AI的兩個要素是技術（算法）和數據。我國人工智能的技術并不落后，應該說遠遠走到了應用的前頭。再加之國際上多數的人工智能算法都是開源軟件，一個新的算法出來很快就會轉化為可以方便調用的模塊。即使入門級AI工作者也能夠使用，所以說AI技術本身并不是瓶頸。那么數據呢？AI領域有句老話“只要有足夠的數據，任何問題都可以解決”。這句話未必全對，但它從一個側面說明了數據的在AI應用中的重要性。在醫療的AI研究領域，長期以來的一個困難是缺乏高質量干凈的有臨床標注的數據。

這個情況正在改變。美國的政府機構如食品和藥物管理局(FDA)、國家健康研究所(NIH)、大型醫院、非營利組織、醫療IT和技術公司都開始將許多高質量的數據開放。這些數據會大大地促進AI在醫療健康領域的全面應用。比如基因檢測公司FoundationMedicine和測序儀主要生產廠家Illumina開放了上萬名腫瘤患者的基因數據與臨床表征資料。這些數據對人工智能在腫瘤精準醫療方面的應用有很大的幫助。值得一提的是我國的患者資源非常豐富，但是高質量的、干凈的、有完整的臨床表型標注的資源并不多。可喜的是，各地已經意識到了這個問題，開始建造各種高質量的生物樣本庫，增加電子病歷的整合和臨床表現標注，希望這種狀況能夠很快有所改變。開放的數據加上開源的算法使得AI商業公司的壁壘(entrybarrier)變得越來越低。有了技術和數據我們再來看AI在國內的應用前景。

先看AI在影像中的應用，影像AI可分為儀器影像的分析及病理切片的分析與診斷。在儀器影像方面如X光、CT、MRI、超聲等，現有影像的深度分析有很多機會。而對于對病理切片，可以按照不同的病種開發相對應的診斷系統。我們知道人類有3萬多種疾病，每一種疾病的AI分析軟件都可以變成一種成熟的產品，可以說商機無限。

如用手機加上人工智能，可以鑒別診斷皮膚癌，其準確度超過了一般的病理醫生。

相對于AI在影像方面的應用，AI在醫療診斷方面的應用在國內剛剛起步。AI可以滿足高端和低端兩個方向：高端是指為三甲醫院的專科提供服務，如IBMWatsonforOncology就是一個很好的例子。值得一提的是IBMWatson并不一定完全適合中國的國情，它是按照西方的病例訓練出來的。如治療方案多提供昂貴的靶向藥物，而在中國可能化療和放療更容易被病人接受。另外同樣的檢查結果，如某些基因突變亞洲人和歐美人有不同的表型，所以我們還需要開發自己的腫瘤及其它專科病的AI系統。AI醫療診斷的另外一個方面是針對基層全科醫生的低端診斷系統，與專科診療系統不同，全科醫生的診斷系統更注重常見病的診斷治療，標準臨床路徑的執行等。中國的醫療資源缺乏，尤其是優質醫療資源嚴重不足，并且集中在少數三甲醫院，基層和社區的醫療水平和效率都亟待提高。在大力加強專業醫療人才的培養的同時，我們必須尋找創新的解決辦法。通過人工智能把有經驗的醫生的知識汲取出來，做出一個智能全科醫生系統幫助基層醫生提升診療質量和效率。因此，智能全科醫生系統是一個具有巨大社會價值和商業價值的目標。

需要強調的是，人工智能并不一定要解決高大上的問題。如開發一個產品利用NLP技術對現有病歷中非結構化的醫囑進行處理，使其成為診斷的輔助依據就有很好的應用價值。在智能機器人方面，隨著3D打印技術的普及，可穿戴設備發展迅速，如慢性疾病管理機器人等，許多可穿戴設備/機械人都需要配置相應的智慧系統，AI大有用武之地。我國AI醫療應用最大的挑戰可能還是來自醫生，如專科醫生是否有時間并愿意用這個系統；基層醫生會不會使用這個智能系統，能不能提供智能系統所需要的輸入信息，能不能理解智能系統給出的治療方案和建議等。

要解決這些問題，首先AI的開發要由醫生主導，從臨床中來到臨床中去，這樣的產品才可能被醫生接受。

同時，智能設備的可使用性，也會對應用產生很大的影響。如AI系統采用聊天機器人的交流方式，可能會對系統的推廣起到一定的促進作用。

更多資訊請關注工業機器人頻道