上高举高打、重金豪赌不同，腾讯、阿里对人工智能的布局更加现实，主要从现有场景入手，将人工智能结合到现有产品中。

阿里的人工智能是放在阿里DT大商业体系内，配合云计算、大数据对阿里的电商物流乃至物联网体系展开。腾讯则将人工智能紧密围绕内容、社交、游戏三个核心应用场景展开，把人工智能落地在微信、游戏、新闻里面，提升用户体验。腾讯和阿里一样，也把人工智能与腾讯云进行了结合，面向企业市场推出了基于AI的云服务。

由于人工智能技g研发投入大，BAT企业从互联网向AI布局，具有技术实力和资金实力。同时，BAT企业拥有十几年的产品与数据积累，为发展人工智能提供了天然条件。它们在搜索、电商、社交等领域的用户积累和应用场景也有助于人工智能产品实现落地。

给人工智能建设提供“装备”的

IT企业

在互联网投入和建设时期，受益最大的是像思科这样给互联网“淘金者”提供“水”、“铁锹”等工具的互联网设施提供商。当年思科因为抓住了互联网先机快速崛起，当时思科CEO钱伯斯也因此被称为“互联网先生”。

国内老牌IT企业浪潮也是互联网大发展的受益者。伴随中国互联网市场的高速成长，浪潮已成为中国最大的服务器厂商，BAT等企业的数据中心运转着浪潮的服务器和存储产品。

在人工智能建设时期，浪潮也要为“人工智能淘金者”提供“养料”和“装备”。浪潮为此已较早进行了准备和布局。

技术出身、对技术发展脉络有深刻把握的浪潮董事长孙丕恕，较早就看到大数据和云计算的机会，在三年前，浪潮提出做“中国领先的大数据和云计算服务商”，向大数据和云计算领域转型。

如今，浪潮已具备人工智能的三大支撑能力――计算资源、算法资源和大数据资源。

在计算方面，浪潮已经布局多年。无人车测试中，百度实现近90%的识别准确率，这背后依托着采用GPU协处理加速的浪潮服务器。腾讯、阿里、搜狗、今日头条等企业发展人工智能，背后都有浪潮计算力的支撑。

在大数据方面，浪潮从2010年开始投入大数据，目前浪潮的天元数据网已经采集了50PB的高价值数据。人工智能需要大数据“喂养”，浪潮拥有大数据积累。据孙丕恕介绍，浪潮将以天元大数据为依托，加速大数据双创行动在人工智能领域落地。

在云计算方面，浪潮已投资100亿元在全国建设7大云计算数据中心，以行业云的形式提供云计算服务。意识到人工智能在云计算建设中机会巨大，浪潮下一步计划结合人工智能应用，进一步发力云计算市场。

看来，成名于PC时代、成长于互联网时代的老牌IT企业浪潮，有望在人工智能时代焕发新生机。

聚焦某个专业领域的专业人工智能公司

典型企业：科大讯飞

科大讯飞是国内智能语音和人工智能专业领域的领导者。随着在语音技术越来越深入应用，这家曾多年默默无闻的企业，越来越走向前台、受到关注。

在去年10月锤子科技新品会上，锤子科技创始人罗永浩现场演示科大讯飞语音输入功能，随后说了一段话，识别结果一字不差，惊艳全场。

应该说，科大讯飞作为国内早期专注于智能语音和人工智能领域的企业，经过18年的厚积薄发，已进入丰收的季节。科大讯飞不仅拥有大量使用“讯飞语记”的2C用户，更有锤子、华为、IBM这样的2B用户。科大讯飞的产品既可能直接提供给终端用户，也可通过集成到合作伙伴的产品和方案中实现商用落地。

随着人工智能商业化的加速和资本的热捧，会出现更多专业领域的专业人工智能创新公司。比如，上个月被百度收购的渡鸦科技和2016 年2 月由英特尔研究院原院长吴甘沙参与创办的驭势科技，都属于这样的专业人工智能公司。

积极拥抱人工智能“AI+”的各行业企业

典型企业：复星实业

复星集团董事长郭广昌的2017年两会提案主要关注医学人工智能领域，也与复星布局医疗人工智能有关。据了解，复星医药已经在布局达芬奇机器人等产品线。根据财报数据，在去年前三季度复星医疗旗下的达芬奇手术机器人于中国内地及香港地区的手术量达到约8000台，同比增长约49%。

郭广昌非常看好“人工智能+医学”，他认为人工智能也是医学应用的制高点。去年12月10日，复星医药与美国Intuitive Surgical签订战略合作，共同注资1亿美元在上海成立合资企业，主要研发、生产针对肺癌的早期诊断及治疗的基于机器人辅助导管技术的创新产品。Intuitive Surgical据称是全球机器人辅助微创手术的领导者。

和复星实业希望通过人工智能技术抢占医疗制高点一样，奇瑞汽车通过自主研发，并与百度、科大讯飞等合作，加大在无人驾驶、智能汽车领域投入，希望抢占智能汽车市场先机。

可以预见的是，随着人工智能在各行各业的普及，积极拥抱人工智能的传统企业更有机会获胜。

慧眼识珠的产业投资、风险投资、中介等企业

典型企业：创新工场

创新工场的创始人是先后任职微软和Google的李开复。李开复是学人工智能专业出身，他肯定不能放过挖金人工智能的机会。创新工场先后投资了旷视科技（Face++）、驭势科技以及第四范式和地平线机器人（Horizon Robotics）等人工智能公司。根据李开复的判断，人工智能投资已进入“黄金时代”。创新工场还成立了自己的人工智能工程院，由李开复亲自担任院长。

还有一家新成立仅一年多的创司在人工智能圈很知名，它叫“将门创投”。能在短短时间迅速出名，一是因为它聚焦在火热的人工智能领域，二是因为它的管理团队来自微软创投加速器的创始团队，已经积累很多创始企业资源和行业资源。

任何一个有商业化“钱景”的新技术都会受到资本的青睐，人工智能也不例外。

第9篇：医疗人工智能方案范文

近日，青岛市物价局批复关于IBM开发的医生会诊人工智能产品沃森肿瘤的收费。据此，医院可根据自愿原则，与病人双方协商并签订协议确定具体收费标准。这意味着，医疗人工智能产品作为医疗服务项目，其商业化临床应用和推广受到主管部门认可。

沃森是当前医疗领域应用相对成熟的智能机器人，也是全球最早进入临床的产品。据其中国地区分销商百洋智能科技董事长付钢透露，目前沃森肿瘤已经在八省落地，预计年底覆盖150家三级综合医院。

但在本土化过程中，如何获取各医院医疗数据和诊疗方案，克服国内医疗信息数据孤岛，并打动医疗机构和医生接受这一新事物以及让患者为高价埋单，都是沃森无法回避的问题。

医生助手

公开数据显示，2015年国内新发癌症病例约429.2万例，其中，281.4万例癌症死亡。在治疗方面，国内外存在巨大差距：国内所有癌症患者的平均五年生存率仅为30.9%，而美国已达到66%。

专家分析，主要原因在于，一是发现不及时，体检体系不发达，中国50%的肿瘤患者入院就已是晚期患者，美国只有10%的入院患者是晚期患者;二是因为国内肿瘤整体治疗规范水平不够。

“要解决几百万人的肿瘤治疗，一定是通过更先进的工具提高医生的效率，提高一线医生的诊疗水平。”付钢表示，肿瘤患者对于治疗方案、健康状况确认的需求非常旺盛，以往很多肿瘤患者会在进行治疗后或者在发现病情前就去一线城市甚至国外的医院进行治疗。这也是其引进沃森健康系列产品的主要出发点。

“沃森的开发是给医生做助手，而非取代医生。”IBM沃森健康中国区总经理郭继军说。

据了解，沃森“学习”过程类似AlphaGo，由纪念斯隆-凯特林癌症研究中心（MSKCC）历时四年半训练出来，它汲取了300多份医学期刊、200余种教科书、超过1500万页的论文研究数据以及基于美国国立综合癌症网络的癌症治疗指南和MSKCC在美国100多年癌症临床治疗实践经验等，并保持每月更新。

目前，沃森健康已研发出3种肿瘤科产品：沃森肿瘤、沃森基因解决方案和沃森临床试验配对。IBM沃森健康总经理Rob Merkel介绍，沃森产品目前已在13个国家开展临床应用，并很快推广到20多个国家。其中沃森肿瘤和沃森基因解决方案分别于去年8月和今年6月被引进中国市场。

以沃森肿瘤为例，接受患者预约后，肿瘤专家与患者实行面对面交谈，根据患者病历情况，择病情重点现场上传关键词至云端，经过沃森的数据库从中筛选和抓取有用的诊疗内容，并输出四项内容：治疗方案描述、治疗方案遵循了哪些指南和治疗思想、帮助寻找到患者的临床医学证据以及用药建议，同时会评估患者采用该方案的疗效与风险，最终由医生决定是否采取。目前沃森的诊断治疗范围涉及肺癌、乳腺癌、直肠癌、结肠癌、胃癌、卵巢癌和宫颈癌等治疗领域。

据称，和顶级专家组所给出的治疗方案相比， 沃森肿瘤的治疗方案已达90%以上的符合度，逐渐成为肿瘤专家的重要智能助手。

“沃森其实就是一个国际多学科专家的肿瘤会诊意见。”青岛大学附属医院副院长张晓春告诉《财经国家周刊》记者，今年4月底其所在医院沃森国际肿瘤诊疗中心开诊并接诊第一批病人。目前已经接诊了256个病人，其中沃森肿瘤对33个病例给出的诊疗方案，与MIT专家做的治疗方案比对一致率是96.8%。 沃森是当前医疗领域应用相对成熟的智能机器人，也是全球最早进入临床的产品。

在张晓春看来，对资深专家而言，沃森肿瘤还是太年轻，其提供的方案更适合用于指导基层医疗机构对肿瘤规范治疗缺乏认知的医务人员。用沃森肿瘤培养年轻医生、带团队，尤其对非肿瘤科室的医生非常有用。

据了解，使用沃森肿瘤和沃森基因组学均需自费，沃森肿瘤价格是4500元/次，沃森基因组学为5000元/次。

本土化挑战

根据规划，沃森肿瘤今年底将进入中国150家三级综合医院。其在国内运营服务经销商除百洋智能科技外，还有杭州认知网络科技公司。

百洋智能科技首席营销官王必全透露，目前已经接到很多医院的合作意向，按照市龇从η榭隼纯矗医院引进速度和规模可能远超规划，实际引进沃森肿瘤的医院会在150-300家之间。

广受追捧的背后，其应用实效和商业化成果仍有待时间检验。

“还是本土化不足的问题。”张晓春说，沃森肿瘤提出的方案都是基于欧美国家的病例，尤其是MSKCC的专家的一些成功案例，而肿瘤治疗在人种、基因上是有差别的，沃森给出的治疗方案是否适合亚洲人群还有待研究。在药品方面，国内自主研发的肿瘤靶向药如果在欧美国家没有上市的话，暂时也未被纳入其认知系统中，这给中国医生的诊疗带来了一定局限性。此外，针对病情比较复杂的肿瘤患者，比如一些经过多线化疗和对药物产生耐药性的患者，沃森肿瘤还不能很好地解决。

纳入本土化案例及数据是其接下来要努力的方向。郭继军表示，IBM将会从帮助医疗机构提升绩效、基于国内医疗转型需求的层面出发，解决数据整合问题，并逐渐积累和吸收中国医生及研究人员的论文和循证研究成果。

但这并不容易。据了解，获取训练医疗人工智能所需的数据，主要是采用合作和并购方式，成本很高，数据来源的正当性也常受质疑。这一模式在国内开展起来可能颇具困难。主要原因在于，目前国内各医院系统并不相连，也没有统一规范的临床结构化病历模型标准，不同医院的病历书写存在差异，非结构化的数据导致很难做到高效率的大数据挖掘。而且，由于国内临床病历缺乏规范，不少临床实际治疗、诊断细节在病历中无法体现，此外，与国外患者离院后延续性的随访体系不同，国内患者离开医院失访率非常高，临床病历和高度碎片化的数据实际价值有限。

对于医院而言，引进沃森的成本也不小。张晓春并未透露具体引进费用，但据她介绍，沃森肿瘤软件不能直接在医院HIS系统运行，需要另建系统并单独设立专门的诊所。

而推广沃森产品，国内医务人员的培训不可或缺。“如果沃森在全国铺开，至少要训练一万名专业的肿瘤医生。”付钢表示，肿瘤科是非常专业的科室，具体对于每个病人在不同的治疗场景下，用好这一助手，需要与医生沟通互动并开展培训。

据付钢称，目前百洋已经筛选了500家医院，配备相应的医生培训工程。这将付出大笔的培训费用。