盘点国内外科技巨头在医疗人工智能领域布局

简介:

医疗结合人工智能应用领域丰富,有不同分类方法,其中一种将具体应用场景按照诊前、诊中和诊后的过程来划分:诊前的早期预测、疾病预防、健康管理;诊中的辅助诊断,医学图像处理;诊后的虚拟医护助手、慢病管理、康复机器人等。其他领域包括药物挖掘与研发、AI与VR医疗教学培训、医保控费等。

人工智能医疗

IBM的沃森俨然已走在世界前列。其优势在于自然语言处理,核心能力是挖掘与分析非结构化数据。据东方证券分析,Watson 在医疗领域的商业战略分为三个方面 :1、深度聚焦肿瘤领域 ,并向其他领域扩展 ;2、通过收购获取数据资源 ;3、通过合作扩展使用场景 ,输出生态能力。

在肿瘤领域,已形成成熟的产品形态,如Watson for Oncology。一方面,Watson 会给提供医疗数据的机构以经济补偿,另一方面,也会直接和医院签订销售合同,由医院支付采购费用。IBM Watson未来将通过更多产品化落地实现收入增长,在国际化方面,以寻求当地强大的合作伙伴为主要推广方式。

谷歌

谷歌是搜索引擎的龙头企业,拥有大数据检索的核心技术,建立全球最大的数据库系统。2015年8月,谷歌宣布设立母公司Alphabet。

其在AI的途径主要是覆盖更多应用场景,比如延伸到智能家居、自动驾驶、机器人等领域,另外积累底层人工智能技术,研发更高级的深度学习算法,增强图形识别和语音识别能力,对信息进行更深层加工、处理。

谷歌在肾脏、眼科疾病等细分领域进展较快,同时Alphabet旗下有多家生物科技和医疗公司,未来将聚合形成规模效应。

Microsoft

2017年8月,微软发布年度报告,指出人工智能将成为重点项目。 去年9月,微软宣布研发最新的机器学习项目名为Hanover,通过深度学习理解专业的医学论文,帮助医生预测对癌症患者最有效的药物。另一个项目则是医疗放射领域的应用,人工智能手段分析癌症患者的肿瘤CT扫描片。

与谷歌类似,微软在人工智能的领域也不局限于医疗分支,在语音翻译、知识图谱等领域都有涉及。

百度

百度在人工智能领域大举押注,已公布了Apollo和DuerOS两大项目,分别涉及自动驾驶技术和语音对话助理系统。在医疗方面主要是2016年成立的百度医疗大脑项目,通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计,模拟医生问诊、与用户多轮交流、反复验证,最终给出建议;同时还在过程中收集、整理病人症状描述,辅助完成问诊。

曾任百度投资部负责人的汤和松曾言,百度的投资和并购,紧紧围绕“战略”,并不追逐财务型的投资。具体包括“对于核心业务的加强”、“生态系统的建立”、“外来布局”三方面。

阿里

据报道,阿里巴巴通过ET医疗大脑,强势进入医疗AI领域,阿里云宣称,自主开发的人工智能ET,“可在患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域承担医生助手的角色”。

近日,由阿里健康研发的医疗AI“Doctor You”,在北京万里云医学影像中心正式对外发布,该系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。据悉,其正确识别肺结节的准确度达到90%以上。

腾讯

腾讯通过微信在挂号和支付环节及早切入医疗服务领域,在人工智能领域也积极探索。8月初,腾讯发布首个人工智能医学影像产品,称为“觅影”,与国内不同医疗机构分别开展各种医学AI项目,涵盖食道癌早期筛查系统、肺结节检测系统、辅助诊疗系统等,目前处于实验阶段。

朗锐慧康(www.lrioh.com)总结科技巨头们的医疗人工智能“神器”,可大致将其分为两大阵营,智能诊断派和医学影像识别派,分别为IBM、百度和谷歌、微软、阿里、腾讯,但不论是主攻一方还是两者兼顾,都脱不离这两大主流应用。实际上,智能诊断和医学影像确实是目前医疗人工智能领域发展相对成熟的两个领域。

相关文章
|
30天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
83 0
|
18天前
|
机器学习/深度学习 人工智能 搜索推荐
医疗领域的人工智能:诊断和治疗的革命
医疗领域的人工智能:诊断和治疗的革命
158 84
|
2天前
|
人工智能 API
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体,支持多种医疗任务,包括医学影像处理、报告生成等,性能优于现有开源方法。
37 19
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
|
20天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
107 31
|
20天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
175 10
|
27天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
86 9
|
30天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
30天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
46 2
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
114 2
|
1月前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。