一、文献综述
- 国内研究现状
近年来，在国家政策的支持与驱动下，在互联网、大数据、人工智能等前沿技术的支撑下，我国智慧医疗进入飞速发展时期。国家新一代人工智能、脑科学与类脑研究重大专项逐步启动实施，智慧医疗科技研究与产业发展步入新的阶段。
说到医疗 AI 行业的赛道，可以用“熙熙攘攘，杂乱不堪”这个词来形容，传统医疗行业、互联网企业和创业企业都像闻见血腥的鲨鱼，一头扎进这个并不完善的赛道，导致这里充满了同质化的竞争。
从医疗人工智能业务上看，人工智能在医疗健康领域的应用主要包括辅助诊断、药物研发、健康管理、 医院管理、手术替代等方向。 统计发现，目前中国大多数初创企业以辅助诊断为主要业务，而具体业务又多以影像学智能辅助诊断系统、语音识别为主，这主要和人工智能领域图像识别与语音识别技术较为成熟有关。另外，医疗 AI 涵盖的疾病较广，但多于偏重于基于图像识别技术的影像学、病理图片识别的疾病，如肺癌、肺结节、皮肤科 疾病等。
调查显示，目前医疗 AI 的发展主要集中在影像方面，几乎九成公司都在做医疗影像，针对的疾病主要是肺部、眼疾。这是因为肺结节和糖网数据相对丰富，影像科目前对 AI 的应用相对成熟，且影像科 CT 平扫、磁共振检查等工作多为重复性劳动，对 AI 的需求也很迫切，这导致了医疗 AI 行业的同质化竞争严重，如联影、推想科技、深睿医疗、依图医疗、科大讯飞、体素科技、汇医慧影、图玛深维、点内科技、翼展影像、视见科技、腾讯觅影、青燕祥云、杏脉、健培、连心等在内的二十余家企业都已经在肺部疾病方面有所布局。
仅次于肺部疾病的是眼底疾病。包括体素科技、Airdoc、健培、Deepmind、爱尔眼科，以及 IBM Watson、腾讯、百度等在内的十余家企业已在该领域布局。DeepMind 还在 Nature Medicine 上发表了一项里程碑式的医疗 AI 研究成果，它的 AI 系统能够对常规临床实践中的眼球扫描结果进行快速诊断，可识别 50 余种眼部疾病，准确率与眼科专家一样出色，甚至更好。
病理学也是模式识别的主要突破口，但同样也是以图像形式呈现，最容易以大数据为依托通过模式识别进行疾病的诊断与鉴别诊断。目前，在病理学方面，AI 已应用于血液系统恶性肿瘤（主要是白血病）的辅助诊断。不过，目前病理学应用 AI 还是有局限性的，病理学实体肿瘤实质和间质成分更加复杂，部分肿瘤的确诊还要依靠免疫组化，这些都会大大增加 AI 诊断的难度。
而影像学方面，以肺癌为例，大部分 AI 技术都依赖肿瘤大小、实性成分比例与 CT 值，但是部分 CT 值很低的纯 GGO（毛玻璃结节）术后仍被证实为微浸润甚至是浸润性腺癌，尤其是大于 1cm 的结节，这部分患者目前仍然较难鉴别，个人认为在这部分患者的 AI 诊断中可能需要增加结节大小所占的权重，未来诊断的准确性仍有很大提升空间。
虽然也有其他公司在癌症、乳腺癌、心血管等疾病也有研究和突破，如数坤科技利用深度学习算法技术对心血管医疗影像进行智能分析，并全球首推原创的心血管人工智能影像平台，实现冠脉诊断“拍立得”。但遗憾的是，这些医疗应用仍然主要用于影像科部门。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
