北京大学信息技术高等研究院：2020年健康医疗人工智能指数报告（54页）.pdf

1、1 专家指导委员会主席：詹启敏院士 董尔丹院士成员：邓志鸿 北京大学段会龙 浙江大学付 君 哈尔滨医科大学蒋 云 北京大学信息技术高等研究院（浙江）金 海 华中科技大学孔桂兰 北京大学匡 铭 中山大学李 姣 北京协和医学院马 婷 鹏城实验室施秉银 西安交通大学汤步洲 哈尔滨工业大学（深圳）王海波 中山大学王耀刚 天津医科大学王志锋 北京大学詹思延 北京大学张路霞 北京大学赵歌喃 爱思唯尔赵明辉 北京大学执笔委员会杜 建 北京大学健康医疗大数据国家研究院吴静依 北京大学信息技术高等研究院（浙江）赵 璐 爱思唯尔Baas,Jeroen 爱思唯尔（数据科学家）Schalkwijk,Jan-Maart

2、en Van 爱思唯尔（数据科学家）白永梅 北京大学健康医疗大数据国家研究院协调委员会王 迈、崔 娜 北京大学健康医疗大数据国家研究院李鹏飞 北京大学信息技术高等研究院（浙江）张丹丹、王 巍 爱思唯尔引言01第一章 界定与分类031.数据集界定 .032.研究领域分类 .04第二章 科学研究概览061.数据与指标 .061.1.数据来源 .061.2.分析指标 .062.分析结果 .082.1.主要国家 .082.2.研究机构 .082.3.科研合作 .102.4.研究主题分布 .112.5.高科学影响力论文 .142.6.全球 Health AI 细分领域分析 .142.7.中国 Healt

3、h AI 细分领域分析 .15第三章 科学技术交叉201.数据与指标 .201.1.数据来源 .201.2.学术界与产业界的知识流动指标 .202.分析结果 .202.1.学术界与产业界的知识流动总体状况 .202.2.对 Health AI 技术产生影响的基础性研究 .212.3.Health AI 细分领域科学-技术交叉 .23第四章 科学社会交互241.数据与指标 .241.1.数据来源 .241.2.科学社会交互指标 .242.分析结果 .252.1.多媒介提及指数较高的话题 .252.2.社交媒体传播指数较高的话题 .25目录第五章 人类-机器协同（AI 临床试验）291.引言 .2

4、92.数据与指标 .312.1.数据来源 .312.2.分析指标 .313.分析结果 .323.1.临床试验数量 .323.2.发起机构分布 .323.3.临床试验分期 .343.4.研究类型分布 .343.5.干预措施类型 .343.6.目标人群（疾病谱）.353.7.样本量分布 .363.8.招募状态分布 .373.9.临床试验结果报道 .37第六章 主要结论391.前沿科学技术与医学的深度融合是健康医疗人工智能发展的基础，未来将在公共卫生和临床诊疗中发挥更大作用。.392.中国已成为健康医疗人工智能科学研究与临床试验的最主要贡献者之一，但在学术影响力和技术转化方面仍有待提升。.393.健

5、康医疗人工智能技术谱的核心是机器学习（含深度学习）和医疗机器人，疾病谱以慢病和神经系统疾病为主，传染病、罕见病等与医疗 AI 的深度结合仍有空间。.404.与科学共同体的热点研究主题相比，健康医疗人工智能研发与应用的伦理学问题成为社会媒体关注的焦点。.405.健康医疗人工智能全球临床研究仍处于早期阶段，中国以大学/医院为发起主体，侧重疾病智能诊断，企业参与仍有待加强。.416.建议将循证范式引入健康医疗人工智能安全性和有效性评价，以促进其落地应用。.41目录01 引言人口老龄化、社会环境因素变化、慢性病疾病负担加重、新发突发传染病等对我国人民健康带来了巨大挑战。健康医疗人工智能（Health

6、Artificial Intelligence，Health AI）的核心是利用人工智能等前沿科学技术赋能医疗健康，构建最优化的大健康生态体系，提供优质、高效、经济的新型医疗服务，为解决我国医疗供需矛盾、推动医学发展提供有效的手段。2019 年 4 月 26 日，英国医学杂志（The BMJ）在线发表北京大学健康医疗大数据国家研究院詹启敏院士等学者题为“Can AI fulfil its medical promise?（健康医疗人工智能的应许之地？）”的观点文章。1该文肯定了人工智能（AI）技术在健康医疗领域颇具潜力的应用场景，例如医学影像和病理学诊断，以及作为辅助手段用于常见疾病一般状况的