人口老齡化+慢病高漲+醫療資源分配不均，醫療人工智能需求巨大

　　醫學人工智能是解決醫療生產力的根本之道。在我國，人口老齡化、慢病高速增長、醫療資源供需嚴重失衡以及地域分配不均等問題，造就了對醫療人工智能的巨大需求;同時，我國人口基數大、產業組合豐富、人才儲備充分等特點，又給人工智能的發展提供了很好的基礎。

　　圖表1：2010-2017年國內人口以及60歲以上的人口統計(單位：萬人，%)

　　資料來源：前瞻產業研究院整理，前瞻經濟學人APP

　　另一方面，近年來國家發布的80多條全國性政策以及多條醫療人工智能專項政策，都表明醫療人工智能的發展迎來政策利好。因此，中國已經成為了全球領先的AI研發中心，醫學人工智能在中國的發展面臨著非常好的機遇。

　　圖表2： 截至2017年醫療人工智能的相關政策

　　資料來源：前瞻產業研究院整理，前瞻經濟學人APP

　　優質醫療資源匱乏，人工智能+醫療健康改變未來

　　醫療領域最突出的問題就是優質醫療資源不足，同時，醫生對疾病的診斷準確度和效率還有非常大的提升空間。長期以來，大多數國家和地區，特別是進入老齡化社會之后，對醫生的需求量有增無減。解決醫生資源不足的問題，除了增加供給量，別無他法。但是醫生培養需要周期，而且供給量也不能無限增加。于是，人們開始寄希望于機器。因為一旦能夠實現機器看病，供給量將會無限增加。所以，人工智能+ 醫療健康的結合，是人工智能諸多應用場景中最重要一個。

　　圖表3： 醫療人工智能的發展歷程(人工網絡神經為例)

　　資料來源：前瞻產業研究院整理，前瞻經濟學人APP

　　算力算法齊備，人工智能+醫療等待醫療大數據引爆

　　算法、算力和數據，是人工智能快速發展的三個要素。算力是人工智能的基礎設施之一，目前每GFLOPS的算力成本已降至8 美分。算法是人工智能發展的基礎，算法框架中諸如Caffe、TensorFlow、Torch 等大多數已經實現了開源，成為大多數工程師的選擇，對行業的加速發展和人才的培養起到了非常大的作用。數據方面，人工智能系統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。目前醫療數據還具有公開性不高，難以獲得、清洗的特點。

　　圖表4： 醫療人工智能的三大要素

　　資料來源：前瞻產業研究院整理，前瞻經濟學人APP

　　在過去的十年里，隨著電子病歷的實施，數字化的實驗室幻燈片，高分辨率的放射圖像、視頻，醫療保健數據量呈指數級增長，整個醫療行業的數據量令人難以置信。再加上制藥企業和學術研究機構檔案，以及數萬億的數據流從可穿戴式設備的傳感器中得到。EMC和IDC發布的報告顯示，2013年全球醫療保健數據量為153EB，預計年增長率為48%。這意味著到2020年，這個數字將達到2314EB。

　　圖表5： 2013-2020年全球醫療大數據數量及預測(單位：EB)