人工智能醫療產業是人工智能技術應用的一個細分領域，其產業鏈包括奠定網絡、算法、硬件鋪設和數據獲取的基礎層，模擬人工智能相關特征構建路徑的技術層，以及集成人工智能技術面向特定場景的應用層。2017年7月，國務院正式印發《新一代人工智能發展規劃》，提出加快人工智能醫療創新應用，包括智能醫療體系、智慧醫院、人工智能大規?；蚪M識別等領域，以搶抓人工智能發展的重大機遇，構筑中國人工智能醫療的先發優勢。但當前的人工智能醫療在不同層面仍面臨多種問題，產品普遍未落地，亟待政府支持引導。

　　1、中國人工智能醫療產業發展的特點

　　1.1產業發展基礎全球領先

　　學術方面，麥肯錫數據顯示，2017年美國人工智能論文影響力指標H指數為373，英國為190，中國為168（排名全球第三）。人才方面，騰訊數據顯示，2017年全球人工智能人才總量約20萬人，其中美國7.8萬人，中國3.9萬人（僅次于美國）。投融資方面，烏鎮智庫數據顯示，2009—2018年全球人工智能醫療企業融資總額97.4億美元，其中美國企業共獲投59.9億美元，中國企業獲投17.6億美元（僅次于美國）。

　　1.2產業發展受政策影響大

　　以人工智能醫療基礎層數據為例，為落實《關于促進和規范健康醫療大數據應用發展的指導意見》，中國三大健康大數據公司通過注入資本和發起產業聯盟，共同推進國家健康醫療大數據中心、區域中心、應用發展中心建設。可見，人工智能醫療的發展受政策的影響較大。

　　1.3整體商業化程度較低

　　中國大部分人工智能企業是在2015年后進入人工智能醫療領域的，研發成果商業化落地項目較少，少數產品以二類醫療器械獲批上市，連心醫療產品AiContour是唯一獲得國家藥品監督管理局（NMPA）批準上市的三類醫療器械。此外，大部分人工智能醫療產品處于在研階段，產業整體商業化程度較低。

　　2中國人工智能醫療產業發展存在的問題

　　2.1基礎層：數據獲取難度大

　　人工智能醫療產品在歸納總結大量醫療數據后對項目做出評判，豐富的醫療數據可以提高人工智能醫療產品預測準確度，促進人工智能不斷迭代升級。目前，中國人工智能醫療產業在基礎層存在數據開放共享程度低、數據標準不完善、標注成本高等問題。

　　2.1.1醫院數據開放共享程度低

　　由于醫療數據歸屬權不明晰，使用過程中個人隱私保護、數據安全等要求制約了醫院數據開放共享。醫院沒有動力開放電子病歷、影像庫及病理庫等相關醫療數據，一定程度上造成醫院內部數據以“信息孤島”的形式存在。

　　2.1.2健康大數據標準不完善

　　大部分醫院的醫療數據標準不完善，無法直接使用。《人工智能標準化白皮書（2018版）》顯示，中國已發布的83項人工智能建設相關標準中僅有1項為醫療數據標準，且該項標準（GB/T24466-2009健康信息學—電子健康記錄體系架構需求）的發布時間較早（2009年），一定程度上缺乏前瞻性，影響了現有醫療數據的應用價值。

　　2.1.3醫療數據標注成本高

　　醫療數據標注是建設醫療數據集的關鍵，擁有大規模、已標注的醫療數據庫是人工智能醫療應用真正落地的必要條件。醫療數據標注專業程度高，通常需要1名具有5年以上閱片經驗的三甲醫院醫師進行標注，以及至少1名相關領域副主任醫師進行審查，該流程增加了企業數據標注成本和數據獲取難度。

　　2.2技術層：人工智能算法缺乏創新

　　能夠將開源算法集運用于醫療領域并持續迭代，是人工智能技術發展的關鍵。是否擁有高水平人才，對算法發展具有決定性作用。目前中國人工智能領域的復合人才少，共性技術突破效率低，影響技術層發展。

　　2.2.1人工智能醫療復合人才少

　　人才需求方面，2017年《全球人工智能領域人才報告》顯示，中國人工智能人才需求巨大（約500萬~600萬人）。供給方面，《2017年全球人工智能人才白皮書》顯示，2017年中國人工智能人才總量39200人；其中，從事人工智能醫療的僅占10%（動脈網數據）。可見，人工智能醫療復合人才供不應求。

　　2.2.2共性技術突破效率低

　　共性技術是指研發成果可在很多領域廣泛采用的技術，共性技術的成功研發將使產業突破瓶頸、迭代升級，具有巨大的經濟和社會效益。在人工智能醫療中，共性技術主要指開源算法集，中國以運用為主，較少涉及研發，導致共性技術突破效率較低。

　　2.3應用層：人工智能醫療產品仍未落地

　　產品落地是產業發展的起點，制度、資金、法律等方面與人工智能醫療發展方向不配套，影響了中國人工智能醫療產品的落地進程。

　　2.3.1產品審評難度大

　　中國藥品監督管理局對人工智能醫療產品的審批，主要以“新藥”“新醫療器械”的嚴格審批為主，審批態度較為謹慎，迫使人工智能醫療企業在研發中需要耗費大量時間和金錢完成臨床試驗，而實驗通過率卻較低。此外，現有的“增補式”審評審批效率較低，與人工智能醫療產品快速迭代的特性不匹配，減緩了人工智能醫療產品的迭代升級。

　　2.3.2法律支持度不足

　　人工智能醫療產品在使用中有一定幾率判斷錯誤，但目前的法律體系對人工智能醫療產品造成損失的判別機制不完善，醫療機構作為產品使用者將承擔賠償責任，打擊醫療機構使用人工智能醫療產品的積極性。

　　2.3.3初創企業融資難度大

　　由于人工智能醫療產品審批難度較大，盈利模式不清晰，加上落地難、回報時間長、資金需求大等特點，企業發展需要長期的資金支持。而中國資本相對比較追求短期回報率，投資周期與企業需求周期不匹配，初創企業融資難度大，不利于人工智能醫療產業長期發展。

　　3人工智能醫療產業發展的國際經驗

　　2016年以來，全球人工智能產業進入快速發展期，世界各國高度重視，制定國家層面的戰略發展規劃，通過增加投資、加強研究等方式支持人工智能產業發展，力圖在包括醫療等多個應用領域內掌握更多主動權，其中不乏出現一些突破人工智能醫療發展瓶頸的舉措，值得中國借鑒。

　　3.1基礎層：降低數據獲取成本

　　國外重視大數據建設，數據開放共享機制、數據標準體系以及數據標注產業比較完善。

　　3.1.1健全的數據開放共享制度

　　美國CMS數據庫面對公眾開放，擁有完善的醫療數據開放共享規則，按照隱私程度對數據保護劃分等級，對不同等級的數據配置相應審批權限，等級越高的數據需要審批的環節越多。在該機制下，CMS數據庫不僅保證了數據隱私，而且能最大程度共享醫療數據。

　　3.1.2相對完善的數據標準體系

　　美國標準開發組織開發的HL7、IHE等醫療數據標準已投入醫院廣泛使用。該標準首先通過醫療衛生信息技術標準委員會完成區域性測試，隨后在美國推廣。推廣階段，美國醫療照顧與援助委員會對使用該標準的醫療機構予以充分激勵，總額累計達360億美元。

　　3.1.3專業的醫療數據標注平臺

　　國外擁有專業化第三方醫療數據標注平臺，以Cogitotech公司為例，擁有一支10年以上相關經驗、質量控制體系完善且形成一定規模的醫療數據標注團隊，該團隊創新標注模式，降低標注成本，能高效準確完成醫療數據標注。同時，該平臺還通過了SOC2type1認證（服務性機構控制體系鑒證），充分保障數據的保密性和隱私性。

　　3.2技術層：重視基礎研究發展

　　國外重視人工智能共性技術基礎研究，并擁有完善的人才發展體系，助力人工智能核心技術迭代創新。

　　3.2.1完善的人才發展體系

　　國外的人工智能醫療人才集聚主要包括兩種路徑。一是以英國為代表的“研究所+初創”模式。英國擁有全球著名的圖靈研究所，設立國際獎學金項目，吸引全球最優秀的人才在此開展基礎研究和創辦企業，形成人才、項目集聚。二是以美國為代表的資助培養模式。人工智能技術作為“新基礎技能”融入美國的教育系統中，為培養多元化人才隊伍提供支撐。

　　3.2.2強大的共性技術研發中心

　　國外高度重視人工智能醫療領域共性技術研發。美國擁有人工智能研究院，其中包括麻省理工學院計算機科學與人工智能實驗室、卡耐基梅隆大學機器人學院、googlex實驗室等，聚集了世界頂級的人工智能科學家，積攢了多年的技術研究經驗，與實踐結合緊密，擁有很強的人工智能基礎理論和應用共性技術突破能力。

　　3.3應用層：創新制度設計

　　國外較早對人工智能醫療相關制度設計進行探索，很多地方已出臺適應人工智能醫療產業發展的相關法律政策，順應產業發展。

　　3.3.1協同發展的法律體系

　　2017年歐洲議會發布《機器人民事法律規則》，不僅規范了人工智能權責準則，而且還保護人工智能創新發展，其中“責任與機器人自主程度呈反比關系”規則，即機器人自主程度越大，使用者責任越小，增加了對使用者保護；同時還在人工智能醫療產品使用中引入強制性保險計劃，補償產品出現判斷問題所引起的損失。

　　3.3.2先進的審評審批制度

　　2017年美國FDA公布《數字健康創新行動計劃》，創設了軟件預認證試點項目，簡化了對人工智能產品的審批流程，重點對開發人員、開發企業進行認證，允許其銷售風險較低的產品，并收集可用于上市的數據。該審批機制創新支持人工智能醫療發展，允許企業更加快速地注冊使用新的產品。在該審批機制下，已有9款人工智能醫療產品獲批。

　　3.3.3完善的融資體系

　　美國硅谷的科技巨頭和醫療健康領域巨頭重視人工智能醫療發展，布局多階段投資基金。其中較有代表性的是Optum，開設了2.5億美元的專項創業加速基金，以此聚焦人工智能醫療領域。此類投資基金管理者熟悉人工智能醫療產業的發展規律，投資理念順應產業發展。

　　4、對策建議

　　為促進中國人工智能醫療產業持續健康發展，文本提出以下六個方面的對策建議。

　　4.1建立數據標準，促進開放共享

　　聯合衛健委、第三方機構協作，積極打造醫療大數據示范平臺。建立醫療大數據標準體系，建設結構化數據集。支持引進醫療數據專業標注服務平臺，提供專業程度高、技術密集型的高質量數據標注服務。提高醫療數據基礎設施覆蓋面，要求各級醫療機構建設統一標準的醫療大數據基礎設施，政府對此予以補貼。同時，以審慎監管、保護創新為原則，推動建立數據開放共享規范，對大數據的保存、備份、遷移進行規范管理，按保密程度分級分類管理，以審批申請制的方式向公眾開放和共享數據，切實保障數據安全。

　　4.2開展人工智能醫療試點，推進示范應用

　　強化區域合作，加快打造一批特色突出、輻射帶動作用明顯的人工智能醫療產業集群。推動各地區差異化發展，支持打造人工智能醫療示范應用試點，建設具有中國特色、可復制推廣的人工智能醫療產業園區，并培育具有重大引領帶動作用的企業和產業；支持企業、科研院所布局共性技術平臺，提供專業研發服務，重點突破人工智能醫療企業所需的共性技術。

　　4.3設立專項基金，加大產業扶持力度

　　設立人工智能醫療產業發展與應用專項基金，通過直接資助、股權投資、貸款貼息、風險補償等多元化扶持手段，重點支持人工智能醫療關鍵核心技術研發與產業化落地，提高全產業鏈發展水平和競爭能力；發揮政府引導基金帶動作用，引領中國產業投資基金及社會資本的投資布局。

　　4.4創新人才培養計劃，拓寬引進渠道

　　面向前沿技術發展需要，設置人工智能醫療復合專業，培養計算機科學、醫學、藥學高層次復合型創新人才。設立人工智能醫療人才專項引進計劃，推行“一人一策”“一團一策”引進方案，重點引進全球知名的高層次人工智能醫療創新創業人才和團隊，暢通流動機制，完善配套支持，健全適合人才發展的生態體系。

　　4.5創新審評審批制度，促進產品落地

　　開展人工智能醫療專項審評審批試點，成立審批團隊，對人工智能醫療產品進行考核評價，簡化符合臨床需求、高質量水平、低風險的產品審批流程，以備案制的形式，“先使用、后審批”。健全人工智能醫療產品上市后補充申請體系，以備案的形式處理人工智能醫療產品迭代升級的補充申請，簡化流程，為人工智能醫療的推廣應用奠定良好的基礎。

　　4.6完善人工智能醫療責任體系，明確法律邊界

　　加快制訂相關法律法規，對人工智能醫療產品提出預防性、包容性、可逆性和問責制的要求。設立責任認定監管機構，通過引入第三方機構來保障責任認定的公正公平，界定人工智能醫療產品的開發者、生產者和使用者責任。完善產品使用保險體系，引入商業保險對沖人工智能醫療產品造成的損失。
責任編輯人：CC