摘要：隨著科技發(fā)展，人工智能技術在教育領域中的應用已取得較大進展。近年來，人工智能（AI）技術和由其引發(fā)的大數(shù)據(jù)時代自社會的各個層面包括我們的思維、生活方式和工作模式產(chǎn)生了巨大的變革；其與醫(yī)學的結合給醫(yī)療系統(tǒng)帶來深遠的影響。從互聯(lián)網(wǎng)到云計算，再到由大數(shù)據(jù)集合而成的人工智能，不斷更新的處理手段使醫(yī)療行業(yè)也開始嘗試新的轉(zhuǎn)變，從傳統(tǒng)的人工診療、教學模式逐步轉(zhuǎn)變?yōu)橐罁?jù)機器學習來獲取更高效的信息，并在醫(yī)學多個領域已有比較廣泛的應用。本文將從人工智能在醫(yī)學領域的優(yōu)勢、當前的進展、應用、局限性和未來方向來進行綜述。
關鍵詞：人工智能；醫(yī)學；醫(yī)學診療；智能技術；
01
人工智能在醫(yī)學領域的優(yōu)勢
人工智能是一門新興的技術學科，可以對現(xiàn)有的理論、方法和技術進行整合并能進一步開發(fā)新的系統(tǒng)，進行相關的科學研究；自人工智能產(chǎn)生以來，其理論和技術日益成熟，應用領域也在不斷擴大。
由此來看，AI所執(zhí)行的主要任務就是要使其能夠勝任一部分通常需要人類才能完成的復雜工作。AI通過不斷的完善和發(fā)展改變了人們的工作和生活方式，也促使醫(yī)療行業(yè)工作者對其價值進行了思考和探索。從現(xiàn)有的成果可以預見，AI功能的擴展和創(chuàng)新，將為臨床醫(yī)生以及科研人員開辟全新的領域，為基因組學探索、醫(yī)藥研發(fā)以及疾病診斷提供新的思路和途徑。
自20世紀開始，我們開始致力于開發(fā)出機器學習方法，期待解決一些人工無法解決的問題，這便是最初的人工智能技術來源。目前研發(fā)的人工智能系統(tǒng)，已經(jīng)可以處理大量的數(shù)據(jù)和知識如計算方法、混合智能系統(tǒng)等。
然而，人工智能不僅涉及一門技術或是一門學科，而是多種學科技術的融合。通過人工智能系統(tǒng)，我們可以查找、學習、設定計劃；另一方面，我們還可以通過人工智能系統(tǒng)模擬出具體的智能行為，也包括各類醫(yī)學科研研究過程。
這項技術打破了限制醫(yī)療行業(yè)發(fā)展的障礙，即如何有效的探索和分析一些需要應用大量知識來解決的復雜性診療問題?，F(xiàn)在，醫(yī)學AI通過發(fā)展和完善使這些問題能被很好的解決，并且為我們提供了精準的治療方案。
醫(yī)療是醫(yī)生圍繞患者的生命狀態(tài)和病情進展形成思辨，并進行干涉性操作和觀察性總結的過程。然而在臨床上僅憑醫(yī)療工作者的能力完成一系列診治過程和步驟并不現(xiàn)實。
隨著新興的技術日趨增多，人工智能在醫(yī)學領域中的應用越來越廣泛，包括大數(shù)據(jù)技術，主要通過在數(shù)據(jù)中制定一系列規(guī)則，從而對數(shù)據(jù)進行有效分類，再與臨床醫(yī)生的醫(yī)囑相結合，充分體現(xiàn)了具有可靠性和精確性的智能診療模式。
在這一智能系統(tǒng)的輔助下，醫(yī)療工作人員可檢查系統(tǒng)舉出的病癥和推論是否合理，然后將更多的信息加入，對大量的醫(yī)療數(shù)據(jù)進行整理總結，得出最佳治療建議。這種新型的方式可以更好的處理信息，輔助醫(yī)生進行診療。
對于獲得的大量信息，人工智能系統(tǒng)可通過“深度學習”將其進行分類和歸納，還可進行直接提取和輸出，減少了不必要的人工勞動。
另外人工智能在醫(yī)學中的應用還涉及藥物挖掘、健康管理、疾病風險預測等，通過人工智能將各學科和各平臺系統(tǒng)進行有機結合使醫(yī)療行業(yè)得到了更快的發(fā)展，這一發(fā)展體現(xiàn)在三個層面：對于臨床醫(yī)生而言，能夠通過便捷的手段對患者的病情進行準確的解釋和判斷；通過簡化工作流程和減少醫(yī)療失誤的潛力來改善醫(yī)療系統(tǒng)；對于患者而言，智能系統(tǒng)使他們能安心其處理自身的健康數(shù)據(jù)，更好的促進人類健康。
但在前期，由于系統(tǒng)性不完善、參與人員不足，造成相關研究往往只能取其中一個非常具體的層面切入，主要是限于背景、實力等因素，無法做到面面俱到，造成人工智能出現(xiàn)緩慢發(fā)展的狀態(tài)。
而在后期，計算機編寫的程序是主要根據(jù)專家的設計原理和方法來模擬醫(yī)生的思維過程來進行診斷的。其中醫(yī)療專家系統(tǒng)就是人工智能的體現(xiàn)，對于醫(yī)生個人技術及水平問題導致的誤診、漏診等情況，可以通過人工智能來彌補，經(jīng)驗不足的醫(yī)師也能從人工智能系統(tǒng)中得到學習和提高。
由此來看，人工智能是醫(yī)生診斷疾病的理想工具，能夠輔助醫(yī)生處理較為復雜的醫(yī)療問題，獲得更好的治療效果。
目前對于各種疾病的診療及手術均已形成規(guī)范和指南，但畢竟診療過程由人來完成，這導致不同醫(yī)生之間的方法、水平存在較大差異，使用人工智能設定這一標準可大大提高操作的精確性和標準化程度。在臨床中各類患者的情況并不相同，因此個體化的醫(yī)療設計方案可以提高醫(yī)療質(zhì)量，即在證據(jù)充分的基礎上，根據(jù)患者情況選擇最適合的治療方法，這種智能醫(yī)療方案能夠給患者帶來更好的診療體驗。
此外，我國人口眾多，各級醫(yī)院每年診治數(shù)目龐大的患者，積累了世界上最多的臨床醫(yī)療數(shù)據(jù)，針對我們的醫(yī)療數(shù)據(jù)分散、不標準、非結構化的缺陷，采用了醫(yī)院標準化電子病歷，建立安全有效的互聯(lián)網(wǎng)數(shù)據(jù)庫，將人工智能系統(tǒng)的價值充分的發(fā)揮出來。
另外，現(xiàn)有的和即將產(chǎn)生的醫(yī)學知識可能會逐漸超出人類思維的組織能力，但醫(yī)學教育可以充分利用這一技術不斷進行信息的獲取和傳遞，有利于教育信息的不間斷傳播。
02
人工智能在醫(yī)學領域的進展
在醫(yī)療工作中，圖像對于醫(yī)生診斷疾病具有重要的輔助作用，在這里主要通過列舉人工智能在臨床醫(yī)學中的應用來反應其進展。人工智能與圖像的結合大大提高了臨床醫(yī)生診斷疾病的準確率與效率，主要包括在影像、內(nèi)鏡以及病理檢查中的應用。
基于計算機視覺技術數(shù)學模型，人工智能收集、提取醫(yī)學圖像的原始像素并挖掘圖像的有效特征，以此學習和模擬醫(yī)生，這是一個由整體到部分再由部分到整體的復雜過程。
2.1影像檢查
人工智能的運用能很好地協(xié)助醫(yī)生根據(jù)影像學檢查對患者進行疾病診斷。SUN-WOO等運用基于顱腦MR圖像的計算機輔助診斷系統(tǒng)進行顱腦轉(zhuǎn)移瘤診斷分析，影像醫(yī)生的診斷敏感度從77.6%提升至81.9%，每例患者的診斷時間從114.4s減至72.1s；
經(jīng)驗不足的影像醫(yī)生診斷敏感度提高了約10%。MASOOD等運用基于胸部CT圖像的計算機輔助診斷系統(tǒng)進行肺癌診斷分析，診斷平均準確率84.58%，對肺癌T1~T4分期鑒別的準確率77.89%~90.14%。
BECKER等使用深度學習圖像分析系統(tǒng)對143例診斷為乳腺癌或交界性病變的患者進行診斷分析，診斷準確率達82%，而經(jīng)驗豐富的放射科醫(yī)師診斷準確率為79%~87%，兩者相差不大。
ARAMENDIA-VIDAURRETA等使用基于子宮附件超聲圖像的人工智能系統(tǒng)對附件腫物進行定性，準確率高達98.78%，靈敏度為98.50%，特異度為98.90%。
由此可以看出，人工智能系統(tǒng)對于醫(yī)生判讀影像學結果有一定的輔助作用及價值，其不僅能提高醫(yī)生對疾病診斷的敏感度，還能縮短醫(yī)生閱片診斷的時間，既提升了準確率，也提高了效率。
2.2內(nèi)鏡檢查
人工智能技術能通過攝取內(nèi)鏡所獲得的圖片中組織的微細紋理特征，進行深度學習，將內(nèi)鏡圖像進行分類并預測診斷。
MIYAGI等基于陰道鏡圖像，使用人工智能系統(tǒng)對330個圖像進行分析，診斷判定準確率為0.823，敏感度為0.797，特異度為0.800。ITOH等開發(fā)的人工智能模型，基于胃鏡圖像進行幽門螺桿菌感染診斷，敏感度和特異度分別為86.7%、86.7%。
2.3病理檢查
人工智能系統(tǒng)能通過分析組織形狀以確定組織圖像的分化程度，通過分析淋巴細胞密度，腫瘤基質(zhì)組成和核等指標，得到有用的預后數(shù)據(jù)。由于腫瘤免疫治療的成功，近年來腫瘤微環(huán)境中的免疫細胞已經(jīng)獲得了大量的關注。
因此，使用人工智能技術對腫瘤浸潤免疫細胞進行定量分析成了數(shù)字組織病理學圖像分析中的新興主題之一。
03
人工智能在醫(yī)學領域的應用
1995年美國的HurleyMyers團隊研發(fā)出Dxrcli-nician教學軟件，該軟件用人工智能技術訓練學生的臨床思維；
我國在2009年引入該教學軟件，但并未大規(guī)模投入使用；2006年人工智能技術中的BP神經(jīng)網(wǎng)絡算法被應用于教學質(zhì)量監(jiān)控，替代人工日常教學檢測；
2011年自適應教育平臺Knewton與培生教育集團合作，通過提取學生的學習數(shù)據(jù)，提供個性化學習服務；上述應用說明，人工智能技術已經(jīng)逐漸應用在高等教育領域。在我國，智能教育剛剛起步，人工智能技術在高等醫(yī)學教育中的應用前景非常廣泛。
3.1基于大數(shù)據(jù)的醫(yī)學教育質(zhì)量監(jiān)測與評估
完善的教學質(zhì)量監(jiān)測與評估是提高教學質(zhì)量的保障，基于大數(shù)據(jù)的教學質(zhì)量監(jiān)測與評估可以在日常教學過程中實時進行。
通過分析大量的反饋信息進行階段性與結果性評估，從而嚴格把控教學質(zhì)量，以便為培養(yǎng)優(yōu)秀的醫(yī)療人才提供保障。高等醫(yī)學教育具有課程多、學制長、實踐性強、專業(yè)綜合化等特點。
大量的反饋信息有利于教學評估的常態(tài)化與全面化，將人工智能評估和傳統(tǒng)師生互動有機結合，解決了學生臨床實習地點分散、監(jiān)控難度大的問題，加強及時調(diào)整教學模式和方式的落實。
3.2早期接觸臨床智能系統(tǒng)
當代的高等醫(yī)學教育是以崗位勝任能力為培養(yǎng)重點的教育，早期接觸臨床課程是醫(yī)學生從課堂到臨床實習之間的過渡，目的是建立臨床思維，提高臨床能力。
現(xiàn)在的早期接觸臨床課程多依賴于理論學習，不能真正將理論學習和臨床實踐有機結合。
按專業(yè)的醫(yī)師標準訓練，為學生做出展示和評判；提高學生的專業(yè)自信心，成為解決臨床問題能力和學習能力的重要工具。
3.3基于數(shù)據(jù)挖掘的適應性學習
醫(yī)學專業(yè)學習課程包括基礎和臨床課程，以及醫(yī)患溝通、心理學等人文類課程。除此之外，醫(yī)學學習還需要實驗及臨床實踐。
在大量的學習任務之下，學生學習個體差異顯著，適應性學習系統(tǒng)根據(jù)學生學習能力、教學模式等方面對學生個體進行評估，并制定個性化學習方案，使其從被動學習轉(zhuǎn)變?yōu)樽灾鲗W習與創(chuàng)新學習、探究式學習。
大量的反饋信息可以縮小教師教授內(nèi)容與學生吸收內(nèi)容之間的差距，利用在線開放資源，教師可及時對學生加強指導，使其盡快適應學習環(huán)境。
人工智能技術可以為學生提供個性化的服務及預測，達到盡快適應醫(yī)學學習環(huán)境的目的。醫(yī)學學習數(shù)據(jù)具有數(shù)量巨大、多樣性的特點，在基于數(shù)據(jù)挖掘的適應性學習中，使用的主要技術包括數(shù)據(jù)的存儲、數(shù)據(jù)挖掘、處理等，整體技術架構。
數(shù)據(jù)挖掘技術可以在大量的數(shù)據(jù)中篩選具有價值性的數(shù)據(jù)，以便制定適合個體發(fā)展的結構化和智能化系統(tǒng)學習方案。
3.4醫(yī)學教育云資源
將云計算技術應用在醫(yī)學教育領域，可以建立提供醫(yī)學輔助教育服務的共享醫(yī)學教育云平臺。
醫(yī)學教育云平臺將數(shù)字圖書館、教學資源庫、試題庫以及大量的在線開放課程等獨立的共享資源融合在一起形成符合教育規(guī)律的集中式資源共建共享平臺。
云平臺基于高速的數(shù)據(jù)通信、虛擬存儲技術，為醫(yī)學生提供了醫(yī)學專業(yè)的內(nèi)容支持，云服務在醫(yī)學教育中的應用創(chuàng)建了醫(yī)學輔助教育的新模式，對于提高教學質(zhì)量、學習效率具有極大的優(yōu)勢。
人工智能是模擬人類思維和能力的智能技術，人工智能與醫(yī)學教育相結合是在健康中國發(fā)展中人工智能技術在教育領域應用的新模式。
在高等醫(yī)學教育領域中，新的模式必將引起新變革，人工智能技術未來將在自適應學習、智能教學模式、教育管理等方面有著廣泛的應用和發(fā)展前景，使教學過程更加個性化、多元化，并提供更加精確、高效的智能教學形式，從而推動教育研究和管理水平的提高。
面對全球智能化的發(fā)展趨勢，人工智能技術在高等醫(yī)學輔助教育中有重要作用，同時也需要更加完善的政策和制度來提供保障。教育工作者應該積極的應對人工智能帶來的變革，在更廣泛的醫(yī)學教育中應用智能的教育方式，推動醫(yī)學教育改革與提升，促進智能教育的發(fā)展。
04
人工智能在醫(yī)學領域的局限性
4.1數(shù)據(jù)層面的局限性
AI醫(yī)療當下所面臨的最大困難來自于整合不同來源的數(shù)據(jù)。首先，我國缺乏數(shù)據(jù)安全相關的執(zhí)法落地實踐。這需要盡快配套落實相關的數(shù)據(jù)安全標準和指南以及有關醫(yī)療大數(shù)據(jù)的行業(yè)相關條例，以規(guī)范醫(yī)療數(shù)據(jù)的法律監(jiān)管現(xiàn)狀。
政府部門需要考慮相關立法，企業(yè)本身也應當強化數(shù)據(jù)保護意識，建立企業(yè)內(nèi)部規(guī)范和技術標注。如今醫(yī)療行業(yè)數(shù)據(jù)正以驚人的速度激增，其法律監(jiān)管需要引起行業(yè)的高度重視。
中國科學院院士、阜外醫(yī)院副院長顧東風表示，國家在搭建統(tǒng)一大健康大數(shù)據(jù)醫(yī)療平臺過程中，已在初步擬定通用統(tǒng)一大平臺標準。同時，應用在推廣大數(shù)據(jù)時應該隱去個人特征，例如姓名、住址等信息。
其次，由于不同來源的數(shù)據(jù)其質(zhì)量、格式與診斷意見都各不相同，很難實現(xiàn)數(shù)據(jù)的有機鏈接與解讀。
盡管中國醫(yī)療數(shù)據(jù)量巨大，可開拓的空間非常廣闊，但是高質(zhì)量的數(shù)據(jù)卻并不多。即使醫(yī)院有數(shù)萬病例，但如果根據(jù)不同的病癥、檢查方式及研究目的進行區(qū)分后，數(shù)據(jù)量就會變得很少。
而且在診斷某一病癥時，并不能夠僅依靠某一項的單一數(shù)據(jù)，而是需要結合病人其他信息，例如實驗室檢測和病理標本等。這些基因和病理數(shù)據(jù)在獲取時難度很大且花費巨大，在與算法結合時將增加額外的難度。
尤其當面對患病人群數(shù)量小的罕見病群體時，可以提供給AI建立模型的有效數(shù)據(jù)非常少。
它們都需要準確且全面的標注，否則會造成數(shù)據(jù)污染，影響模型效果。
4.2技術層面的局限性
從技術層面來看，目前AI的發(fā)展仍處于早期，即計算智能。盡管感知層面的技術有一定的進步，但認知層面的技術發(fā)展仍處于非常早期的階段。
而且?guī)缀跛腥斯ぶ悄艿淖钚逻M展都是通過監(jiān)督式學習來完成的，即：輸入數(shù)據(jù)到快速生成簡單的回應。深度學習就是監(jiān)督式學習中重要的方法，但其與有高度認知能力的人工智能還有很大差距。
這種監(jiān)督學習框架的致命弱點在于需要海量的經(jīng)過標注的數(shù)據(jù)。就現(xiàn)狀來說，非監(jiān)督式學習理論仍不成熟，這導致其應用仍然存在很大的局限性。
因為患者與醫(yī)生之間的交流存在復雜的前反饋，盡管已經(jīng)通過文獻或教材建立了相關病種的知識庫，也仍缺少一個專業(yè)醫(yī)生的常識庫。而且當下的算法只能夠通過學習診斷出已知的病癥，卻對疑難雜癥一無所知。除了常識不足，相較于一個專業(yè)醫(yī)生，人工智能技術并不能提供醫(yī)患之間的情感交流，這種“糖丸效應”在實際就醫(yī)中起到了非常積極的作用。
同時，一個經(jīng)驗豐富的醫(yī)生在進行診斷時，不僅會參考患者客觀的病理情況，也會在交流過程中評估對方的心理及精神狀態(tài)，幫助診斷其病情。但當今的人工智能技術尚未能夠在感性智能上有所突破。
4.3市場及政策層面的局限性
據(jù)了解，如今人工智能醫(yī)療行業(yè)發(fā)展形式大好，但在國內(nèi)審批及認證方面仍處于一個打磨的階段。
與美國FDA審批的醫(yī)療AI產(chǎn)品大多為二類醫(yī)療器械相比，國內(nèi)目前是將新一代醫(yī)療AI定位為三類醫(yī)療器械，即高風險設備。所以產(chǎn)品基本上是必須通過臨床試驗的，并且臨床評價的路徑將控制得十分嚴格。
即便順利通過了臨床試驗，如今用于審批的標準數(shù)據(jù)庫也還在建設中。因為醫(yī)療AI產(chǎn)品的普遍適應性必須通過建立標準測試數(shù)據(jù)庫來進行考核，從而確保模型可以在不同等級的醫(yī)院環(huán)境下正常使用。
建立這個數(shù)據(jù)庫要遵循廣泛性、兼容性以及醫(yī)學圖像標記的標準性。廣泛性要求數(shù)據(jù)來自不同城市的醫(yī)院；
兼容性要求有不同類別的圖像，例如不同層厚的CT圖像；醫(yī)學圖像標記的標準性則依靠招募有醫(yī)療AI研究背景的醫(yī)生，并按統(tǒng)一標準的標注方案對醫(yī)生進行培訓，再進行標注。
中國食品藥品檢定研究院官方微信發(fā)布的信息顯示，2018年3月26日，標準測試數(shù)據(jù)集（眼底部分）建設完成，肺結節(jié)的標準數(shù)據(jù)庫建設方案也已經(jīng)定稿，近期即可建設完成。
當醫(yī)療AI企業(yè)順利通過審批后，AI產(chǎn)品的性能、模型以及應用界面仍將不斷快速迭代，那么傳統(tǒng)的升級審批流程速度是無法滿足產(chǎn)品的迭代需求和行業(yè)的發(fā)展速度的。據(jù)了解，在傳統(tǒng)的審批流程下，醫(yī)療影像AI產(chǎn)品迭代周期是3-5天。如果每周都需要去報備更改，對于企業(yè)和政府部門都是重大的負擔。
05
人工智能在醫(yī)學領域的未來方向
AI醫(yī)療當下所面臨的最大困難來自于整合不同來源的數(shù)據(jù)。首先醫(yī)療人工智能在我國擁有巨大的需求，是幫助解決我國醫(yī)療資源供需失衡、醫(yī)療質(zhì)。量分配不均、人口老齡化、優(yōu)質(zhì)醫(yī)療條件需求等重要問題的有利工具。同時，受益于我國產(chǎn)業(yè)組合豐富、人口基數(shù)大、政策利好等優(yōu)勢，其前景十分廣闊。
在過去幾年，以互聯(lián)網(wǎng)醫(yī)療為主的形式已經(jīng)隨著人工智能技術的發(fā)展與成熟，從以人工驅(qū)動逐漸轉(zhuǎn)型為以技術驅(qū)動，以數(shù)據(jù)為新生產(chǎn)要素的全新醫(yī)療人工智能服務供給。
為了更好地促進人工智能醫(yī)療全方位的發(fā)展，不僅需要從產(chǎn)業(yè)自身生態(tài)鏈上拓寬其應用深度與廣度，也需要外部環(huán)境的充分支持。
從產(chǎn)業(yè)生態(tài)鏈和與人交互的角度來看，未來人工智能由云部分和端部分構成。
而作為其生態(tài)鏈頂層，云部分在未來將主要用于解決醫(yī)療信息的儲存匯總管理、大數(shù)據(jù)挖掘和信息管理與決策等問題。例如谷歌的醫(yī)療大腦通過利用AI可以高效、快速分析海量數(shù)據(jù)的優(yōu)勢，處理了大量電子病歷數(shù)據(jù)，甚至包括醫(yī)生的手寫筆跡。
這些或結構化，或醫(yī)生的隨手注記均可以被神經(jīng)網(wǎng)絡所整合與分析。為了實現(xiàn)這樣的服務，需要更高性能的儲存、敏捷的架構和集群化的技術等，能夠?qū)π枨蠡蜃兓龀鲅杆俚姆磻?/span>
至于端部分，在預防、診斷與治療三個醫(yī)療流程階段都可以介入并幫助提升醫(yī)療服務質(zhì)量，應用場景十分廣泛。
作為健康管理的前置位，人工智能在藥物研發(fā)與疾病預測方面的發(fā)展被廣泛關注。疾病風險預測將主要通過基因測序與檢測，達到提前預測疾病發(fā)生風險的目的。
而藥物研發(fā)則要求在短時間內(nèi)通過核磁共振和熒光顯色等方法對大量待選化合物進行篩選，這需要大量的時間與開發(fā)成本。
但如果應用AI技術，就可以進行虛擬篩選，對化合物的可能活性做出預測，從而縮減篩選范圍，大大節(jié)省開發(fā)成本。
而且科研人員可以結合科學文獻，利用數(shù)據(jù)分析技術和文本挖掘方法，更智能地推斷藥物和疾病間的潛在關系，不僅可以在已知的范圍內(nèi)實踐，更可以探索全新的藥物線索。
在診斷和治療階段，人工智能醫(yī)療在輔助診斷、醫(yī)學影像診斷和虛擬助手等應用領域中也在不斷發(fā)展，并且技術已經(jīng)相對成熟。
例如結合影像輔助診斷與病理分析的技術準確率已高達99.5%，達到緩解醫(yī)生閱片壓力，提高醫(yī)療效率等目的。
在輔助診療方面，許多公司通過利用人機交互的智能設備終端內(nèi)部集成的各種智能傳感器，收集并分析患者信息與身體情況，不僅可以協(xié)助醫(yī)生及醫(yī)院達到精準治療的目的，還可以幫助患者進行自查，自主進行慢病管理或健康管理。其未來的發(fā)展路徑將主要是便捷化、實時化與智能化。
除此之外，一直處于比較邊緣的康復醫(yī)療也逐漸受到人們重視。由于我國當前康復醫(yī)學的發(fā)展只滿足了小部分需求，仍然有大量人群需要專業(yè)的康復醫(yī)療服務。
華創(chuàng)證券預計，2022年，我國康復市場規(guī)模將達到1000億，老年人、殘疾人和慢性病患者等康復患者預測總人口為1.7億。
AI在康復醫(yī)療中的應用主要是采用深度學習技術獲取人體運動信息，建造三維模型，從而幫助患者進行個性化健康評估，提供精準化康復方案。
Copyright ? 2022 上海科雷會展服務有限公司 旗下「智慧醫(yī)療網(wǎng)」版權所有 ICP備案號：滬ICP備17004559號-5
