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
|
11天前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故,引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
27 1
|
1天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
86 59
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命:智能诊断系统的未来
在科技日新月异的今天,人工智能(AI)技术正逐渐渗透到我们生活的每一个角落,其中医疗领域尤为显著。本文将探讨AI在医疗诊断中的应用及其带来的变革,重点介绍智能诊断系统的发展现状与未来趋势。通过深入浅出的方式,我们将揭示AI如何改变传统医疗模式,提高诊断效率和准确性,最终造福广大患者。
|
2天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
13 2
|
6天前
|
机器学习/深度学习 人工智能 供应链
AI技术在医疗领域的应用与未来展望###
本文深入探讨了人工智能(AI)技术在医疗领域的多种应用及其带来的革命性变化,从疾病诊断、治疗方案优化到患者管理等方面进行了详细阐述。通过具体案例和数据分析,展示了AI如何提高医疗服务效率、降低成本并改善患者体验。同时,文章也讨论了AI技术在医疗领域面临的挑战和未来发展趋势,为行业从业者和研究人员提供参考。 ###
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
32 6
|
7天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【10月更文挑战第21天】 本文探讨了人工智能(AI)在医疗领域的多种应用,包括疾病诊断、治疗方案推荐、药物研发和患者管理等。通过分析这些应用案例,我们可以看到AI技术如何提高医疗服务的效率和准确性。然而,AI在医疗领域的广泛应用也面临诸多挑战,如数据隐私保护、算法透明度和伦理问题。本文旨在为读者提供一个全面的视角,了解AI技术在医疗领域的潜力和面临的困难。
|
7天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用及其挑战
【10月更文挑战第22天】人工智能技术正逐渐渗透到我们生活的方方面面,尤其是在医疗领域,它展现出了巨大的潜力。从辅助医生进行疾病诊断到预测患者病情的发展,AI的应用正在改变着传统的医疗模式。然而,随之而来的是一系列挑战,包括数据隐私、算法偏见以及医患关系的重新定位等问题。本文将探讨AI在医疗诊断中的应用实例,并分析面临的主要挑战,以期对未来的医疗AI应用提供深入的见解和建议。
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与医疗健康:精准医疗的未来
【10月更文挑战第31天】本文探讨了人工智能在医疗健康领域的应用现状,特别是在精准医疗中的作用。通过医学影像分析、个性化治疗方案、慢性病管理和药物研发等方面,AI为医疗带来了革命性的变化。文章还分析了精准医疗的发展趋势和面临的挑战,展望了未来的发展方向。
|
3天前
|
机器学习/深度学习 数据采集 人工智能
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第26天】近年来,深度学习技术在医学影像诊断中的应用日益广泛,通过训练大量医学影像数据,实现对疾病的准确诊断。例如,卷积神经网络(CNN)已成功用于识别肺癌、乳腺癌等疾病。深度学习不仅提高了诊断准确性,还缩短了诊断时间,提升了患者体验。然而,数据隐私、数据共享和算法透明性等问题仍需解决。未来,AI将在医学影像诊断中发挥更大作用,成为医生的得力助手。
9 0