AI大爆炸，但之后呢

一局棋吸引全世界的目光，并奮力“收割”未來。然而，具體延觸到醫療領域，卻好像并不那么順遂。

繼2016“人工智能元年”后，2017“人工智能應用元年”又呼嘯而過。

這一年，先是“人類最后的希望”柯潔與只靠深度學習方式成長起來的AlphaGo鏖戰三輪，最終0：3落敗引發世界關注——賽后柯潔甚至一度哽咽，“它太完美，我很痛苦，看不到任何勝利的希望。”

繼而，作為未來核心，人工智能上升至中國國家戰略——

全局以觀，AI幾近大事之成，然而若具體到醫院管理者最關心的健康醫療領域，AI是否還能繼續“驍勇善戰”？答曰：可能需要交給時間。

“AI+醫療”確為藍海

AlphaGo戰勝柯潔，機器人Al-Maths 22分鐘內完成文科數學北京卷，IBM Watson閱讀10.6萬份臨床報告僅需17秒，騰訊覓影在2～3秒鐘內即可返回內鏡圖像計算結果。

借助深度自學習、自分析、自判斷以及不知疲倦等優勢，人工智能可將醫療失誤降低30%～40%。

從優化就醫流程到破解資源不均衡，人工智能表現出了降本增效的天然親和力。

外加“沉睡”醫療數據金礦的分散、低效利用亟須人工智能喚醒，AI賦能數據、腦力、知識密集型醫療行業價值被視作“不可估量”。

2017年，縱觀我國AI+健康醫療領域的應用，主要圍繞院前管理、院中診療、院后康復、管理決策、藥物研發五方面如火如荼地展開。

每個方面又可細化出智能導診、疾病風險管理、語音電子病歷、影像輔助診斷、醫療機器人、醫保智能監管、藥物挖掘與臨床試驗等眾多垂直領域的應用場景。

應用背后，還積聚了火熱的資本嗅覺。數據顯示，2011-2016年間，人工智能+醫療成為資本投入最密集的領域，且被預測未來5年仍將保持40%的增速。

根據咨詢公司Frost&Sullivan的調查，2021年全球人工智能+醫療健康市場規模將從2014年的6.64億美元擴大至66.62億美元。

人工智能國家戰略部署進展

2017年3月5日

“人工智能”首次出現在政府工作報告中。

2017年5月

科技部印發《“十三五”生物技術創新專項規劃》，指出要突破類腦人工智能、生物大數據等若干前沿關鍵技術和共性關鍵技術。

2017年7月

國務院印發《新一代人工智能發展規劃》，將人工智能作為未來核心戰略，并從國家層面明確三大戰略目標、六項重點任務。

2017年10月

十九大報告指出，要推動互聯網、大數據、人工智能和實體經濟深度融合，在眾多領域培育新增長點、形成新動能。

2017年11月

科技部、國家發改委等15部門合力組建的新一代人工智能發展規劃推進辦公室成立，與此同時，新一代人工智能戰略咨詢委員會亦宣布成立。

本刊記者根據公開資料整理

藍海之“遙遠的藍海”

AI帶給醫療行業的想象空間“很無限”，但要真正大規模應用于臨床，尚有不少“路途”須“跋涉”。

比如有效數據的獲取和連接。AI學習的特性決定了其初期需要依靠高質量的數據來進行訓練并優化算法，從而保證結果愈加精確。

但在當下醫療行業數據源頭、類型多，結構復雜，標準不統一的現狀下，如何獲取有效數據成為AI+醫療首先需要跨越的障礙。

比如技術的研發與成熟。據統計，在超過100種癌癥中，人工智能技術目前僅能精準識別乳腺癌、宮頸癌、胃癌、肺癌、肝癌等少數病種；手術機器人柔性控制模塊、傳感器等軟硬件技術方面也尚不成熟。

甚至AI領域落地速度最快的電子語音病歷產品在門診的使用效果也不盡如人意。

比如市場的緩慢認可。目前，消費者對人工智能+醫療仍處于遠觀和存疑的態度。

根據普華永道2017年就人工智能+醫療的消費應用意愿調查顯示，近4成消費者不愿接受人工智能看病，即使對人工智能+醫療相對寬容的用戶，也僅愿用人工智能進行常規指數監測、心率監測、健身監測等非治療環節。

比如法律倫理的挑戰。以醫療影像為例，醫生目前仍是影像決策的主要責任人，但其中卻借鑒了人工智能所發揮的輔助讀片功能。一旦人工智能的讀片結果誤導了醫生的決策，最終的法律、倫理界限該如何劃分？

比如隱私安全的隱患。2017年，安全研究機構Kromtech Security Researchers發現，一家醫療服務機構存儲在亞馬遜S3上的大約47GB醫療數據意外對公眾開放，其中包含315363份PDF文件。據Kromtech Security Researchers估計，這些文件至少涉及15萬患者，泄露的內容包括驗血結果、姓名和家庭住址等個人信息，以及醫生和他們的病例管理筆記等內容。

比如人才支撐的稀缺。目前，在我國，人工智能領域的專業人才供求嚴重失衡，供求比例接近1：10。而在醫療行業，既懂人工智能又懂醫療的人才更是稀缺。

基于此，尤其對醫院現實而言，“很多醫院連落后好幾年的HIS系統都不愿更新，電腦系統還用著盜版的WinXP，如果AI只是節約了一線人員的時間精力而未給醫院帶來創收，的確目前市場消費欲望不大。”

根據Gartner發布的2017年中國新興技術成熟度曲線顯示，智能機器人、機器學習等多項技術處于期望膨脹期，同時，鑒于醫療業務本身的復雜性和特殊性，其認為人工智能在醫療領域的應用離真正成熟至少仍需5～10年。

但未來，通過多方的共同努力，以及人工智能+健康醫療在單點、縱深領域的不斷突破，將各個散點的應用組合成更大的應用場景——

讓分級診療能夠真正落地，解決醫療的核心痛點；讓醫護告別大量重復工作，提高效率，緩解醫患矛盾；讓每個人都能夠實現對自身健康的管控，使得個性化健康管理模式落地；讓新藥研發成本下降，加速藥物研發以及臨床試驗；讓行業監管升級，行業決策被優化，告別個人經驗主義，未嘗不可高值期待。

只是時間長度上，頗有些耐人尋味罷了。