AI＋医疗存在技术难点＋标准缺失

随着我国医疗体制改革的深化、分级诊疗制度的落实，政府开始加大力度解决医疗资源分配问题以及医疗服务效率问题。

其中，医疗人工智能的广泛应用在提高医疗质量和服务效率、减少误诊误治方面发挥了重要作用。

然而，目前AI＋医疗仍存在医学数据相关问题、复合人才短缺、行业标准缺失以及医疗科研转化为成熟产品的周期过长等问题。

其中，数据的获取、使用与数据共享是阻碍AI＋医疗发展的最大因素。

由于AI＋医疗发展的主要推动力仍是满足医疗行业的刚性需求，因而AI＋医疗在未来必然会打通数据壁垒，实现数据的安全、高质量及共享的应用。

医疗AI企业面临着不少痛点等待解决

像我国国内企业在医疗影像方面面临着数据流转的问题，患者无法保存和管理自己原始的影像资料。

医疗领域里最重要的是准确度，需要在综合一系列由人工智能计算出的指标的基础上，由医生来做出最后判断和决策。

由于试验设计质量参差不齐，具体的有效性很难进行比较和评估。

没有统一行业评判的标准，可能会给数百万患者带来风险。同时也易助长医疗企业炒作AI实效性的火焰。

AI在医疗领域的应用更接近与体检和预防，有时候带来的效果很大，但非常间接，不容易形成控费价值的影响。

产学研实践要扫清的障碍

从医生角度看，年轻医生首先要打好临床、教学、科研的基础，但到了一定阶段，医生不会满足于常规的工作内容，而是往产学研的方向发展，会涉及更多跨领域的合作。

医生的临床思维和程序员的开发思维存在巨大的差异，AI产品能否触及医学本质，只有让医生愿意使用它，AI才有意义。

从应用场景上看，专科与全科领域边界的划分有待明确，医养康的技术闭环没有形成。

更大的挑战来自于行业内AI评测体系标准尚未规范，造成企业理解差异大、产品良莠不齐。

医疗场景下，数据脱敏需求强烈、数据操作合规性要求高。标准的暂时缺位无疑影响这一领域的应用推广。

在另一方面，国内由医生参与和主导的产学研实践还处于探索阶段，尚未形成一个规范、明确的流程或方案，还面临一些更深层次的障碍。

医疗大数据整体建设速度略显乏力

相较其他获得互联网技术助推的行业而言，中国医疗大数据产业的整体建设速度仍略显乏力。

纵观行业历史，国内的医疗大数据发展可向上追溯至2009年新一轮医改中将电子病历等医疗信息化的建设划为重点任务，目前为止行业内已然拥有了10年的海量数据积累。

各个医院管理者有时会形成数据壁垒。我们在信息交流过程当中，目前可以做到徐汇区共享，但与其他的医院和医疗还不能够达到数据共享，造成信息孤岛。

同时，我们也缺少有基层医疗经验又擅长人工智能的交叉人才。

然而，由于医疗数据的在流通共享环节和其他方面的诸多问题，即使已经打下了十年的医疗信息化建设基础，却仍然出现了一个又一个信息孤岛，掣肘着行业的发展。

结尾

疫情期间，医疗AI的应用得到了进一步的创新与推广。但不可否认的是，医疗AI在发展中还有着各种各样的瓶颈与痛点。如何打破瓶颈尴尬期，进而推动行业向前发展，是摆在医疗AI行业人士面前十分关键的课题。