文 / 陈剑锋

医疗作为与大众切身利益相关的话题，一直以来也是社会非常看重和关注的民生问题，政府的相关政策的推行和医疗行业的不断改革无不都有围绕民众的医疗健康问题展开的谈论和研究，但是无论考虑的多么周全，由于目前医疗环境的格局限制，依旧存在很多我们无法考虑到和解决的困难。

尤其是随着人口老龄化的不断加剧，和医疗资源的极具不平衡，如何解决未来日益增长的庞大老龄化人口的医疗健康问题，将会成为国家医疗的巨大压力和负担。

人口老龄化带来医疗资源的严重不足

据截止 2016 年底的数据显示，中国 60 岁及以上老年人口超过 2.3 亿，占总人口的 16.7%；预计到 2050 年，中国老年人口将达到 4.8 亿 , 占全球老年人口的四分之一 , 比现在美、英、德三个国家人口总和还要多，老龄问题将成为中国社会经济发展和转型带来新挑战。

与此同时，解决庞大的老年人口医疗健康问题也存在巨大的挑战。纵观目前国内医疗环境，城乡医疗资源分配的不平衡，医护人员的严重缺失和专业水平的极具差距都在很大程度上给国家医疗资源带来了巨大的压力，因此在医疗资源的迫切需求下，急需有一种既可靠、又能全面解决医疗资源缺失的方式方法出现。

刚好随着人工智能的快速发展，在赋能各行业中取得了很好的表现和较成功的落地项目。尤其是在赋能医疗上的成果，让大众看到了希望，众多的行业人士纷纷转入研究智慧医疗，希望能够在智慧医疗上有大的突破。

AI 医疗有效缓解医疗资源不足的压力

目前人工智能大致分为三个阶段，弱人工智能、强人工智能、超强人工智能，而目前我们正处于弱人工智能时代，也就是人工智能能够在某一方面或特定的领域的能力要强于人类，但是在综合能力上面人类是强于人工智能的。

对于 AI 医疗来说也同样如此，目前处于弱 AI 医疗阶段，简单的来说就是目前 AI 医疗的应用场景只适用于医疗行业的某一个简单的环节或者某一项重复、固定的流程和工作。而诸如临床诊断和医学研究这种需要深入灵活动脑的环节人工智能还无法完成。

诸如速途研究院发布的 2018 年上半年 AI 医疗行业研究报告就明确显示，目前 AI 医疗的应用场景主要适用在虚拟助理、药物挖掘、医学影像、健康管理、辅助诊疗、医院管理、疾病风险预测以及辅助医学研究报告等方面。而目前 AI 医疗应用最热的还是医学影像以及疾病风险预测方向。

虽然目前处于弱 AI 医疗阶段，但是在很大程度上仍旧可以缓解人口老龄化的不断加剧带来的医疗资源严重不足的压力，比如 AI 在通过大量的医学数据深度学习之后，辅助医生读取 CT 影像，早期的癌症筛查，这将在很大程度上缓解医疗人员不足的压力和误诊、误判的压力。

其实这些问题互联网巨头 BAT 早已经解决，2017 年 7 月，阿里健康、万里云对外发布医疗人工智能系统 "Doctor You", 可在半小时内读完九千张 CT 影像，可以说是效率是人类的上千倍。2017 年 8 月，腾讯发布了 AI 医学影像产品 " 腾讯觅影 "，利用人工智能医学影像技术辅助医生进行早期食管癌筛查。

同样，百度研究院也在今年 6 月份发布了一种名为 " 神经条件随机场 " 的 AI 算法，拥有强大的肿瘤病理切片检测能力，将为癌症诊断和治疗提供重要助力，其检测准确率甚至超过专业病理医生，并突破此前最高记录。

AI 医疗目前仍旧存在诸多需要突破的壁垒

尽管 AI 医疗在一定的程度上取得了实质性的成果和突破，但是由于 AI 自身的技术限制和整体环境的影响，AI 在赋能医疗上面并没有达到很完美的状态，仍然有很多无法突破的壁垒。

诸如亿欧智库发布的《2018 中国医疗人工智能发展研究报告》里面讲到，AI 医疗发展存在四大挑战：

其一是数据数量问题：中国医疗整体数据量大，但针对不同病种的数据量和质量参差不齐，有些病种的训练数据缺乏；健康大数据孤岛问题有所缓解，但仍未达到深度学习的阶段。

其二是数据质量问题：AI 数据处理中标注的准确性关乎结果的准确性，近两年之内还是需要大量医生去标注。药物研发中的数据质量对于研发效率的提升至关重要。

其三是人才问题：AI 算法人才与医学人才知识体系不同，如何融合各自优势发挥最大价值，值得企业思考。

四是市场问题：医疗被认为是人工智能最早落地的领域，但是医疗的特殊性对产品的要求会更高，从认识到被接受再到相应支付体系的完善，以及到医保的接入，都需要一个很长的过程。

写到最后

无论是 AI 医疗有多少无法突破的壁垒，总之如果回到主题上，在一定意义上来说，AI 医疗在很大程度上解决了人工老龄化所带来的医疗资源严重不足的压力。

另一方面 AI 医疗在未来带来的庞大市场价值驱使巨头企业和资本不惜花重金投入 AI 医疗的研究，这在很大程度上解决了 AI 医疗在研究上所需要的资金支持，为 AI 医疗能够进一步突破提供了后驱动力。

作者：陈剑锋