通過語音交流，機器人能夠幫助患者進行導診；閱讀影像資料之後，機器能夠出具診斷報告……隨著科技的進步，人工智慧（AI）醫療逐步從前沿技術轉變為現實應用。

　　然而，《經濟參考報》記者了解到，我國醫療人工智慧在快速發展的過程中，面臨著三大發展困境：技術難題有待突破，準入門檻有待監管層加以明確，商業模式也亟待建立。對此，專家建議，由國家主導數據庫建設，打破數據壁壘實現醫療數據共用，盡快制定標準，促進高端人才聚集，以實現全方位突破。

　　應用前景廣闊

　　廣州市婦女兒童醫療中心主任夏慧敏認為，當前我國面臨人口老齡化、醫療資源供需嚴重失衡以及地域分配不均等問題，催生了對醫療人工智慧的巨大需求；同時，我國人口基數大、市場應用規模廣等特點，又給人工智慧的發展提供了很好的基礎。因此，發展醫療人工智慧的意義不言而喻。

　　首先是緩解醫療人力資源緊張狀況。夏慧敏認為，在當前我國優質醫療人力資源欠缺的背景下，有了醫療人工智慧的幫助，一方面，基層和偏遠地區的患者可通過遠端人工智慧醫療獲得發達地區醫療機構和醫務人員的服務，提高醫療人力資源的使用效率；另一方面，借助人工智慧對病人就醫大數據分析，可以優化醫院的醫療服務結構和流程。

　　其次是重構醫療服務模式，變“治療”為“預防”，將被動就診改為隨時隨地的健康服務。專家認為，人工智慧可以高效、精準整合醫學檢驗數據，讓患者擁有自己的電子健康檔案並形成健康大數據。通過智能的可移動終端和可穿戴設備等的監測，醫療機構及其醫務人員就能主動發現健康狀況異常的個體和人群，提前給予健康風險提示、健康改進或醫療措施建議。醫療人工智慧還可以通過智能工具的分析、整理和歸納，從群體和個體雙重角度總結出疾病預防、診斷、治療和康復的規律。

　　再次是助力國家制定更加科學的醫療衛生政策。中國工程院院士、中華醫學會副會長李蘭娟認為，人工智慧通過海量的數據模擬出醫療流程、醫療診斷、醫療建議和治療方案，這將是醫療衛生方面一個大的變革。大數據智能診療技術日新月異，將推動公共衛生政策的制定更為科學。

　　業內人士認為，我國有望憑借這些優勢實現在醫療人工智慧領域的“彎道超車”，與此同時，隨著人工智慧逐步從前沿技術轉變為現實應用，或將為當前醫療格局帶來重大變革。

　　技術有待突破

　　《經濟參考報》記者走訪發現，目前我國人工智慧醫療仍面臨技術難題。據了解，海量大數據和計算能力是人工智慧發展的必備要素，特別是在醫療數據共用方面，目前我國亟須補足短板。

　　“數據孤島”現象與數據標準不統一，使得醫療數據難以實現共用。人工智慧的準確性需要學習大量的數據，專家認為，我們國家在醫院病例數方面有很大優勢，但由于醫療數據沒有共用，存在“孤島”現象，不利于人工智慧技術發展。

　　為全國兩萬多家醫療機構定制軟件的智業互聯（廈門）健康科技有限公司總經理侯浩天告訴記者，醫院使用人工智慧産品時，需要和互聯網公司連接，然而這個對接過程中出現一些難題：醫院的係統之前相對封閉，不同醫院的電子系統由不同的企業承建，企業之間的係統又存在壁壘。

　　侯浩天説，人工智慧企業很難對不同客戶醫院反饋的數據進行整合研究，這也就限制了人工智慧機器的反饋訓練，怎樣把醫院的資訊合理、合法地向外網開放，仍然面臨著挑戰。

　　此外，數據錄入欠缺標準。廣州金域醫學檢驗集團股份有限公司首席科學官于世輝介紹，以病理人工智慧輔助診斷機構為例，企業訓練模型的數據來源通常是公開數據集，或者企業與個別醫院合作獲得的掃描圖片數據。于世輝舉例説，人工智慧做膜性腎病的研究學習需要陽性標本一萬多例，廣東一家著名醫科大學專業團隊積累多年才有兩千多份標本，金域醫學雖有兩萬多份標本，但想要合作就要把每一個標本重新標注，讓機器在同樣一個疾病分類標準下深度學習。我們國家有很多腎臟病分類體係，標準不統一導致大量優質數據無法為醫療人工智慧的發展服務。

　　專家表示，以肺結節CT篩查為例，目前業內對肺結節、糖網病檢查等場景的醫療人工智慧産品診斷準確率普遍很高，但企業在訓練自己的模型時通常有自己的數據庫，各自的演算法都是按照自己的數據進行訓練，然後以自己的數據來驗證準確性。

　　第二，在人工智慧輸入的數據和其輸出的答案之間，通常存在著無法洞悉的“隱層”，它被稱為“黑箱”，“黑箱”存在的後果就是難以判斷人工智慧是否出錯。“如果能讓醫生看到電腦是怎麼想的、怎麼得出結論的，就能讓人類更相信電腦，讓人類更加對它放心。”廣州市婦女兒童醫療中心教授張康説。

　　路徑尚待明確

　　從監管層面來看，人工智慧剛剛應用于醫療健康領域，一些監管政策還有待明確，人才積累仍顯不足，而可持續的商業模式也亟待建立。

　　一是準入政策不明朗。“藥品和器械在國家的監管層面有很詳細的規定，但是醫療人工智慧産品是新産品，詳細的標準還在制定中。”上海長徵醫院影像醫學與核醫學科主任劉士遠説，目前已經有九項醫學人工智慧産品向國家藥品監督管理局申報三類器械，但沒有一個被批準，用什麼樣的標準和規范也仍在討論當中。

　　2017年國家藥品監督管理總局發布的《醫療器械分類目錄》中的分類規定，若診斷軟件通過演算法提供診斷建議，僅有輔助診斷功能不直接給出診斷結論，則按照二類醫療器械申報認證；如果對病變部位進行自動識別並提供明確診斷提示，則必須按照第三類醫療器械進行臨床驗證管理。業內人士介紹，目前我國有部分企業已經申請了二類證，但申報三類器械的産品都尚未得到認證。

　　二是人才缺口大。據業內統計，目前我國人工智慧行業的從業人員不足5萬人，每年通過高校培養出來的技術人員也不足2000人，而在人工智慧行業從業者中，美國擁有10年以上工作經驗的人才佔比接近50%，我國只有不到25%。

　　不僅如此，夏慧敏認為，人工智慧從實驗室走到臨床、更好為臨床服務，最重要的是能夠找到醫療中的痛點和急需解決的問題，當前很多醫療人工智慧團隊都是演算法工程師在主導，既懂醫學、又懂電腦的復合型人才在中國相對緊缺。

　　三是可持續的商業模式亟待建立。金蝶醫療軟件科技有限公司總經理尹治國表示，醫療人工智慧産品期望能以銷售軟件的形式讓醫院付費，以建立可持續的商業模式，但是目前來説直接向消費者收費並不現實，如何構建商業模式形成商業閉環，業界仍在探索。