AI大爆炸，但之后呢

一局棋吸引全世界的目光，并奋力“收割”未来。然而，具体延触到医疗领域，却好像并不那么顺遂。

继2016“人工智能元年”后，2017“人工智能应用元年”又呼啸而过。

这一年，先是“人类最后的希望”柯洁与只靠深度学习方式成长起来的AlphaGo鏖战三轮，最终0：3落败引发世界关注——赛后柯洁甚至一度哽咽，“它太完美，我很痛苦，看不到任何胜利的希望。”

继而，作为未来核心，人工智能上升至中国国家战略——

全局以观，AI几近大事之成，然而若具体到医院管理者最关心的健康医疗领域，AI是否还能继续“骁勇善战”？答曰：可能需要交给时间。

“AI+医疗”确为蓝海

AlphaGo战胜柯洁，机器人Al-Maths 22分钟内完成文科数学北京卷，IBM Watson阅读10.6万份临床报告仅需17秒，腾讯觅影在2～3秒钟内即可返回内镜图像计算结果。

借助深度自学习、自分析、自判断以及不知疲倦等优势，人工智能可将医疗失误降低30%～40%。

从优化就医流程到破解资源不均衡，人工智能表现出了降本增效的天然亲和力。

外加“沉睡”医疗数据金矿的分散、低效利用亟须人工智能唤醒，AI赋能数据、脑力、知识密集型医疗行业价值被视作“不可估量”。

2017年，纵观我国AI+健康医疗领域的应用，主要围绕院前管理、院中诊疗、院后康复、管理决策、药物研发五方面如火如荼地展开。

每个方面又可细化出智能导诊、疾病风险管理、语音电子病历、影像辅助诊断、医疗机器人、医保智能监管、药物挖掘与临床试验等众多垂直领域的应用场景。

应用背后，还积聚了火热的资本嗅觉。数据显示，2011-2016年间，人工智能+医疗成为资本投入最密集的领域，且被预测未来5年仍将保持40%的增速。

根据咨询公司Frost&Sullivan的调查，2021年全球人工智能+医疗健康市场规模将从2014年的6.64亿美元扩大至66.62亿美元。

人工智能国家战略部署进展

2017年3月5日

“人工智能”首次出现在政府工作报告中。

2017年5月

科技部印发《“十三五”生物技术创新专项规划》，指出要突破类脑人工智能、生物大数据等若干前沿关键技术和共性关键技术。

2017年7月

国务院印发《新一代人工智能发展规划》，将人工智能作为未来核心战略，并从国家层面明确三大战略目标、六项重点任务。

2017年10月

十九大报告指出，要推动互联网、大数据、人工智能和实体经济深度融合，在众多领域培育新增长点、形成新动能。

2017年11月

科技部、国家发改委等15部门合力组建的新一代人工智能发展规划推进办公室成立，与此同时，新一代人工智能战略咨询委员会亦宣布成立。

本刊记者根据公开资料整理

蓝海之“遥远的蓝海”

AI带给医疗行业的想象空间“很无限”，但要真正大规模应用于临床，尚有不少“路途”须“跋涉”。

比如有效数据的获取和连接。AI学习的特性决定了其初期需要依靠高质量的数据来进行训练并优化算法，从而保证结果愈加精确。

但在当下医疗行业数据源头、类型多，结构复杂，标准不统一的现状下，如何获取有效数据成为AI+医疗首先需要跨越的障碍。

比如技术的研发与成熟。据统计，在超过100种癌症中，人工智能技术目前仅能精准识别乳腺癌、宫颈癌、胃癌、肺癌、肝癌等少数病种；手术机器人柔性控制模块、传感器等软硬件技术方面也尚不成熟。

甚至AI领域落地速度最快的电子语音病历产品在门诊的使用效果也不尽如人意。

比如市场的缓慢认可。目前，消费者对人工智能+医疗仍处于远观和存疑的态度。

根据普华永道2017年就人工智能+医疗的消费应用意愿调查显示，近4成消费者不愿接受人工智能看病，即使对人工智能+医疗相对宽容的用户，也仅愿用人工智能进行常规指数监测、心率监测、健身监测等非治疗环节。

比如法律伦理的挑战。以医疗影像为例，医生目前仍是影像决策的主要责任人，但其中却借鉴了人工智能所发挥的辅助读片功能。一旦人工智能的读片结果误导了医生的决策，最终的法律、伦理界限该如何划分？

比如隐私安全的隐患。2017年，安全研究机构Kromtech Security Researchers发现，一家医疗服务机构存储在亚马逊S3上的大约47GB医疗数据意外对公众开放，其中包含315363份PDF文件。据Kromtech Security Researchers估计，这些文件至少涉及15万患者，泄露的内容包括验血结果、姓名和家庭住址等个人信息，以及医生和他们的病例管理笔记等内容。

比如人才支撑的稀缺。目前，在我国，人工智能领域的专业人才供求严重失衡，供求比例接近1：10。而在医疗行业，既懂人工智能又懂医疗的人才更是稀缺。

基于此，尤其对医院现实而言，“很多医院连落后好几年的HIS系统都不愿更新，电脑系统还用着盗版的WinXP，如果AI只是节约了一线人员的时间精力而未给医院带来创收，的确目前市场消费欲望不大。”

根据Gartner发布的2017年中国新兴技术成熟度曲线显示，智能机器人、机器学习等多项技术处于期望膨胀期，同时，鉴于医疗业务本身的复杂性和特殊性，其认为人工智能在医疗领域的应用离真正成熟至少仍需5～10年。

但未来，通过多方的共同努力，以及人工智能+健康医疗在单点、纵深领域的不断突破，将各个散点的应用组合成更大的应用场景——

让分级诊疗能够真正落地，解决医疗的核心痛点；让医护告别大量重复工作，提高效率，缓解医患矛盾；让每个人都能够实现对自身健康的管控，使得个性化健康管理模式落地；让新药研发成本下降，加速药物研发以及临床试验；让行业监管升级，行业决策被优化，告别个人经验主义，未尝不可高值期待。

只是时间长度上，颇有些耐人寻味罢了。