基于专利信息的我国医学人工智能产业竞争态势分析

目的：从专利信息角度入手对医学人工智能产业进行分析,以期实现该行业长久快速发展。方法：利用国家知识产权局专利数据库构建检索策略,对检索结果从专利态势、申请人实力和技术层面进行分析。结果：我国医学人工智能领域专利数量自2008年开始逐年上升,国内专利申请量主要集中在广东、北京和江苏等发达地区,申请人中来华企业属于技术领导者和潜在竞争者,我国申请人大部分属于技术活跃者。专利技术分布在A61B（诊断外科）、A61H（理疗装置）等小类,识别图形、图像分析以及数字计算和数据处理等是我国医学人工智能领域的研究热点。结论:我国在医学人工智能领域属于技术活跃者,但专利质量仍是阻碍领域发展的短板,产业化程度和研发效率相对较低也是亟待解决的问题。医学影像学的人工智能技术发展表现突出,是实现领域创新的难得机遇。     

我国医疗器械领域专利竞争态势研究

目的 通过对我国医疗器械领域2017—2019年发明和实用新型专利的分析来揭示我国在该领域的专利竞争态势.方法 本研究采用专利计量分析结合定性分析方法,从专利申请数量、简单法律状态、专利申请人及其类型、目标市场、热点技术领域、主要省份分析等方面揭示我国医疗器械领域的专利竞争态势.结果 我国医疗器械领域2017—2019...     

基于专利申请的乳腺癌人工智能诊断技术领域创新主体竞争态势分析

近年来人工智能技术在图像处理方面取得了巨大的发展,乳腺癌人工智能诊断技术是人工智能技术在医学影像方面相对成熟的应用。本文通过对乳腺癌人工智能诊断技术领域的专利申请进行检索和分析,从乳腺癌人工智能诊断技术发展趋势、创新主体和专利竞争态势3个方面对乳腺癌人工智能诊断国内创新主体的地位进行评价,揭示乳腺癌人工智能诊断技术领域创新主体的竞争形式,为国内创新主体未来的技术发展和专利布局提供参考。     

医学人工智能领域伦理治理重点研究

目的 探讨医学人工智能领域伦理治理的重点。方法 通过综合查阅相关文献,比较中外医学人工智能领域相关法律法规,分析潜在伦理问题的治理重点,并提出相应的治理策略。结果 目前中国医学人工智能领域相关法律法规和监管体系有待完善,伦理治理的重点应着眼于保护隐私权、保障算法的透明与公正、厘清责任界定和分配、明确公众认知和态度等核心问题。结论 政府和社会各界应积极借鉴国际立法经验,通过加强顶层设计、健全政策法规、重视公众反馈、强化跨学科合作,从政策制定、法律框架、科学研究和技术研发等方面构建一个全方位、多层次的伦理治理体系。     

智慧医疗服务领域发展态势分析

对德温特数据库医疗健康与人工智能领域专利信息进行综合分析,包括专利申请演进过程、专利申请国-申请人分布及研究热点、技术点等方面,总结我国智慧医疗服务产业存在的问题、挑战并提出建议,包括重视产业布局、打造医疗人工智能生态链、加强跨学科人才培养等。     

闽台医学科技领域发展态势对比分析

目的 通过对福建和中国台湾2018—2020年医学科技成果的对比分析来揭示闽台医学科技领域的当前发展态势.方法 采用定量分析与定性分析相结合的方法,对福建和中国台湾2018—2020年医学科技领域的论文、专利、临床试验进行对比分析,揭示闽台医学科技领域的基础研究、技术开发和临床转化现状.结果 福建和中国台湾论文总量分别...     

我国医学科技70年发展态势研究

以SCI-E数据库为信息源,从科技研究产出规模、学术影响力、研究主题、国际合作4个方面对新中国成立70年来医学科技发展态势进行研究分析,从定量角度客观反映我国医学科技发展历程和取得的成果,为未来新形势下我国医学科技创新发展提供参考。     

人工智能在全科医学领域的应用

人工智能的概念从提出到现在虽然只有65年的时间,但已进入蓬勃发展期.人工智能技术目前广泛应用于金融、医疗、安防、交通、教育、自动驾驶等多个领域.近年来全球频繁出现的大健康、云计算、医疗大数据等概念,也推动着人工智能在医疗领域的快速发展;目前人工智能在电子病历、医学影像识别、疾病风险预测、健康管理、辅助诊断及药物研发...     

人工智能医疗器械质量管理标准化趋势分析

目的旨在研究人工智能(Artificial Intelligence,AI)医疗器械质量管理的发展趋势,促进标准规范研究。方法根据AI医疗器械相关监管、法规的最新动态,梳理质量管理面临的特殊问题;结合产品检测实践情况,分析AI医疗器械质量管理的需求与发展方向。结果在AI医疗器械的质量管理过程中,可溯源性、数据集管理、质量控制等方面都需进一步增强。结论本文研究的思路和方法有助于建立适合AI医疗器械的专用标准规范。     

大系统人工智能的医学路线

大系统医学人工智能在中国的第一次兴起,是伴随着微型计算机引入中国,时间点在上世纪八十年代,技术特征是模仿诊疗过程,典型应用集中在中医界,杰出代表是朱文锋教授[1]。但发展至上世纪九十年代中后期,由于大系统医学人工智能是一门复杂的交叉学科,对人才的复合技能要求非常高,特别是数学建模技能对于一些医学科研工作来说很难,从而使得医学人工智能的发展较为缓慢,科凌力智能也不例外,但一直在坚持。今天,阿尔法围棋（AlphaGo）的面世,又激起了我们坚持下去的勇气。     

Releasing of The White Paper on Medical Imaging Artificial Intelligence in China

In the afternoon of March 26,2019, The White Paper on Medical Imaging Artificial Intelligence in China was officially released in Beijing by the Chinese Innovative Alliance of Industry, Education, Research and Application of Artificial Intelligence for Medical Imaging (CAIERA). The white paper was co-operatively written by the medical imaging experts from the tertiary Chinese hospitals, the scientific experts from AI research institutions and the leading AI medical enterprises in China. The contents of the white paper not only cover the up-to-date application of AI in medical field, the latest advances of AI algorithms in medical image processing, the data requirement for medical AI development, and the current situation of structured data, but also expatiate the goal and challenge of clinical application for medical imaging AI development in 16 medical subject areas, which helps to identify the demands and opportunities for the AI industry. Forty representative enterprises of AI medical imaging in China were introduced in the white paper. The white paper points out the three key problems in development of AI products: the robustness, ease of usage and data security, which provides guidance of direction and strategy for the enterprises. Particularly, in view of the national policy on developing AI, the white paper gives a profound analysis on the challenges and the opportunities that medical imaging AI is facing. These contents agglomerate the cutting-edge efforts of experts in the industry-academia-research-application chain of medical AI, represent the mainstream voice of the society in China. The White Paper will play a guiding role in understanding the market demands and establishing standardized systems in the path of landing AI products in the field medical imaging. Full text of the White paper is publicly accessible from the CAIERA website, or by scanning the 2D code in the article.     

人工智能在电子病案管理系统中的应用

目的:通过引用人工智能技术,解决电子病案管理系统中存在的缺陷。方法:采用文字识别、语音识别、生物识别、人脸识别等技术,对电子病案进行检索、整合、统计、分析。结果:通过人工智能技术在电子病案管理系统中的应用,大大提高了病案管理人员的工作效率,助力临床科研和教学。结论:人工智能技术的广泛应用,为医疗卫生信息化的发展带来质的飞跃,人们将不仅仅是借助信息化的力量提高工作效率,并且可以利用信息化的数据整合,为以后的发展发挥更大的作用。     

医学人工智能引发的相关伦理问题分析

医学人工智能作为一门新的科学技术,是人工智能的一个重要分支,其快速发展与应用带来了许多伦理问题。正确认识并积极处理医学人工智能带来的伦理问题,最大程度发挥其作用,为人类提供最佳水平的诊疗技术,避免给社会及人类造成不良影响,是目前迫切需要重视的问题。本文探讨了医学人工智能引发的伦理问题,并对医学人工智能的伦理发展进行了思考与分析。     

医学人工智能与生态动力学问题（一）

从医学人工智能研究对象的特殊性入手，分析了经典决定论工具的成长局限和不适应原理，提出新的生态动力学理论结构和操作方法，并据此建立起新的医学人工智能模型。     

Advances of Artificial Intelligence Application in Medical Imaging of Ovarian Cancers

Ovarian cancer is one of the three most common gynecological cancers in the world, and is regarded as a priority in terms of women's cancer. In the past few years, many researchers have attempted to develop and apply artificial intelligence (AI) techniques to multiple clinical scenarios of ovarian cancer, especially in the field of medical imaging. AI-assisted imaging studies have involved computer tomography (CT), ultrasonography (US), and magnetic resonance imaging (MRI). In this review, we perform a literature search on the published studies that using AI techniques in the medical care of ovarian cancer, and bring up the advances in terms of four clinical aspects, including medical diagnosis, pathological classification, targeted biopsy guidance, and prognosis prediction. Meanwhile, current status and existing issues of the researches on AI application in ovarian cancer are discussed.     

美国人工智能医疗器械监管与应用分析

近年来人工智能医疗器械发展迅速,美国在该类型器械的注册审批与监管制度建设上全球领先.本研究对美国食品药品监督管理局人工智能医疗器械监管制度和已上市产品的审批与应用情况进行分析,发现美国正在探索创新管理制度,希望通过对上市后真实世界数据的利用,加快产品上市速度、加强产品全生命周期监管.美国该领域发展虽仍处于起步阶段,但已...     

基于ClinicalTrials.gov的医学人工智能临床试验注册现状分析

目的:分析医学人工智能临床试验注册现状,为医学人工智能临床转化研究提供参考和证据支持。方法:通过ClinicalTrials.gov注册平台对医学人工智能临床试验数据进行采集、分析,采用文献计量学及对比研究的方法,从注册数量、研究类型、分期、适应证和申办者等角度进行医学人工智能临床试验注册现状研究。结果与结论:全球医学人工智能临床试验共649项,中国50项,位列全球第二位,但与美国尚存在较大差距;全球医学人工智能随机对照试验295项,中国12项;国际多中心临床试验32项,中国大陆未见参与;全球医学人工智能临床试验处于Ⅱ期的数量最多;全球医学人工智能临床试验适应证主要集中于疾病监测或健康管理、医学影像辅助诊断、疾病预测和治疗等,中国主要集中于诸如眼病筛查、肿瘤诊断等医学影像辅助诊断;全球医学人工智能临床试验的申办者共422个,中国29个,注册数量前15位申办者中大多为研究机构和医疗机构。     

Collaborations of Industry,Academia, Research and Application Improve the Healthy Development of Medical Imaging Artificial Intelligence Industry in China

In recent years, artificial intelligence (AI) has developed rapidly in the field of medical imaging. However, the collaborations among hospitals, research institutes and enterprises are insufficient at the present, and there are various issues in technological transformation and value landing of products in this area. To solve the core problems in the developmental path of medical imaging AI, the Chinese Innovative Alliance of Industry, Education, Research and Application of Artificial Intelligence for Medical Imaging compiled the White Paper on Medical Image AI in China. This article introduces the current status of collaboration, the clinical demands for medical imaging AI technique, and the key points in AI technology transformation: robustness, usability and security. We are facing challenges of lacking industry standards, data desensitization standard, assessment system, as well as corresponding regulations and policies to realize the application values of AI products in medical imaging. Further development of AI in medical imaging requires breakthroughs of the core algorithm, deep involvement of doctors, input from capitals, patience from societies, and most importantly, the resolutions from government for multiple difficulties in links of landing the technology.