我国AI医疗的理想与现实，该如何实现？

近年来，人工智能产业在医疗健康领域上掀了个一阵又一阵的风暴，尤其是在虚拟助手和医学影像这两大应用场景中更是有着突破性的进展。而国内外互联网科技巨头在AI医疗领域上的布局，让更多的人对AI医疗领域的未来充满了信心。

然而这风头正劲的AI医疗看似前景一片光明，但是真正实现落地起来，却是困难重重。

1、数据难题

AI医疗要落地环节中，数据可谓是至关重要的一个角色，特别是随着我国数据化医疗的铺开，医疗数据的作用显得越发重要，甚至可以说大数据直接左右着AI医疗的发展。

为什么会说大数据会是AI医疗落地的第一道难关呢？

因为AI医疗的发展是基于大数据环境下，只有当AI医疗有庞大的数据基础才能为医生提供医疗支持，辅助医生诊断疾病。然而在我国医疗领域中，医疗数据却难以获取。

一方面是我国病历数据不完整；虽然我国已经在大力推行使用电子病历，将医疗数据信息化，但我国大部分的病患的数据病历资料并不完整，这对于医疗数据的整合带来一定的难度。

另一方面是我国医疗数据的录入欠缺标准，不同的医疗机构对于数字的录入标准也是不一样；在医疗健康领域中却将疾病分为多种体系，倘若数据标准无法统一则会导致大量优质的数据无法为AI医疗的发展服务。

对此，AI医疗想要落地的首要任务，就是解决数据的难题，才能为医生辅助诊断疾病提供最好的支持。

2、AI技术缺口

虽然人工智能医疗将在未来大展拳脚，但就目前的情况而言，人工智能在医学领域中大多扮演的是医疗器材角色。而AI本身也存在着许多关键问题，这些问题在一定的程度上也制约着AI医疗应用落地。

比如，人工智能技术最终会给医疗领域带来什么样的改变？是否能提升医学临床研究水平和医疗服务水平、效率、质量等，又能否为医生提供更好的辅助手段？最重要的是医生对于AI医疗又是持着什么样的态度？

众所周知，AI医疗的应用虽然是基于大量的医疗数据之下，但开发AI医疗算法的工程师懂不懂医疗健康是一个问题。而医疗数据是属于历史记录，如今却演化出未来产品。但是这些产品对于未来医疗行为的指导性多大，这也是一个问题。

医生是无法得知一个历史记录如何演化未来产品，所以他们对于人工智能技术也有可能产生出负面影响。特别是医生诊断病情时需要根据过往经验、伦理和多次的实践才能得出的结果，而人工智能却无法做到如此。

虽然我们无法知道人工智能和人类医生到底哪个更聪明。我们也承认人工智能比人脑先进数十万倍，但无论是从推广下、犯错率、学习样本等数量，还是可解释性而言，基于深度学习的识别系统与人脑都无可相提并论，这不仅是AI医疗当前的技术缺口，也是目前人工智能技术的最大缺口。

我们不可否认的是未来的AI医疗扮演者重要的角色，会是医生的得力助手，甚至能够独立诊断病情。但是我们也要认清现状，就目前而言，AI医疗如同蹒跚学步的婴儿，只有经过多次的尝试，才能更好的为病患服务。