醫療AI運用落地難，但仍不失對其青眼有加者

　　從一定層面上來說，AI、機器人等新技術的加持為醫院臨床研究水平和醫療服務水平、效率、質量等方面都帶來了有益的提升，醫院沒有不采用的道理。但事實是當下許多醫院的醫生都并不相信AI技術。

　　首先在技術上，目前無論是從功耗性能、魯棒性、推廣性、犯錯率、學習樣本的數量還是可解釋性上來看，基于深度學習的識別系統與人腦都存在著很大的差距，這是當下AI應用于醫療行業最大的一個技術難點。

　　此外， AI+醫療技術的應用首先是基于大數據的，但是醫療數據是歷史的記錄，通過這些數據訓練出來的系統難以演化出未來的產品，而且當下的AI醫療系統更不具備推理以及應急的能力，這也進一步導致了醫務人員難以相信AI醫療系統。

　　系列問題都存在都為醫療AI的落地造成了不小的困難，但是這并不妨礙相關人士依然看好醫療AI領域。北京阜外醫院心血管外科主任歐陽晨曦分析道，醫療AI基于大數據而開展深度學習，由于目前醫院能夠提供的數據存在不全面不系統不能很好的滿足機器學習的需求，這也導致了當下醫療AI訓練出來的系統存在判斷不客觀的情況。但是如果投資機構能夠首先圍繞醫療數據采集進行投資，這不僅能夠首先贏得在醫療AI數據入口領域布局的先機，而且數據采集在當下的醫療環境當中多以輔助醫務工作開展，醫院接受度相對較高，總體來說還是值得期待的。

　　此外，我國醫療資源分布極其不均，一方面，國內頂尖的幾家三甲醫院在各方面都接近甚至領先世界頂尖醫療水平，但是基層醫療水平卻又非常薄弱，對于大多數國民來說“看病難，看病貴”的問題依然普遍存在。為提升我國整體的醫療水平，如果僅僅單方面通過培訓提升基層醫療人員素質來達到目的是很不明智的。人工智能作為一種很好的替代方案，如果能夠實現在短期內把三甲醫院級別的醫療水平復制到基層，對于提升我國整體的醫療水平有很高的意義。

　　談到具體的醫療AI運用落地環節，國家康復輔具中心、北京市生物醫學工程高精尖中心、阿里健康集團大數據中心等單位領導紛紛看好智能康復器械、AI全科醫生助手、智能互聯網醫院以及遠程醫療與AI的結合。在資本層面，以軟銀資本為代表的多家投資機構也表示看好醫療AI運用落地發發展。

　　AI重構醫患關系，需建立全新一代智能醫療系統

　　伴隨著云計算、大數據、人工智能以及物聯網等技術的發展，醫療健康產業迎來了一次全新的發展機遇。借助新技術對健康與疾病的大數據統計，實現醫療服務與資源的動態配置，新藥研制過程中技術參與醫藥療效與成本的控制，疾病的人工智能早期篩查以及精準微創醫療機器人參與治療，這一系列醫療情景變革都為未來醫療健康產業的發展描繪出了一幅全新的圖景。但在另一方面，這一變革也正在重構醫院、醫生、病人與醫藥、器械的關系，也給傳統醫療健康理念、模式、手段與法規帶來新的挑戰，新的醫療體系建立已成為一個不得不思考的問題。

　　長期以來，醫務人員通過醫療設備為患者提供服務，這一過程當中雖然隨著醫療設備技術的不斷改進以及變化，醫務人員對患者的服務方式發生了改變，但是患者、醫務人員以及醫療設備這三者之間的從屬關系卻從未發生改變。然而伴隨著人工智能等智能化技術的產生，具備智能化能力的醫療設備開始參與到醫療決策的過程當中，并且具備影響醫務人員的能力，此外，患者與醫療設備的關系也發聲了改變，智能化技術的參與使得新的醫患關系變得更加的復雜。

　　中國科學院院士、清華大學人工智能研究院院長張鈸結合IBM Waston認知計算系統與當下人工智能技術現狀展開討論，他認為從技術的角度上來看，目前人工智能由于深度學習技術的產生突破了以往人工數據輸入的專家系統模式，已經能夠通過自主學習的方式去不斷的提升判斷，這為新的智能化醫療系統打造了有利的條件。但除了技術之外，張鈸院士還提出新一代智能化醫療系統的打造是一項系統性工程，除了技術之外，還需要政府、醫院、醫生等多個環節的人事共同參與設定。