- 综合排序
- 最热优先
- 最新优先
- 来自专栏新智元
【智能医疗】值得关注的10家医疗 AI 公司
【新智元导读】医疗AI越来越成熟，有了越来越多的落地，显示出变革传统医疗行业的潜力。本文介绍了综合护理、制药、心脏病、医疗成像等领域值得关注的10家医疗AI公司。 他说：“我们相信 AI 将以前所未有的方式实现医疗的民主化。” 这个市场正在进入高速增长阶段，让我们来看看2017年具有变革潜力的10家医疗 AI 公司。 分析数据在云上处理，并在10分钟内生成完整的报告。 医疗成像 Clearview Diagnostics 是一家开发辅助医生诊断疾病的工具的 AI 软件公司。该公司最初的重点是乳腺癌。 原文地址：http://www.huffingtonpost.com/entry/10-ai-health-care-companies-to-follow-in-2017_us_58f60893e4b0156697225286
2.9K90发布于 2018-03-28 - 来自专栏企鹅号快讯
AI—未来医疗
今天就来介绍几个具有代表性的AI“医生”。 首推IBM公司的“沃森”，你对它的印象还停留在回答主持人问题，逗小朋友开心，那你就OUT了。 Buoy Health 于2014年在美国成立，并于今天3月上线了搭载人工智能算法的医疗咨询平台，Buoy创建的虚拟医生可以对病人进行诊断，其背后的医学搜索引擎涵盖了18000份临床文献和17000种病情 医疗这个直接关系千千万万人生命的行业，正在酝酿着巨大的变革，平静的背后是暗流涌动，未来已来……。
1.1K80发布于 2018-01-16 - 来自专栏AI掘金志
医疗 AI “出海”记
在这个医疗AI进入“深水期”的节点，我们从两家比较有代表性的企业入手，了解一下医疗AI公司“出海”背后的逻辑。 向左走、向右走 ? 目前，推想科技和体素科技是两家“海外”业务较重的医疗AI企业。 但是，医疗AI能够发挥最大价值的地方，也恰恰是医疗服务能力最空缺的地方。正因为一切都围绕着“效益最大化”这一个点，这些国家对于AI技术的使用可能会比发达国家更好。 在中国政府一带一路的政策加持下，AI领域的大小“独角兽”们，也已经在其他国家和地区施展身手。 医疗AI前景美好，但是围绕医疗AI本身商业化前景的质疑声，也一直没有散去。 AI医疗研发及销售、市场成本较高，在美国圣地亚哥设有研发中心的图玛深维创始人钟昕也曾表示，研发一个医疗AI产品的成本至少需要数百万元，开发周期达6~12个月。 “相信未来的AI医疗合作主流不仅仅是AI和医疗服务提供方的配合，而是整个系统的协作。”
96840发布于 2020-01-22 - 来自专栏人工智能头条
Google AI 研发医疗新模型，预测死亡率比医院高出10%
编译 | 姗姗 出品 | 人工智能头条（公众号ID：AI_Thinker） 一名乳腺癌晚期的妇女来到市医院，她的肺部已经充满了液体。 今年5月，Google 的 AI 负责人 Jeff Dean 对彭博谈到，Google 的下一步是将这个预测系统引入诊所。 自从2016年 Alphabet 旗下的 Google 公司宣布自己为 “ AI First” 的公司，它的大部分工作都在改进现有的互联网服务。 如今，医疗保健领域的软件大多是手工编写的。 所有这些都可以加入到医疗算法里。 医疗记录只是 Google 的人工智能医疗计划的一部分。医学大脑已经为放射学、眼科和心脏病学提供了人工智能系统。他们也在皮肤病学方面进行努力。
49020发布于 2018-07-20 - 来自专栏磐创AI技术团队的专栏
医疗AI的基础模型
可以帮助我们在工作中的AI产品将成为我们未来几年中最重要的工具之一。 我们将在哪些领域看到最有影响力的变化？我们在哪些方面可以帮助人们更快地完成任务？AI模型最令人兴奋的应用之一是医疗AI工具。 AI病理学任务的模型，而无需注释数据。 病理学Twitter 我们使用病理学Twitter标签收集了超过10万条推文。这个过程非常简单，我们使用API来收集与一组特定标签相关的推文。 医疗AI的病理语言和图像预训练 现在是时候测试一下我们的PLIP了。这个基础模型在标准基准测试中表现如何？ 我们进行了不同的测试，以评估我们的PLIP模型的性能。 AI的教育工具。
94010编辑于 2024-01-29 - 来自专栏ShowMeAI研究中心
AI医疗高精尖！基于AI的新药研发！⛵
本文讲解 AI 在新药研发领域的诸多应用方向与 MolSearch 工具库的应用实践——药物晶型预测、靶点选择、患者招募、虚拟药物筛选、AI新药研发辅助系统。 而正在探索的各种 AI 应用，可以帮助解决这些挑战。 AI 药物分子结构分析/检索 利用 AI 进行药物化合物分子结构分析和检索等，是一个助力新药研发的可行思路。 图片 向量搜索 & 医疗研发领域的应用 图片 在万物皆可 embedding 的深度学习时代，『特征向量表征+向量检索』有巨大作用，在很多数据和业务领域都发挥了巨大作用，例如机器视觉（图片视频检索)、 同样的思路也可以用在医疗医药领域。 图片 药物晶型预测 比如新药研发过程药物晶型预测，可以结合图像识别和检索的思路，有效地预测出合适的药物晶型。
97581编辑于 2022-11-15 - 来自专栏智能相对论
AI+医疗募捐、医疗旅游，AI为我们打开的是哪扇窗？
我们相信，总有一天，AI+医疗募捐会变得更加透明和公正，甚至更有温度，但是在短期内，正如互联网募捐被许多不法之徒利用，在法律法规和监管系统尚未完善的情况下，AI医疗募捐免不了被钻空子。 以机器人手术为例，医院购买手术机器人的费用极其高昂，有名的“达芬奇”机器人每台售价约为60万至250万美元，如果租赁使用，年租金在10万至17万美元之间，这还不包括手术的一次性专用耗材的费用。 据印度工业联合会的一份报告称，在医疗方面，印度的收费一般是欧美国家的1/10。 低廉的价格不代表医疗水平的滞后，相反，印度大部分私立医院的条件并不比欧美的医院差，甚至还有所超越。 其次，医疗旅游也包括了健康体检、美容、抗衰老之类的“轻医疗”，因此AI驱动轻医疗体验的平台也大有发展空间。 最后，在裹挟了医疗保健目的的旅途中，AI还可以整合和分析患者的医疗信息，制作个性化的医疗旅游计划。
60620发布于 2019-08-20 - 来自专栏腾讯高校合作
Wiztalk | 郑冶枫 Part 1 《医疗AI助力抗击新冠肺炎—AI医疗简介》
医疗AI助力抗击新冠肺炎 Part 1 AI医疗简介 简介：在抗击新冠肺炎的艰难路途中，各方都拼尽全力，而AI医疗也凭借自身的一些特点助力抗击疫情。 本期腾讯专家研究员郑冶枫将会向我们介绍AI在医疗方面起到的作用，如AI辅诊、医疗影像AI等。 内容难度：★☆☆（高中/大学非计算机专业学生均可以轻松学习） ? 阅读原文”或打开“哔哩哔哩” 搜索关注“Wiztalk”， 一起开启科普知识分享“新视界”~ ---- — 关于Wiztalk — Wiztalk是腾讯高校合作团队打造的一个短视频知识分享系列，每集10
57850发布于 2021-01-19 AI 医疗技术智能评估系统：帮医院选对 “医疗好帮手”
医院引进新的医疗技术时，常面临 “难判断效果” 的困扰：比如新的影像诊断设备，单看参数表难知实际用着顺不顺手；新的治疗方案，靠人工统计疗效耗时又易出错。 而 AI 医疗技术智能评估系统，就像给医院配了位 “技术评估专家”，靠三项核心技术，让医疗技术选型和效果判断更准、更快。第一项是全场景数据抓取技术，让评估 “不缺关键信息”。 不同科室对医疗技术的要求天差地别：儿科选治疗设备，得优先考虑孩子是否容易配合；急诊科挑诊断仪器，速度快、预警准才是关键。 AI 医疗技术智能评估系统不是 “只会算数据的机器”，而是懂医疗、懂实际需求的 “智能参谋”。全场景数据抓取让评估更全面，科室定制算法让结果更实用，趋势预测让决策更长远。 它用技术解决了传统评估的难题，帮医院选对、用好每一项医疗技术，最终让患者能享受到更高效、更可靠的医疗服务。
19210编辑于 2025-12-05- 来自专栏AI掘金志
医疗 AI 经典审批案例：糖网 AI 是如何获批创新医疗器械的？
2019年5月，国家药监局公布深圳硅基智能科技有限公司申报的“糖尿病视网膜病变分析软件”产品获批创新医疗器械，进入快速审评绿色通道，此举将进一步加速医疗AI产品的落地商用。 据雷锋网AI掘金志了解，硅基智能“糖尿病视网膜病变分析软件”申报创新医疗器械特别审查的材料主要关注如下四部分，分别是产品国内首创、核心技术发明专利、产品基本定型和显著临床应用价值。 中检院联合国内十家以上AI糖网企业收集图像，并从国内顶尖医疗机构邀请了数十位具有五年以上工作经验的眼科医师进行图像标注。2018年3月，中检院眼底图像数据库建库工作完成。 因为AI糖网产品的核心还是医疗器械，所以要严格依照医疗器械的申请开发流程进行设计开发。 需求分析层面，我们的产品应用在具备开展AI辅助诊断能力的医疗机构中不断迭代，最终在这样的场景里实现需求定义。 相信大家已经感受到，近几年审评中心针对深度学习辅助决策医疗器械软件产品发布了指导文件，今年审评中心和信通院牵头，联合10多家单位共同建立的人工智能医疗器械创新合作平台，对于人工智能医疗器械的转化和应用，
1.6K10发布于 2020-02-14 - 来自专栏AI科技大本营的专栏
AI 医疗公司“战疫”在前线
作者 | Just 来源 | CSDN（CSDNnews） 紧急驰援疫区，涉足AI+医疗领域的公司也出动了。 但实际上，诸多瞄准AI+医疗市场的AI公司更早之前就基于一线医院需求提供了辅助医生的AI解决方案。 疫情发生以来，这些AI+医疗领域公司的研发部门多加班加点，连续征战数夜，在很短的时间内紧急推出相应解决方案，并保持快速迭代，在一线医疗机构紧急上线。 深睿医疗 新冠肺炎增强版AI系统，输出结构化报告 由于需要支持新型冠状病毒肺炎的影像初筛，深睿医疗收到了合作方上海电气/康达医疗急需两套Dr.Wise®全肺AI医学辅助诊断系统并同CT一起发往湖北的需求 挑战固然有之，但这次“战疫”对AI+医疗行业发展也是机遇。 像人类医生那样，在疫情解除过后自身会积累相应医疗经验。我们也希望，AI公司在此次防疫中投入的技术方案在日后也能沉淀经验。
97010发布于 2020-02-20 - 来自专栏智能相对论
AI医疗影像的春天“又”来了?
据健康界的不完全统计，2020年，国内人工智能医疗健康领域共完成了65次融资，其中医疗影像约占总融资数的三分之一，AI医疗影像逐渐成为人工智能医疗健康领域的热门赛道。 因此，直到2019年年底，仍然没有任何一项AI医疗影像相关产品取得三类医疗器械注册。没有三类器械认证的医疗产品无法进入医院的设备采购目录，难以进行商业化。 AI医疗影像行业进入了冰河期。 商业化受挫、审批困难，产品迟迟无法投入商用造成AI在医疗影像产业的实际应用受到各界质疑。 由于抗疫所需，AI医疗影像产品的审批也被提上日程。 疫情带来的需求暴增可说是加速AI医疗影像相关产品审批的最后一股“东风”，使得基于CT的疾病筛查与辅助诊断成为了AI医疗影像竞争最激烈、产品商业化种类最多的领域之一。
88520发布于 2021-03-03 - 来自专栏人工智能
现在，医疗 AI 发展的怎样了？
这项技术，让那些可能将在 3 年、5 年甚至 10 年后失明的糖尿病患者，获得了宝贵的提前治疗机会。 在验证实验中，研究组请来了 8 位眼科专家，与 AI 一同识别 9,963 张眼底图像。 图片来源：Google research Blog 皮肤病智能诊断 AI 视网膜病变检测，仅仅是 AI 介入医疗诊断的冰山一角。 智能穿戴方便生活 提到智能穿戴，就不得不提到 Google，他们在智能医疗行业深耕多年，不仅成立专注于 AI 研究的团队 DeepMind Health、Google Fit 和 Verily，还曾发布 而对于患者来说，一方面，他们是数据的贡献者，另一方面，他们也是 AI 深度学习完善后的最大受益者。 总之，目前国内的医疗人工智能产业总体起步较晚，产品也相对单一。 但国民不断增长的医疗健康需求为 AI 催生了广阔的发展空间，相信在不久的将来，国产人工智能会带给我们更多惊喜。
1.2K70发布于 2018-02-01 - 来自专栏腾讯云开发者社区头条
AI 在医疗影像领域的前景
基于此，腾讯云开发者社区联手知乎科技，从知乎AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」。 本文为“AI 将如何影医疗”的精华内容分享。 对此，动脉网调研了31家影像相关的医疗人工智能企业，包括腾讯觅影（腾讯）、平安智慧城市（中国平安）、杏脉科技（复星高科技持股）等大企业中的医疗AI团队，所有B轮以后的医疗AI影像企业和众多非头部医疗AI 两年前，医疗数据或许只能称之为中小规模数据，但表中超过10家企业均已处理过百万级医疗数据，且病种不局限于肺结节。这一信息的增量意味着企业拥有更多的原始数据，可以进行更为深入的研究。 从市场上来看，冠脉CTA拥有比较成熟的AI产品，数坤科技率先看到了这个亮点，推想科技、深睿医疗也在2019年陆续进入。 基层医疗的需求与医院又有所不同。 从全国层面上看，仅仅在6月29日药监局向AI企业发布了审批相关文件《深度学习辅助决策医疗器械软件审批要点》，以及10月30日国家发展改革委修订发布的《产业结构调整指导目录（2019年本）》两份文件中，明确提及了推动医疗人工智能发展
3.4K2420发布于 2020-04-14 - 来自专栏量子位
英特尔AI医疗实战手册曝光：医生诊断提速10倍，推理时间减少85%
乾明 李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI AI正在变革（中国）医疗。 最近，一份实战手册刚刚披露，清晰勾勒出了AI如何重塑着医疗行业的各个方面。 欲练此功，先看趋势 在AI落地趋势中，医疗已经成为了最大的应用场景。 当然，将AI应用到医疗领域中，还有不少问题亟待解决，比如数据的数量与质量、模型的通用性和可解释性、以及相应的安全问题等等。 ? 但AI医疗之大势，已经浩浩汤汤，锐不可挡。 AI医疗5种绝技 整个手册，一共介绍了AI在医疗领域的五大应用——覆盖发现病情、病情分析研究、药物研发等?全流程各个方面。 具体来说就是5大绝技。 与此同时，这也强化了影像数据的积累和分析，也让基于 AI 的医疗影像分析 应用日趋走向成熟，一个过去需要10分钟进行筛查的肺癌前期诊断，在AI的加持下能够达到秒级，而且准确率也在95%以上。
58920发布于 2019-09-29 - 来自专栏科技向令说
概念与风口中的AI医疗，如何在基层医疗“见真章”？
（图片来自《麻省理工科技评论》发布的《AI医疗：亚洲的发展空间、能力和主动健康的未来》） 毫无疑问，光环加身、显得高大上的AI医疗，它最先、最有价值的落地，正发生在基层医疗身上，类似百度AI医疗与基层医疗的融合这样的案例 面向基层的普惠医疗，AI到底要做什么？ 从行业角度，拆解百度AI医疗案例，至少有四个层面是AI需要注意的，亦可看做挑战所在。 严格来说，上文MIT报告所重点强调的CDSS只是百度大脑AI技术驱动的AI医疗品牌“灵医智惠”的一个部分，该品牌对外称以“循证AI赋能基层医疗”为愿景，有一整套面向基层医疗的赋能体系。 基层医疗不应该被看作AI医疗的“垂直领域” 虽然百度AI医疗选择赋能基层医疗作为突破口，但是，这种做法却不能按互联网通常所说的“垂直领域”来解释。
1.1K20发布于 2019-12-12 - 来自专栏云计算行业
AI驱动开启精准医疗新时代
直播时间：12月5日（本周四）15:00-16:00 直播主题：AI驱动开启精准医疗新时代 直播亮点 ①揭秘前沿医疗AI实践，腾讯医疗助力企业打造核心竞争力； ②医疗机构如何通过AI实现患者需求快速响应 ③如何巧用AI工具助力患者、医生、医院三方降本增效？ 课程背景： 随着AI急速发展，医疗行业正经历着深刻的变革也面临着诸多新的机遇与挑战。在医疗机构中，AI辅助诊断系统精准剖析医学影像和病理切片数据。 零售药店引入 AI, 为顾客打造便捷自助购药体验并给予个性化用药指导，大幅提升服务与运营效率。 合理运用 AI是医疗数字化转型关键。 基于 “智能导诊”“智能问诊”“用药助手”“辅诊 cdss” 等医疗大模型算法，不仅要考量基础架构,更要从患者角度出发，构建高效需求响应机制,践行科技向善。 本次直播特邀医疗行业专家与生态架构师，共探行业痛点与趋势、AI医疗各业务场景部署方案与应用实践，助力企业构建智慧医疗新生态，全面提升服务质量。 预约视频号直播提醒↓↓↓
29310编辑于 2024-12-05 - 来自专栏灯塔大数据
行业盘点 | 医疗行业10大关键词
01 互联网医疗 易观智库最新发布的《中国医院互联网化专题研究报告2017》指出，目前中国医院互联网化处于移动端的启动期，医院互联网化率低于10%，2016年8.8亿网民中只有近3成建立了互联网医疗使用习惯 未来10年，互联网将成为医疗机构的基础设施，全面重塑主诊过程，改善患者的就医体验。 据不完全统计,截止2017年10月,我国涉及人医疗人工智能相关业务的企业已经达到了147家，业务领域主要集中在基因测序、药物研发、医疗智能语音识别、智能影像识别、医疗机器人、可穿戴设备、远程医疗、智能决策 57％的医疗机构表示，他们的IT部门是IoHT投资的主力；而26%的受访者表示，其机构中的研发部门是投资主力；另有约10%的受访者说，他们的机构中设有专门负责IoHT事务的子公司或部门。 ? 例如，在国内的独立第三方医学影像服务市场中，线下建立独立第三方影像中心的玩家有万里云、杭州德康医学诊断中心等，除此之外，将AI结合医疗影像的创业公司翼展科技也将医学影像服务链延伸至第三方医学影像诊断中心
2K40发布于 2018-04-03 - 来自专栏镁客网
AI医疗是时候加入区块链了
大数据+人工智能+区块链的结合，将对当前医疗行业转型起到至关重要的作用。 “想要AI真正应用于医疗领域，需要先‘杀死’上百万患者。” 而区块链或是促进AI医疗训练进程加速的关键。” 在黄铭钧看来，大数据+人工智能+区块链的结合，将对当前医疗行业转型起到至关重要的作用。 仅靠“自有数据”训练AI 它可能得先“杀人”才能去“救人” 在AI行业有一句话：AI落地，数据先行。简而言之，就是没有“数据”什么都做不了。 医疗行业也是一样。 而更为重要的是，区块链是具有token激励机制的，用户上传医疗健康数据就会得到一定的token奖励，这让AI训练的医疗数据有了长久的持续性。 另外，基因数据、医疗病历、实时上传的健康数据等也为AI训练提供了多维度医疗数据，同时整个链上的参与者充分共享医疗数据价值，最大化链上价值。”吴诗展说。
1.3K40发布于 2018-06-20 生成式AI加速医疗数据分析
研究人员测试了生成式AI是否能像人类专家一样处理复杂的医疗数据集。在某些情况下，AI的表现与耗时数月构建预测模型的团队相当，甚至更优。 在妊娠和微生物组数据上测试AI为了了解生成式AI能否缩短这一时间线，Sirota的团队与某机构的Adi L. Tarca博士领导的研究人员合作。 研究人员共同指示八个AI系统使用来自三个DREAM挑战的相同数据集独立生成算法，无需人工直接编码。AI聊天机器人收到了精心编写的自然语言指令。 然后，研究人员使用DREAM数据集运行了AI生成的代码。在8个工具中，只有4个生成了与人类团队性能相匹配的模型，尽管在某些情况下AI模型表现更好。 整个生成式AI的工作——从启动到提交论文——只用了六个月。科学家强调，AI仍然需要仔细监督。这些系统可能产生误导性结果，人类专业知识仍然必不可少。
13310编辑于 2026-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号