HMH（HardinMemorialHealth），是一个位于美国肯塔基州的大容量核医学医疗机构（以治疗癌症著称），它每年为超过名患者提供服务。
在HMH的急诊室，每年要接待超过名患者。多达三分之二的患者需要某些影像诊断，这些影像诊断在治疗决策中往往起着关键性的作用。
医生们通常无法仅凭医学影像就给病人确诊或是在确诊后提供最佳的治疗方案，他们往往需要了解“图像背后”的患者故事。比如：患者服用过什么药物？患者之前接受过哪些外科手术？患者有什么不良生活习惯？患者的生活环境有什么不良因素？
然而，这些关键的信息，往往会在治疗过程中被患者有意无意的“掩盖掉”。
根据美国医疗数据管理公司HealthDataManagement()的数据，多达80%的对确诊和治疗有利的患者相关信息都在医生所能诊断之外的非结构化信息源中。（比如：生活习惯，生活环境，工作环境等等）
所以，想要不耽误诊疗，了解非结构化信息是必不可少的。但，搜寻和分析这些信息，工作量是非常巨大的，患者配不配合、表现如何对这方面影响很大，这会消耗医务工作者大量的时间和精力。
一个简单的例子是，医生怀疑患者得了癌症，但却找不到患者的病灶在哪里。
在患者的表现不可控的情况下，这成为了一个无解的难题。
为了解决这个难题，在去年五月份，来自哈佛大学FaisalMahmood教授课题组的研究者将AI技术和医学诊疗再次糅合在了一起。
通过训练一个卷积神经网络（CNN）模型，这些研究者仅依靠读取患者的病理切片，便能实现对原发灶不明癌症的溯源，不再需要额外信息。
图源：Nature
原发灶不明癌症（cancerofunknownprimarysite，CUP）是一类病理学已证实患者为转移性癌症，但通过目前的诊断手段无法明确其原发部位的癌症。
由于CUP原发灶不明的特性，很多患者都是做了一大堆检查也没查明白，最后选择接受局部治疗或干脆接受全身化疗。在耗费大量时间和财力之后，这些患者中约有80%预后不良，平均总生存时间只有6-9个月。
哈佛的研究者通过让AI学习大量患者的苏木精伊红染色（H＆E）病理切片，以WeakSupervise的方式训练出了一个CNN模型（TOAD）。
在读取一张病理切片后，TOAD能够对人体的18种组织进行预测打分，通过对预测分数进行排序，以找到癌症最可能的组织来源。
图源：《AI-basedpathologypredictsoriginsforcancersofunknownprimary》
实验结果显示，TOAD在测试数据中的准确率最高可以达到98.1%，最低也有93.7%。
这，就是AI诊断的意义，用更少的信息去做更准的诊断，防止误诊，也节约宝贵的治疗时机。
AI技术和医学技术的融合，显然是一个充满未来的发展方向，科技巨头们纷纷开始布局。
国内外现状
从数据上来看AI诊疗方面有着巨大的市场前景。
根据美国市场调研公司MARKETRESEARCH的数据来看：
年诊断市场中的AI市场规模为7.亿美元，预计到年将达到99.亿美元，从年到年的复合年增长率为33.7%。
在巨大行业增长面前，科技公司纷纷下海。
年，Google旗下的DeepMind的健康团队与GoogleHealth合并，致力于“打造支持护理团队并改善患者治疗效果的产品”，挖掘人工智能在癌症诊断、预测患者结果、避免失明等方面的潜力。
年3月，他们提出了一种基于人工智能的乳腺癌识别解决方案。值得注意的是，该算法超过了所有与之对抗的人类放射科医生，准确率平均高出11.5%。虽然该方案现在只针对乳腺癌，但针对其它癌症的版本也即将推出。
巨头IBM也同样加入了这个赛道，专门组建了自己的健康部门WatsonHealth。这个项目将用AI覆盖患者治疗的全流程，包括诊断、治疗方案、恢复方案，甚至还能帮助相关药物更快地推向市场，并且使药物的研发成本削减50%以上。
除了巨头，也有很多初创AI公司也参与了进来。
比如Enlitic，该公司收集了大量的放射学图像数据并让AI学习，可以在几毫秒内解读一张医学影像，速度是普通放射科医生的倍，并且他们的API可以无缝集成到美国现有的任何卫生软件系统中。
Enlitic识别胸片中的病变部位
在Enlitic的帮助下，放射科医生的阅片速率会提高21%，并且该公司的模型可以早于活检18个月检测到恶性肺结节。
与Enlitic类似，伦敦一家叫Behold.ai的公司通过自己的AI可以在胸X光片中定位到患者的身体异常情况，算法的准确率超过90%。
Behold.ai绘制的胸片热力图
目前，Behold.ai已与英国国家健康服务中心（NHS）进行合作，在多个英国国家健康服务中心所投资的医疗机构中部署了其AI解决方案。
而在国内方面，很遗憾，根据FrostSullivan的分析，中国AI诊断市场在年仅有3.7亿元人民币。（这里面还包括了诸如体检的大健康类市场份额，实际用于临床的会更少）
也就是说，基本没什么市场，属于刚起步的阶段。。。
不过，FrostSullivan预测中国AI医学影像市场将在年增长至亿元人民币，10年年复合增长率为76.7%。
由于行业都在起步的阶段，所以我们只能挑出一家看起来还行的专注单一赛道的公司跟大家讲讲。
中国行业一隅
根据国际糖尿病联合会的数据显示，在年，全球约有4.63亿20岁到79岁的成年人患有糖尿病，到年，预计这一数字将上升至7亿人。这一疾病造成了至少亿美元的医疗支出，占到了全球成年人总医疗支出的10%。在国内，糖尿病及其并发症在国人十大死因中占居第五。
糖尿病能造成的并发症有很多，其中一项是“糖尿病视网膜病变”，糖尿病可以引起眼底微血管瘤、硬性渗出、棉絮斑、新生血管、玻璃体增殖、黄斑水肿甚至视网膜脱离等一系列并发症。
不过，很多患者眼睛出现问题时，去医院会优先看眼睛方面的医生，而患者的主诉一般也是与眼睛不适相关，并不知道病症跟糖尿病有关。
这就引发了一个问题：在患者主诉的影响下，医生往往会给患者做大量的眼部检查，甚至眼部治疗，但最后患者的问题没有被解决。
除非遇到行业经验特别丰富的医生能对症下药，很多患者的状态是花了一大笔钱，花了大量的时间，最后错过了最好的治疗时期，没有解决自身的问题。
于是，许多公司将自己的目光放在了这个赛道上。
Google曾经创建了一个包含12.8万张眼底扫描图像的数据集，训练出了一个检测糖尿病视网膜病变的模型。在同样的赛道上，有一家中国公司：鹰瞳科技。
这家公司自年7月以来，在《柳叶刀》、《ScienceBulletin》、《英国眼科学杂志》等国际医学顶级期刊上发表了多项研究成果，并在年年底上市，被称为“中国AI医疗第一股”。
年，该公司收入万元，较去年同期增加万元，同比增长57%。年其收入1.1亿元人民币，同比增长%。
作为一家AI诊疗科技公司，该公司的研发投入很高，长期保持在收入的50%以上，其中年的研发投入占总收入的90%，而在其上市的年，鹰瞳科技的研发费用则上升到了万元，同比增加52%，占当年总收入的55.7%。
在这样极度重视研发的环境中，鹰瞳科技的客户量也在飞速增长，其客户数量从年的85个增长到年的个，增幅%。
目前，已经有50家基层医疗机构购买使用了Airdoc-AIFUNDUS(1.0)辅助诊断产品，并且今年以来仍有北京医院表示有采购意向。
另外，鹰瞳科技的保险客户超过了40家，头部保险公司基本均有覆盖。同时，鹰瞳的产品在视光门店和药店渠道分别覆盖了+个及个。
现在，鹰瞳的产品已经不仅限于糖尿病视网膜病变的辅助检测，Airdoc-AIFUNDUS的2.0版本增加了高血压视网膜病变、视网膜静脉阻塞及年龄相关性黄斑变性（AMD）三个适应症，这在国内是第一款可以用于诊断多病种的AI诊疗产品。
随着适应症的扩展以及国家近些年对于青少年眼睛健康管理和中老年慢性病的