HC3i
近期，AlphaGo戰(zhàn)勝“圍棋天才”柯潔，機器人Al-Maths 22 分鐘內完成了文科數學北京卷，人工智能一次又一次沖擊著人們的想象力。在《人工智能人才數據報告》中顯示，北美地區(qū)去年人工智能開發(fā)的相關職位需求約有10萬，而人才市場只有3萬名開發(fā)者，供求嚴重失衡。這一現象直接導致全球科技巨頭紛紛加入人工智能人才爭奪戰(zhàn)之中。而在國內，人工智能領域的專業(yè)人才供求失衡更嚴重，供求比例接近1比10。國內企業(yè)百度、騰訊、滴滴等以設立研究院的形式，殺入美國高科技中心硅谷，與谷歌、亞馬遜、微軟等企業(yè)掀起人才的激烈爭奪戰(zhàn)。隨著全球各大互聯(lián)網巨頭紛紛推出自己的人工智能產品和技術，2017年也被稱為人工智能發(fā)展的拐點。
基于此背景環(huán)境下，HC3i中國數字醫(yī)療網秉持專注、專業(yè)的態(tài)度組織開展了2016-2017年度人工智能 醫(yī)療市場分析及趨勢報告的調研活動，收集了千余份醫(yī)療行業(yè)相關用戶的問卷反饋，洞察人工智能 醫(yī)療市場發(fā)展的現狀，解析人工智能 醫(yī)療的發(fā)展趨勢。
（HC3i中國數字醫(yī)療網作為中國首家專注于醫(yī)療信息化、互聯(lián)網醫(yī)療和移動醫(yī)療的專業(yè)網絡平臺，專注行業(yè)、深挖行業(yè)為醫(yī)療行業(yè)提供最新趨勢和動態(tài)消息，為醫(yī)療行業(yè)管理者、醫(yī)療行業(yè)CIO、醫(yī)療行業(yè)網絡運維人員等提供豐富的知識與資訊，為讀者提供一個互動交流和各種市場活動的廣闊在線空間。）
樣本統(tǒng)計：本次調查問卷回收樣本數量達到5693份，有效樣本5465份，有效率達95.9%。本次樣本對象包含了61.34%醫(yī)院用戶，33.1%從事與人工智能 醫(yī)療領域相關的企業(yè)用戶，以及5.56%的資本方用戶。
第一章 人工智能發(fā)展歷程
兩年前比爾·蓋茨在一次活動中被問到這樣一個問題，“如果微軟沒有取得今天的成功，你會做什么?”蓋茨的回答是：“我可能會從事人工智能技術的研究工作”。
“人工智能”（Artificaial Inetlligence）一詞最初是在1956年Dartmouth學會上被提出，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展。但是在其還不長的歷史中，人工智能的發(fā)展比預想的要慢，但腳步始終在前進。
1.1 人工智能發(fā)展五大階段：
第一階段：計算機時代。1941年電子計算機的出現使信息存儲和處理的各個方面都發(fā)生了巨大變革。1949年具有存儲程序的計算機經過改進簡化了輸入程序，而且計算機理論的發(fā)展產生了計算機科學，并最終促使了人工智能的出現。計算機通過電子方式處理數據這一發(fā)明，為人工智能的可能實現提供了一種媒介。
第二階段：邏輯時代。計算機為人工智能提供了必要的技術基礎，但直到50年代早期人們才注意到人類智能與機器之間的聯(lián)系。1955年末，Newell和Simon做了一個名為“邏輯專家”（Logic Theorist）的程序，而這個程序被很多人認為是第一個AI程序。它將每個問題都表示成一個樹形模型，然后選擇最可能得到正確結論的那一支脈來求解問題。“邏輯專家”對公眾和AI研究領域產生的影響使它成為AI發(fā)展中的一個重要的里程碑。在1956年，人工智能之父John McCarthy組織了Dartmouth學會，聚集了AI的創(chuàng)立者們，為以后的AI研究奠定了基礎。
第三階段：系統(tǒng)時代。AI研究開始快速發(fā)展，Carnegie Mellon大學和MIT開始組建AI研究中心，研究面臨著新的挑戰(zhàn)：一是，需要建立能夠更有效解決問題的系統(tǒng)；二是，建立自我學習的系統(tǒng)。1958年，McCarthy宣布了新的成果：LISP語言?！癓ISP”的意思是“表處理”（ListProcessing）。1963年MIT從美國政府申請到一筆220萬美元的資助，用于研究機器輔助識別。
第四階段：計算時代。在MIT由Marvin Minsky領導的研究人員發(fā)現，面對小規(guī)模的對象，計算機程序可以解決空間和邏輯問題。在60年代末出現的“STUDENT”可以解決代數問題。70年代的專家系統(tǒng)，可以預測在一定條件下某種解的概率。由于當時計算機已擁有巨大容量，專家系統(tǒng)有可能從數據中得出規(guī)律。同時，類似注明的Minsky的構造理、DavidMarr提出的機器視覺方面的新理論，以及PROLOGE語言。80年代，AI前進更為迅速，進入到了計算時代。
第五階段：融合時代。從人們開始感受到計算機和人工智能技術的影像，計算機技術不再只屬于實驗室中的一小群研究人員。各行各業(yè)都開展了基于計算機技術之上的人工智能技術的研發(fā)和探索。AI技術簡化了醫(yī)療、教育、交通等行業(yè)的規(guī)則，同時，他們對人工智能相關技術更大的需求促使新的進步不斷出現。人工智能已經并且將繼續(xù)不可避免的改變我們的生活。
1.2 促進人工智能領域革命的五大因素：
(1)機器學習machine learning的成熟，主要由云計算資源、大范圍互聯(lián)網數據收集驅動。
(2)深度學習deep learning——一種適應性人工神經網絡形式，通過back propagation反向傳播的方法來訓練，大力推動機器學習。
(3)基礎操作的硬件技術重大進步，如感應、感知、目標識別等。
(4)數據導向產品的新平臺和市場、尋找新產品和市場的利益驅動。
(5)有供給、有需求的市場。
第二章 人工智能 醫(yī)療發(fā)展
隨著圖像識別、深度學習、神經網絡等關鍵技術的突破帶動了人工智能新一輪的大發(fā)展。人工智能 醫(yī)療屬于人工智能應用層面范疇，泛指將人工智能及相關技術應用在醫(yī)療領域。與互聯(lián)網的不同，人工智能對醫(yī)療領域的改造是顛覆性的。從變革層面講，人工智能是從生產力層面對傳統(tǒng)醫(yī)療行業(yè)進行變革；從形式上講，人工智能應用在醫(yī)療領域是一種技術創(chuàng)新；從改造的領域來講，人工智能改造的是醫(yī)療領域的供給端；從驅動力來講，人工智能主要是技術驅動，尤其是底層技術的驅動；從創(chuàng)新的性質而言，人工智能屬于重大創(chuàng)新；從對市場影響而言，人工智能帶來的是增量市場，且隨著智能程度不斷提升，理論上潛在的市場空間無限。
2.1 人工智能 醫(yī)療領域發(fā)展史：
2016年2月，谷歌DeepMind公布成立DeepMind Health部門，與英國國家健康體系（NHS）合作，幫助他們輔助決策或者提高效率縮短時間。在與皇家自由醫(yī)院的合作試點中，DeepMind Health開發(fā)了名為Streams的軟件。這一軟件用于血液測試的AKI報警平臺，幫助臨床醫(yī)生更快地查看醫(yī)療結果。
5月，“人工智能”首次出現在“十三五”規(guī)劃草案中，5月底，發(fā)改委高技術產業(yè)司正式印發(fā)《互聯(lián)網 人工智能三年行動實施方案》，明確了人工智能的總體思路、目標與主要任務。
6月，IBM Watson聯(lián)手XPRIZE設立500萬美元人工智能基金項目，力促人工智能發(fā)展。
7月，谷歌DeepMind 與 NHS（英國國家醫(yī)療服務體系）再次合作，同 Moorfields 眼科醫(yī)院一起開發(fā)辨識視覺疾病的機器學習系統(tǒng)。通過一張眼部掃描圖，該系統(tǒng)能夠辨識出視覺疾病的早期癥狀，達到提前預防視覺疾病的目的。
9月20日，IBM公司和美國麻省理工學院（MIT）宣布，將聯(lián)合創(chuàng)建“激發(fā)大腦多媒體機器理解實驗室（BM3C）”,旨在使人工智能可以像人一樣看和聽。
9月28日，Facebook、Amazon、谷歌Alphabet、IBM和微軟自發(fā)聚集在一起，宣布締結新的人工智能（AI）伙伴關系，旨在進行研究和推廣人工智能。
10月21日，世界機器人大會在北京亦創(chuàng)國際會展中心開幕，25日圓滿落幕，此次大會有幾個人工智能醫(yī)療產品令人難忘，代表作是“變形金剛”膠囊，吞下后短短一分鐘就在胃里完成變身，鎖定病灶，拍照，回傳。
可見，2016年既是人工智能的黃金時代，同時也是人工智能 醫(yī)療的黃金時代。而2017年被稱為人工智能發(fā)展的拐點，而這一拐點的標志之一就是人工智能技術的加速產品化。
“長遠來看是設備將消失，計算將從移動優(yōu)先進化到人工智能優(yōu)先?！?/p>
第三章 人工智能 醫(yī)療市場發(fā)展現狀分析
通過問卷調查反饋的數據顯示，在醫(yī)療行業(yè)中，已成熟應用以及正在嘗試、計劃應用人工智能技術的占比已達78.5%。同時，有76.39%的人認為人工智能技術將會在醫(yī)療行業(yè)廣泛應用。對此，我們從人才、技術、應用、資本四個維度進行人工智能 醫(yī)療市場發(fā)展現狀分析。
3.1 人才
全世界都需要優(yōu)秀的人工智能人才，以進一步釋放機器計算和機器學習技術的巨大潛能。目前擁有人工智能相關專業(yè)人才數量最多的十個國家依次為：美國、英國、印度、加拿大、法國、荷蘭、德國、西班牙、巴西、中國。
從中美人工智能人才的從業(yè)年限構成比例上看，美國擁有10年以上經驗的人工智能人才比例接近50%，而我國十年以上經驗的人才比率只有不到25%。然而，美國5年以下經驗的人才比例約為28%，而我國的這一數字比率超過了40%。盡管我國人工智能專業(yè)人才總量較美國和歐洲發(fā)達國家來說還較少，10年以上資深人才尚缺乏?？梢?，在我國，人工智能領域的專業(yè)人才供求失衡嚴重，供求比例接近1比10。國內企業(yè)百度、騰訊、滴滴等以設立研究院的形式，殺入美國高科技中心硅谷，與谷歌、亞馬遜、微軟等企業(yè)掀起人才的激烈爭奪戰(zhàn)。
而在醫(yī)療行業(yè)，既懂人工智能又懂醫(yī)療的人才更是稀缺，基于此背景下，我國加強對人工智能專業(yè)人才的重視程度，國家發(fā)改委、科技部等四部委去年聯(lián)合發(fā)布《“互聯(lián)網 ”人工智能三年行動實施方案》，并將“人工智能”首次納入到中國政府工作報告中。從人才從業(yè)年限結構分布上來看，我國新一代人工智能人才比例較高，人才培養(yǎng)和發(fā)展空間廣闊。
3.2 技術
據調查數據顯示，61.11%的人認為人工智能在醫(yī)療行業(yè)的主要發(fā)展機遇是技術的增長速度快于其應用速度。
高效的算法、充足的數據和計算能力是人工智能發(fā)展的三個必要條件。
·算法。就應用層面而言，中國的算法發(fā)展程度與其他國家并無太大差距。事實上，中國在語音識別和定向廣告的人工智能算法上取得了突破進展。而全球的開源平臺也使得中國企業(yè)能夠快速地復制其他地區(qū)開發(fā)的先進算法。但是，目前中國的研究人員在基礎算法研發(fā)領域仍遠遠落后于英美同行。需要中國的大學教育對學生提出更高的數學和統(tǒng)計學要求，并且集中資源發(fā)展該領域全球前沿研究，人工智能的發(fā)展必將受益匪淺。另一個值得思考的方向是改進現有的科研經費分配模式來推進創(chuàng)新。
·數據。人工智能系統(tǒng)必須通過大量的數據來“訓練”自己，才能不斷提升輸出結果的質量。中國的醫(yī)療數據并不匱乏，但是有效的醫(yī)療數據仍舊“捉襟見肘”，這讓機器學習上困難重重。
數據領域的三大因素可能會影響中國人工智能的發(fā)展：一是，盡管能夠通過專有平臺獲得海量數據，但在創(chuàng)建一個標準統(tǒng)一、跨平臺分享的數據友好型生態(tài)系統(tǒng)方面，中國仍落后于美國。二是，全球各國都已意識到開放政府數據庫有助于促進私營領域創(chuàng)新，但中國政府數據的開放度仍極為有限。三是，對跨境數據流通的限制也使得中國在全球合作中處于不利地位。
·計算能力。高運算速度的計算技術是發(fā)展尖端人工智能技術的重中之重，而其耗能水平則決定著人工智能解決方案能否實現大規(guī)模商業(yè)化。計算能力是人工智能的基礎設施之一，因此具有極高的戰(zhàn)略意義。
3.3 應用
人工智能對于醫(yī)療健康領域中的應用已經非常廣泛，從應用場景來看主要分成了語音識別、醫(yī)學影像、藥物挖掘、營養(yǎng)學、生物技術、急救室管理、醫(yī)院管理、健康管理、精神健康、可穿戴設備、風險管理和病理學共12個領域。
3.3.1 語音識別：人工智能可以診斷疾病。
通過語音識別和疾病數據分析，可實現機器診斷疾病。醫(yī)療是一個更垂直，專業(yè)度更高的領域，有很多專業(yè)術語和專業(yè)技能需要我們去學習。而這就需要大量的醫(yī)療專業(yè)詞匯庫的積累。人工智能診斷疾病可更準確、更快捷、更安全，以及更便宜的實現病患處理。
3.3.2 醫(yī)學影像：幫助和教會醫(yī)生看膠片
醫(yī)學影像與人工智能的結合，是數字醫(yī)療領域較新的分支，而且是數字醫(yī)療產業(yè)的熱點。醫(yī)學影像包含了海量的數據，即使有經驗的醫(yī)生有時也顯得無所適從。醫(yī)學影像的解讀需要長時間專業(yè)經驗的積累，放射科醫(yī)生的培養(yǎng)周期相對較長，而人工智能在對圖像的檢測效率和精度兩個方面，都可以做得比專業(yè)醫(yī)生更快，還可以減少人為操作的誤判率。
3.3.3 藥物挖掘：大幅度降低藥物研發(fā)成本
藥物的發(fā)現和篩選經歷了三個階段：
第一個階段是1930年～1960年之間的隨機篩選藥物階段。隨機篩選藥物的典型代表就是利用細菌培養(yǎng)法從自然資源中篩選抗菌素。
第二個階段是1970年～2000年可以使用高吞吐量的靶向篩選大型化學庫。組合化學的出現改變了人類獲取新化合物的方式，人們可以通過較少的步驟在短時間內同時合成大量化合物，在這樣的背景下高通量篩選的技術應運而生。高通量篩選技術可以在短時間內對大量候選化合物完成篩選，經過發(fā)展，已經成為比較成熟的技術，不僅僅應用于對組合化學庫的化合物篩選，還更多地應用于對現有化合物庫的篩選。
第三個階段是現在，虛擬藥物篩選階段，將藥物篩選的過程在計算機上模擬，對化合物可能的活性作出預測，進而對比較有可能成為藥物的化合物進行有針對性的實體體篩選，從而可以極大地減少藥物開發(fā)成本。在醫(yī)藥領域，最早利用計算機技術和人工智能并且進展較大的就是在藥物挖掘上，如研發(fā)新藥、老藥新用、藥物篩選、預測藥物副作用、藥物跟蹤研究等，均起到了積極作用。這實際上已經產生了一門新學科，即藥物臨床研究的計算機仿真(CTS)。
3.3.4 營養(yǎng)監(jiān)督：管理我們的健康
在我國，進入小康社會之后，人們的生活水平大幅度上升，上層中產階級的數量從2002年的330萬上升到2012年的3584萬，大眾中產階級從1155萬上升到1.38億。這些人群對食品的營養(yǎng)有更高的要求，不僅僅是為了吃飽，而是為了身體健康能夠吃好。合理的膳食搭配以及更安全的有機食品需求成為新的食品產業(yè)增長點，急需新技術推動行業(yè)變革。
通過分析標準化飲食的結果，研究者發(fā)現即便食用同樣的食品，不同人的反應依然存在巨大差異。這表明，過去通過經驗得出的“推薦營養(yǎng)攝入”從根本上就有“漏洞”。接下來，研究者開發(fā)了一套“機器學習”算法，分析學習血樣、腸道菌群特征與餐后血糖水平之間的關聯(lián)，并嘗試用標準化食品進行血糖預測。葡萄糖是人類細胞最主要的能量來源，血糖異常會導致多項重要疾病。可以說，血糖管理是精準營養(yǎng)的基石。機器學習算法可以給出了更精準的營養(yǎng)學建議。
3.4 資本
據數據顯示，全球AI風投已經從2012年的5.89億美元，猛增至2016年的50多億美元。預計到2025年，人工智能應用市場總值將達到1270億美元。其中，醫(yī)療行業(yè)將占市場規(guī)模的五分之一。在2017年僅第一季度就有30多家人工智能企業(yè)獲得融資，落實到具體行業(yè)中，醫(yī)療健康領域的人工智能創(chuàng)業(yè)公司表現尤為突出，關注度和融資量最高。
從融資輪次來看，大部分醫(yī)療人工智能企業(yè)都處在A輪以前，最多也就是到B輪，幾家上市企業(yè)是將人工智能技術應用在醫(yī)療而不是依靠人工智能技術發(fā)家的。2016年中國人工智能 醫(yī)療市場規(guī)模達到96.61億元，增長率為37.9％，中國人工智能 醫(yī)療市場規(guī)模在持續(xù)增長，2017年將超130億元，增長40.7％，有望在2018年市場規(guī)模達到200億元。
近年來，隨著移動互聯(lián)、物聯(lián)網等新興技術的快速發(fā)展，由不同終端設備產生出的數據量愈加龐大，據相關機構預測，在2020年大數據量將上漲至44ZB。據了解，這些數據有高達80%都是來源于文本、圖像、視頻等非結構化數據，但是由于技術瓶頸，現有的IT系統(tǒng)無法識別這些非結構化數據，因此，這些數據就猶如“垃圾”，變得毫無價值。而基于人工智能的認知技術則是大數據時代的必然產物，不但能夠識別大量的非結構化數據，更可以提供數據洞察。認知計算能夠理解各種形式的非結構化數據，由此生成數據洞察，助力企業(yè)快速從復雜的海量數據中獲得洞察，并做出更為精準的商業(yè)決策。而在醫(yī)療領域，產生了大量的數據，而這些數據也幾乎是非結構數據。事實上，國內外已經有一些高科技企業(yè)將這些認知計算和深度學習等先進技術用于醫(yī)療影像領域。
從投資角度來講，醫(yī)療領域的人工智能應用最具價值。在一些垂直領域，人工智能的應用最容易獲得成功，或者說能夠實現產業(yè)化。因為一些垂直領域相對來說數據量比較小，所以機器深度學習能夠做的用戶體驗比較好。
第四章 人工智能 醫(yī)療市場發(fā)展痛點分析
4.1 人工智能的發(fā)展依然面臨三大難題
一是數據流通和協(xié)同化感知有待提升。
基礎設施層的仿人體五感的各類傳感器缺乏高集成度、統(tǒng)一感知協(xié)調的中控系統(tǒng)，對于各個傳感器獲得的多源數據無法進行一體化的采集、加工和分析。未來突破點將發(fā)生在軟件集成環(huán)節(jié)和類腦芯片環(huán)節(jié)。一方面軟件集成作為人工智能的核心，算法的發(fā)展將決定著計算性能的提升。另一方面，針對人工智能算法設計類腦化的芯片將成為重要突破點。
二是人工智能尚未實現關鍵技術突破。
在技術研發(fā)層，目前取得的進度依然屬于初級階段，對于更高層次的人工意識、情緒感知環(huán)節(jié)還沒有明顯的突破。未來突破點將發(fā)生在腦科學研究領域。要對真正的分析理解能力進一步地研發(fā)，從大腦的進化演進、全身協(xié)調控制等領域實現。
三是智能硬件平臺易用性和自主化存在差距。
應用層的智能硬件平臺，服務機器人的智能水平、感知系統(tǒng)和對不同環(huán)境的適應能力受制于人工智能初級發(fā)展水平，短期內難以有接近人的推理學習和分析能力，難以具備接近人的判斷力。未來突破點將出現在智能無人設備領域。
4.2 人工智能 醫(yī)療行業(yè)存在“五大難題”：
一、監(jiān)管問題。目前對于人工智能健康醫(yī)療大數據和算法的使用監(jiān)管，我國的法規(guī)較美國、英國、澳大利亞等國家而言，還有一些差距需要補足，既要利用好后發(fā)優(yōu)勢，又要確保患者安全。
二、觀念問題。醫(yī)療是一個太不容輕忽的領域，人工智能帶我們走向的又是一個既讓人神往又畏懼的未來。
三、技術問題。市場中的應用技術不成熟，產品呈現雞肋狀態(tài)，缺乏獨立研發(fā)的動力。
四、安全問題。在技術研發(fā)的同時缺少標準的安全評估體系。
五、割裂問題。各家獨自研究，缺乏交流和適當的思想碰撞。
第五章 人工智能 醫(yī)療市場發(fā)展趨勢分析
人工智能產業(yè)發(fā)展在未來將呈現出四大趨勢：一是新一輪的開源化浪潮將成為人才爭奪的主戰(zhàn)場;二是語音識別領域將快速實現商業(yè)化部署;三是人工智能產業(yè)將與智慧城市建設協(xié)同發(fā)展;四是中國人工智能應用將在服務機器人領域迎來突破。
而醫(yī)療人工智能的中國時代已經到來。
這一判斷是基于三個方面，第一，人工智能 醫(yī)學的應用基礎和環(huán)境。中國人口基數大，醫(yī)療資源分布不足，讓人工智能醫(yī)療落地應用成為一種剛需；第二，人工智能在各領域的技術積累達到了一個爆破點。從技術層面看，它可以為醫(yī)療人工智能落地化產生強大的助推作用；第三，國家政策紅利。從2013年到2017年，國務院、發(fā)改委、FAD連續(xù)發(fā)文，多次提及醫(yī)療影像走智能化、云化的趨勢，為推動智能醫(yī)療領域保駕護航。
基于利好大背景環(huán)境下，人工智能 醫(yī)療市場也將愈發(fā)成熟，以下預測人工智能 醫(yī)療“三大應用”發(fā)展趨勢。
·可穿戴設備。作為健康數據的采集基礎，可穿戴設備可以說是作為人工智能的先鋒來到大眾視野。但是由于數據的準確性、標準化等諸多因素成為了“雞肋”產品。而隨著人工智能技術的快速發(fā)展，以及對醫(yī)療數據的采集及應用情況的完善，伴隨著物聯(lián)網大環(huán)境的促進下，可穿戴設備也將再次發(fā)力，為人們的健康保駕護航。
·語音識別。有效緩解醫(yī)院三大明顯的痛點：效率、安全、數據。因為病歷書寫工作量大，很多醫(yī)生寫病例的時候就選擇復制粘貼的方式，夸張的有些把左右腿都搞混，這種的結果就造成了醫(yī)院誤診率提高，甚至出現醫(yī)療事故，安全問題不容忽視。語音識別能夠很好的與現有電子病歷系統(tǒng)相結合，在記錄每個病人病情時，通過語音錄入的方式極大的提高了效率。將醫(yī)生從機械的文案錄入工作中解放出來，提升就診效率和患者體驗度。
·影像識別。智能醫(yī)學影像是將人工智能技術應用在醫(yī)學影像的診斷上。人工智能在醫(yī)學影像應用主要分為兩部分： 一是圖像識別，應用于感知環(huán)節(jié)，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環(huán)節(jié)，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。以肺結節(jié)為例，人工智能可以降低漏率，并且可以識別多種肺部結節(jié)，比如磨玻璃結節(jié)、血管旁小結節(jié)、微小結節(jié)、多發(fā)小結節(jié)等認為比較難判定的結節(jié)。
可見，人工智能 醫(yī)療市場發(fā)展前景廣闊，擁有更大的空間需繼續(xù)挖掘。人工智能已經在60年的發(fā)展中迎來了三次熱潮，也經歷了兩次寒冬。前兩次中國都沒能參與其中。這一次熱潮來襲，對于中國來講，把握住人工智能 醫(yī)療這場熱潮中的“風口”，將是一次彎道超車的好機會。
HC3i中國數字醫(yī)療網（hc3i8068）
中國首家專注于醫(yī)療信息化、互聯(lián)網醫(yī)療和移動醫(yī)療的專業(yè)網絡平臺。
