《人工智能专业人才缺乏风险分析.docx》由会员分享，可在线阅读，更多相关《人工智能专业人才缺乏风险分析.docx（6页珍藏版）》请在课桌文档上搜索。
1、人工智能专业人才缺乏风险分析一、行业发展趋势1、政策推动标准体系建设医疗Al行业的相关政策频出，推动技术研发成果加速落地及标准化体系建立。2017年7月国务院发布的新一代人工智能发展规划，首次在国家层面对人工智能技术内容进行全盘布局，重点对2030年我国新人工智能发展的总体思路、战略目标和主要任务、保障措施进行系统的规划和部署。2018年4月国务院发布关于促进“互联网+医疗健康”发展的意见，明确将健全“互联网医疗健康”服务体系。从医疗、公共卫生、家庭医生签约、药品供应保障、医保结算、医学教育和科普、人工智能应用等方面推动互联网与医疗健康服务相融合，同年政府提出人工智能向基层医疗进行渗透。201
2、9年8月科技部发布国家新一代人工智能开放创新平台建设工作指引提出推广人工智能治疗新模式新手段，探索人机协同智能诊疗体系的建设。明确了2020年进一步提出未来的建设指南，期望在2023年率先在医疗等领域初步建成人工智能标准体系，智能医疗将围绕医疗数据、医疗诊断、医疗服务和医疗监管建立标准体系规范。2020年8月国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化部五部门印发了国家新一代人工智能标准体系建设指南，加强了人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进形成了标准引领人工智能产业全面规范化发展的新格局。2022年3月国家药监局器审中心制定了人工智能
3、医疗器械注册审查指导原则，规范了人工智能医疗器械的技术审评要求，为人工智能医疗器械、质量管理软件的体系核查明确了参考依据。2、人工智能产品多元化发展未来以临床价值为导向的医疗Al产品将实现多元化发展，人工智能技术企业将根据细分应用场景开发出适应更多部位病种的人工智能产品，功能也将从图像检出、分割、量化、辅助诊断进一步发展到疗效评估、治疗决策等领域。产品功能由原来单任务学习趋向多任务学习，实现多维度的功能延展。未来覆盖多部位、多病种、多模态、全流程的诊疗一体化解决方案将成为医疗AI企业提升竞争力的关键所在。3、行业将进一步升级集中随着人工智能在医学影像应用技术的不断优化升级，在临床应用中的复杂模
4、式识别、自动化定量评估方法日渐完善，人工智能有望形成更准确的影像评估依据，为医生提供更专业的辅助诊断意见。技术的成熟与应用场景落地，将会助推医学影像产业智能化转型升级。随着行业数据整合与共享机制的建立、模型训练的成熟、商业模式的确立，以及产品注册证的获批，先发企业将逐步建立技术和商业双重壁垒，推动市场从分散走向集中。4、人工智能助力医疗数据智能化生态建设数据是智能化发展的核心资源，对数据资源的整合治理，是实现智能化应用、充分发挥数据价值的前提。应用人工智能技术的医疗数据智能化生态建设，将有助于加强临床医学和基础医学科研数据资源的整合共享，进而提升医学科研转化及实际的临床应用效能，实现医疗机构在
5、数据资产管理、临床诊疗及科研能力上的综合提升。二、行业技术应用现状及优势20世纪60年代医生开始利用计算机技术阅读X射线光片，20世纪80年代计算机辅助诊断系统成为医学影像诊断的一个研究方向。从计算机阅读到辅助诊断的研发，医生开始逐渐将人工智能纳入到了医学影像的临床应用中。人工智能在医学影像领域的临床应用主要在辅助诊断环节，应用计算机视觉及深度学习技术，集中应用于图像识别、病变检出和良恶性判断等。一方面，利用人工智能的计算机视觉技术对患者的医学影像识别获取重要信息，为经验不足的影像科医生提供帮助，提高其阅片效率；另一方面，基于深度学习技术通过大量已有影像数据和临床信息对模型进行训练，使其具备智
6、能化辅助诊断疾病的功能，在临床中帮助医生降低漏诊、误诊概率。Al阅片与人工阅片对比，具备高效率、高准确度、客观性、信息利用率高且知识经验传承高的优势特点，能够帮助影像科医生提升阅片的效率和质量，有效缓解我国医学影像医师资源紧张的状况。目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率为4.设，放射科医师的数量增长速度远不及影像数据的增速，且随着分级诊疗的推进和基层医疗需求的释放，未来基层医生处理医学影像数据的压力会越来越大，医学影像阅片及诊断需求将无法得到有效的满足。人工智能技术在医学影像领域的应用能够充分发挥其高效且准确的优势，缓解医生阅片压力，切实助力分级诊疗的推动和基层
7、医院的建设。三、行业发展历程中国人工智能医学影像行业处于新兴行业发展的早期阶段，已经历了初期技术研发、概念兴起、价值验证及商业化模式探索阶段。自2010年中国各级医疗机构在医院系统中采用电子病历及数字化影像设备以来，医疗领域的文本及影像数据资源开始逐步积累，为后期人工智能机器学习及深度学习的使用提供了底层的数据资源。随着人工智能技术的快速发展，多家互联网企业在此期间开始布局医疗人工智能行业，随之人工智能医疗进入初步发展阶段，对医学影像数据的智能化研究也随之开展。2015年起，在政策利好和人工智能医学影像技术取得新进展的背景下，人工智能医学影像初创企业陆续成立，资本涌入促使相关技术快速成熟并向应
8、用端转化。2017年人工智能医学影像技术在智能影像识别、靶区勾画及脏器成像方面均有所突破，标志着人工智能医学影像技术日趋成熟。在技术成熟并向应用场景探索转化的过程中，人工智能发展的三大核心要素数据、算法及场景的关键性被逐步认知，数据是智能化发展的核心资源，算法是智能化决策的实现工具，场景是数据智能化价值的发挥平台。三者的紧密结合促进了人工智能的产业化发展应用。2018年人工智能医学影像设备的弊端开始显现，部分医院认为产品未能实质性降低工作强度，人工智能医学影像结果呈现许多“假阳性”现象，未能帮助降低误诊率。同时产品设计过于工程化，与医生实操需求不符，增加了医生使用的时间成本。上述情况导致医疗机
9、构对人工智能医学影像产品的热情度下降，资本市场同时进入冷静期，市场开始对企业进行价值验证，逐渐优胜劣汰。领先的人工智能医学影像企业率先发展，在产品研发上持续升级并推出新的功能与产品，并加强与各级医疗机构的合作，适应并满足医生的使用场景需求，逐步获得市场认可，逐渐形成行业壁垒。疫情下医疗资源短缺加速推动了影像智能化产品的应用落地，监管政策逐步完善。2020年国家药监局启动了对人工智能影像辅助决策医疗器械产品的注册批准，截至2022年6月，我国已有超30款医学影像类人工智能产品获批医疗器械第三类注册证。产品的加速获批推动了我国医学影像人工智能辅助诊断产品从研发到落地的商业化探索之路。当前人工智能医
10、学影像产业仍处于发展探索的初期阶段，数据资源的整合与利用是驱动行业数字智能化生态建设的核心因素。目前国内大多数医院在影像数据存储及治理上的智能化投入较少，大多处于信息化运营阶段。医疗机构内部的影像数据资源集成整合已经逐渐成为制约医院数字智能化发展的障碍。医疗影像数据臃肿，扩展性差，大量宝贵的临床数据资源没有被充分利用。未来人工智能在医学影像上的应用将从单点临床诊断应用向医疗体系规模化应用过渡，帮助医院构建医学影像数据生态系统，在数据治理基础上合理利用资源实现临床辅助诊断功能和临床科研闭环应用，将是医疗领域数字智能化建设的主要方向。四、专业人才缺乏风险医学影像人工智能行业依赖于具备复合学科背景的专业研发人员。研发人员需具备对人工智能算法的专业开发能力，同时需对医疗影像行业有着较为深刻的临床场景理解。专业人才相对缺乏，未来对技术人才的争夺必将日趋激烈，行业中存在着技术人员流失风险。
