趙艷秋

人工智能（AI）與醫(yī)療的結(jié)合才剛剛開始。如果按人類3萬(wàn)多種疾病，每種都能有AI分析產(chǎn)品的話，AI+醫(yī)療的前景不可計(jì)量。

這讓市場(chǎng)非?；馃幔渤錆M喧囂，參與者良莠不齊?，F(xiàn)在，如果你在投資類型網(wǎng)站中鍵入“人工智能”+“醫(yī)療”這樣的搜索關(guān)鍵詞，幾百個(gè)企業(yè)就會(huì)一下子躍入眼簾。

人工智能有兩要素：一是算法，二是數(shù)據(jù)。算法技術(shù)很多都已開源，而且一個(gè)新算法出來(lái)，很快就能變成方便調(diào)用的模塊。這也在一定程度上降低了參與者的門檻。不過(guò)就像業(yè)內(nèi)人士形容的那樣，“均碼衣服”穿出的效果肯定不是最理想的，需要針對(duì)每種疾病的特點(diǎn)，優(yōu)化算法，量體裁衣，這就要看“裁縫”的水平。

數(shù)據(jù)是一個(gè)行業(yè)性痛點(diǎn)。雖然據(jù)說(shuō)國(guó)外人工智能企業(yè)正排隊(duì)要進(jìn)入中國(guó)，因?yàn)橹袊?guó)龐大的數(shù)據(jù)資源。可是，我們?nèi)狈Ω哔|(zhì)量、有臨床標(biāo)注的數(shù)據(jù)。這也就解釋了，為什么云上已經(jīng)匯集一批醫(yī)療數(shù)據(jù)，但分析的成果卻少之又少，數(shù)據(jù)還僅僅是堆積。人工智能創(chuàng)業(yè)企業(yè)需要先解決數(shù)據(jù)的標(biāo)注痛點(diǎn)，這需要醫(yī)療專家的支持。

90%的醫(yī)療數(shù)據(jù)是影像數(shù)據(jù)，如X光、CT、MRI、超聲等。現(xiàn)有影像的深度分析有很多機(jī)會(huì)，很多人工智能+醫(yī)療的企業(yè)，瞄準(zhǔn)了影像分析市場(chǎng)。

人工智能醫(yī)療領(lǐng)域解決方案做出來(lái)后，它們的定位是什么？多數(shù)業(yè)內(nèi)企業(yè)認(rèn)同將其作為輔助診斷系統(tǒng)，并瞄準(zhǔn)基層醫(yī)院的市場(chǎng)。我國(guó)的醫(yī)療資源缺乏，尤其是優(yōu)質(zhì)醫(yī)療資源嚴(yán)重不足，且集中在少數(shù)三甲醫(yī)院。通過(guò)人工智能把醫(yī)療專家的真經(jīng)汲取出來(lái)，提升基層和社區(qū)的首診診斷水平，這確實(shí)是人工智能+醫(yī)療的一個(gè)好方向之一。