醫療AI很熱，但實際落地應用的很少，目前在影像和診斷方面稍有起色，加之真正的人工智能人才尚未湧入到醫學領域，醫療AI道路仍然漫長。
人工智能的東風早已吹到了醫療領域。
優質醫療資源的供需不平衡，醫生培養週期長，誤診率高，疾病譜變化快，技術日新月異，以及人口老齡化加劇、慢性疾病增長、人們對健康重視程度提高，催生了醫療AI(人工智能)的發展。
在中國醫療體系中，醫療質量無法持續性，醫療資源，無論是基層還是頭部，分配不平衡的情況都普遍存在，而且因錯位機制引起亂象的問題也十分普遍。
針對這些問題，人工智能或可扮演引領產業變革的關鍵角色。然而醫療行業的高壁壘和特殊性，也註定了AI賦能醫療的征途必然坎坷。
儘管醫療AI產品的嘗試多種多樣，但尚未真正落地，能夠符合臨床使用場景的產品仍缺席。目前能夠在醫院投入使用的多是科研合作與試驗。
“風口”賦能
AI醫療的風口吹向重構醫療體系。
具體來說，AI基於大數據，將頭部醫院的醫療能力賦能基層醫療，針對不同病種開發輔助診療等功能，讓基層醫院也可共享頭部醫院的醫療技術，最終將醫療資源平均分佈在各個層級。
通過處理大量高質量的醫療大數據推動人工智能發展，如病例、影像、基因，並建立可驗證、可重複的醫療標準。使得無論在診前、診中、診後還是院內和院外，患者均可享受標準化的醫療服務。
“人工智能的未來不是代替醫生，甚至也不僅僅是輔助醫生，而是幫助重構醫療體系，建立新的基礎設施的必要奠基石。”
醫療AI的賦能之路，正是基於大數據的深度學習。
如果把人工智能分成算法、算力和數據三個維度，則現在行業主要的機會集中在數據及應用層面，競爭的核心在於數據的質量和數量。數據是高質量的醫學臨床或生命數據，這些數據就是磨刀石。
“沒有好的磨刀石，就磨不出好刀。”
與國外醫療AI相比，我國在大數據使用層面與國外處於同一水平，甚至有更多的應用空間。但在AI領域核心的算法競爭上，中國仍有一定差距，普遍停留在對於國外算法的二次創新，亟待關鍵領域的突破。“AI技術領域的核心競爭主要正是集中於數據、算法和神經網絡的突破。”
“醫療AI的門檻很高，算法專家和醫學專家關注的方向不同，醫學作為一個系統科學，數據的邏輯、建模、分層非常複雜和豐富。只有算法專家和醫學專家深度融合，彼此聽懂各自的“語言”，才能解決這個問題。所以AI沒有數據不行，只有數據也不行，要有一大批能夠喚醒沉默的病例和數據的複合型人才，才能走出最關鍵的一步。”
在AI領域，不得不承認，最頂級的人才還沒有大量湧進來，可能大部分在無人駕駛和在安防，醫療領域仍十分孤單。此外，AI算法人才與醫學人才知識體系不同，如何融合各自優勢發揮最大價值，也是值得企業思考的方向。
閱讀更多 匯新雲 的文章
