从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如：远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。

　　人工智能的优点是高效计算与精准分析，因而它可以有效解决医疗的行业痛点，给医疗行业多个领域的发展带来机会，我们认为人工智能在医疗行业主要的应用领域有：

　　病人为整个医疗生态链诊疗的出发点和落脚点。智能医疗产生态链应该紧紧围绕病人展开，从和人的交互角度来看，其主要由云和端构成，其中，云是医疗生态链的顶层环节，是为了解决医疗信息的存储汇总管理、发掘与决策的云端应用层，如谷歌的医疗大脑，它一般是不和人们直接接触；端是医疗行业的落地点，是智能医疗设备和人的交互环节，是获取与反馈病人信息、检测与治疗的设备终端，如核磁共振检测仪、手术机器人等均属于端的范围，医疗生态链的端作为人机交互的终端设备拥有着最广阔的市场空间，其未来的演化路径是便捷化、实时化、智能化。

　　我们认为，人工智能对医疗行业的颠覆是全方位的。首先，颠覆传统的药企，颠覆传统药企主要体现在药物发现环节，可以提供精准化、个性化药品；其次，颠覆传统的医院，颠覆的路径是促使传统医院从固定到移动、从近程到远程；再者，颠覆医生的诊断方式，促使医生从繁琐的事物中解脱出来，转变成诊疗规则的制定者和诊疗过程的监督者；最后，颠覆病人的看病方式，病人将逐步实现足不出户得到精准的、个性化的解决方案，从而拥有更好的治疗体验。

　　我们认为智能医疗行业的爆发顺序应为计算智能→感知智能→认知智能，但这三者的发展并不是严格的先后顺序关系，医疗生态链三个智能的融合与协同并进。从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。

　　我们认为人工智能在医疗行业诸多领域将迎来爆发。其中，人工智能的云端将以医疗信息存储管理和医疗数据挖掘决策的方式同医疗行业深度融合，它是是整个生态链的顶层，是为了解决医疗信息的存储汇总、大数据挖掘、信息管理与决策等的网络应用层。人工智能的端部分是智能设备终端，它通过人机交互的方式参与疾病诊断治疗的方式融入医疗行业，一方面，有些智能终端通过其内部集成的各种智能传感器来实时获取病人的医疗信息作为医疗检测的判断基础；另一方面，有些智能设备终端是帮助治疗的机器人，可以根据病人的信息提供更精准的、个性化的治疗；最后，有些设备终端主要起到辅助作用，可以辅助、医生、病人等，可以帮助医院及医生辅助治疗又可以辅助病人如：帮助老人活动、助听、助视等。

　　对人工智能按不同医疗领域的应用可阶段性划分为初级计算智能、中级感知智能、和高级认知智能三个阶段。

　　从中期来看，我们认为，未来5-7年计算智能将迎来全面发展：随着大数据、云计算的发展，人工智能在计算领域的计算智能可以依靠云计算对大数据的高效分析与智能计算，布局计算智能的国内外公司非常多，已经形成小部分商业功能。在感知智能领域，以Intuitive Surgical为牵头的机器间接感知治疗已经形成小范围商业化；此外，众多科技巨头纷纷布局的智能语音、智能视觉等已经崭露头角，我们认为，未来5-7年初级感知智能中的医疗智能语音、医疗智能视觉和可穿戴医疗设备等将迎来飞速发展。

　　从长期来看，我们认为，未来8-10年部分感知智能和认知智能将迎来全面发展：随着医疗智能视觉、医疗智能语音、可穿戴医疗设备等的发展，高精度传感器集成度的提高，感知智能的远程医疗、医疗机器人等将迎来全面发展。认知智能依赖计算智能和感知智能的发展，随着计算智能设备计算能力的加强和感知智能设备精确信息的采集，我们认为认知智能设备将拥有足够的数据信息进行决策与诊断，因此我们认为认知智能将在未来8-10年将迎来爆发。

　　上篇结论：人工智能特点在于高效的智能计算与精准分析，以精准化、个性化的医疗行业需求为痛点，驱动众多医疗领域应用的爆发。而新型医疗行业生态链就是以病人的需求为核心，以云、端一体化的方式提供精准化、个性化的医疗服务，改善病人的医疗体验。

　　人工智能的最大特点是高效的计算和精准的分析与决策，它刚好是现在医疗的痛点所在，因而人工智能在医疗行业有着广阔的发展空间，我们认为其在医疗领域主要的应用领域有：（1）基因测序（2）药物发现（3）医疗智能语音（4）医疗智能视觉（5）医疗机器人（6）可穿戴设备（7）远程医疗（8）智能决策（9）智能诊断等。人工智能在医疗领域中可划分归类为：计算智能、感知智能和认知智能，人工智能在医疗领域的完美应用场景是感知智能、计算智能、认知智能互相协同，形成一个完整的智能闭环。

　　计算智能是人工智能借助云计算对大数据的高效智能计算与分析。计算智能是人工智能的基础环节，高效的智能计算可以有效挖掘大数据之间的有效信息，它是认知智能和感知智能的前提和保障。计算智能在意料中最为典型的应用就是基因测序和药物发现。

　　基因测序：指分析特定DNA片段的碱基序列，也就是腺嘌呤（A）、胸腺嘧啶（T）、胞嘧啶（C）与鸟嘌呤的（G）排列方式。基因测序是一个典型的，依靠计算智能来发现人的个性化的例子, 它能锁定个人病变基因，提前预防和治疗，预测罹患多种疾病的可能性，个体的行为特征及行为合理，如癌症、白血病、运动能力、酒量等。基因测序相关产品和技术已由实验室研究演变到临床使用，我们认为基因测序技术，将会是是下一个改变世界的技术。

　　药物发现：智能计算利用大数据为当代药物发现带来了空前的机会，它允许科学家在以前难以想象的时域和微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制，研究中药的配方问题。在药物研发领域中，大数据具有信息量大、信息种类繁多、数据产生的速度快等特点。药物发现中最重要的不仅仅是数量，而是对于数据的整合、分析与解读，从海量数据中快速地找到那些真正具有价值的成分，或通过对于数据的分析，及时总结出规律，缩短药物发现的时间。

　　感知智能层是信息采集和信息控制的执行环节，也是潜在市场空间最大的环节，我们要关注新的技术和趋势。感知智能在医疗方面的应用主要用来解决人际交互问题包括：医疗智能视觉、医疗智能语音、可穿戴医疗设备等。

　　医疗智能语音：医疗智能语音是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。通过语音识别和疾病数据分析，可实现机器诊断疾病。医疗是专业度更高的领域，有很多专业术语和专业技能需要机器去学习，只有通过海量的学习，人工智能诊断疾病可更准确、更快捷、更安全，使得人机交互与智能诊断能成为现实。

　　目前医疗智能语音主要用于医生电子病历的生成，以云知声的智能语音产品为例，在临床和科技室场景支持中，在神经科、免疫内科、血液科、普通内科等的语音识别准确率达到95%以上，辅以云端语义校正技术后，整体识别率接近100%。

　　医疗智能视觉：医疗智能视觉分析是智能视觉在医疗领域的应用。智能视觉在医疗行业的应用的要求要比其他行业更高，其最广泛的应用就是智能图像识别，通过智能视觉的图像识别技术，计算机可以分析病人的医学成像如X片检查情况，通过更精准的智能识别，给出更准确的判断。目前，智能视觉在对图像的检测效率和精度两个方面，都可以做得比专业医生更好，除此之外，还可以减少人为操作的误判率，克服人性的弱点。

　　医疗机器人：感应机器人系统是用于医院、诊所的医疗或辅助医疗的感应机器手臂或机器人，因为应用领域的不同，医疗机器人的种类很多，有临床医疗用机器人、护理机器人、医用教学机器人和为残疾人服务机器人等。最为典型的代表就是Intuitive Surgical公司的达.芬奇手术机器人，其特点是，通过机器人系统获取更加精准的手术信息，同时，操作过程中拥有着比人手更加灵活精准的守护治疗，如今达.芬奇手术机器人已经在全世界范围内开始应用，并且已经为数以万计的患者提供服务，实现了小范围的商业化。

　　可穿戴医疗设备：可穿戴的医疗设备是可穿戴设备的一种，其重点是偏向于医疗数据的采集，它集成了多种无线传感器，可以测量环境指标如：空气湿度、温度、亮度、辐射强度等以及人的生理指标如：体温、心跳脉搏、呼吸、血压、血糖等，并通过无线网络将测量数据发送给接收的云端。未来可穿戴医疗设备将会集成更多、精度更高的无线传感器，可以实时获取人身的各项生理数据，进而可以更好地配合医疗。

　　远程医疗：远程医疗是指通过计算机技术、遥感、遥测、遥控技术为依托，充分发挥大医院或专科医疗中心的医疗技术和医疗设备优势，提高诊断与医疗水平、降低医疗开支、满足广大人民群众保健需求的一项全新的医疗服务。远程医疗的前提是远程感知设备能够感知到足够多的、精准的医疗数据，并通过远程传递的方式送到医生面前，引领医生进性疾病诊断和治疗。目前，远程医疗技术已经从最初的电视监护、电话远程诊断发展到利用高速网络进行数字、图像、语音的综合传输，并且实现了实时的语音和高清晰图像的交流，为未来更进一步远程医疗的应用提供了先行条件。

　　医疗认知智能是人工智能在医疗领域应用的高级阶段。其特点在于其机器能够“理解”非结构化数据，就包括语言、图像、视频等，认知智能的核心能力实际上是机器拥有人类的某些能力，但人类相比，其优点是计算能力更加高效而且永不会疲劳。认知智能在医疗领域应用时，一方面可以进行医疗相关信息的管理，另一方面又可以参与疾病的诊断与治疗。

　　医疗智能决策：智能决策是建立在计算智能与感知智能的基础上做出深层次的智能决策，高效的医疗智能决策依赖于感知智能获取的精准信息、又依赖于计算智能的高效计算，感知智能和计算智能都是智能决策的前提条件。相较人的决策而言，医疗智能决策通过对医疗大数据的智能分析，在多条路径中高效选择找出最佳的决策路径，能有效提高医疗效率、降低医疗成本。智能决策可以用于医院医疗信息的管理，又可用于医疗方案的制定。

　　智能诊断：智能诊断也是建立在计算智能与感知智能的基础上做出深层次的医疗诊断。智能诊断在医疗诊断过程中能给出具体治疗方案，其方案是基于针对性的病情诊断结果，并对这种病情提出最佳方案建议和效果说明。智能诊断的前提是要具备认知智能的“学习”与“思考”能力。

　　以沃森医生为例，IBM Watson可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告，通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，因而IBM Watson在短时间内通过学习迅速成为肿瘤专家；除了学习能力外，还能“思考”，有效地将学到的海量知识利用起来，进而可以像专家一样提供医疗建议和咨询。

　　医疗行业生态链主要由病人、医生、医院、药企、随身医疗设备企业以及卫生监管部门组成。其中，病人为整个医疗生态链的核心，病人的需求是医疗行业治疗的最初出发点和最终治疗的落地所在；而医院、医生、药企、随身医疗设备企业等均可看作服务部门，服务于病人的医疗需求。医疗行业生态链的行业痛点核心在于提供精准化、个性化医疗，以提供病人更好的疗效为根本，改善病人治疗时的体验。

　　病人是医疗需求的出发点和落脚点：病人是整个医疗行业的核心，是医疗行业的根本驱动力所在。从病人群体角度看，所有人都是潜在的病。