在近幾年來，人工智能在醫療行業的涉足成為風口，大數據的使用、互聯網功能平臺的搭建、精準醫療未來發展目標的逐步完成，都成為行業內最關心的話題。面對醫療難點，如何借助人工智能這些前沿技術，輔助醫療行業進入深度改革，破除醫療領域的行業壁壘，將成為人工智能涉足醫療領域的重要目標。

　　行業痛點也是精準醫療發展起點

　　當互聯網和醫療行業開始融合，并開始有所成果時，面對當下的行業發展現狀，市場內開始產生更高層次的要求。個性化成為互聯網與醫療行業間融合的特點之一，但如今發展的精準醫療卻不止于個性化服務。精準醫療除了要實現個性化的醫療服務意外，還包括精準診斷、精準制藥、液體活檢、靶向治療、AI升級等多個方面醫療服務的高效率和高質量。在“2017投資界大健康投資峰會”上，慧渡醫療聯合創始人、首席技術官杜攀在精準醫療圓桌討論環節中表示，“在未來，精準醫療要實現的愿景是疾病的可預知、可預防、個性化和患者參與”。

　　上述精準醫療的愿景正好切中當前我國醫療行業的痛點，由于我國的生活、飲食習慣，生活環境等多個方面與其他國家有著較為明顯的不同，因此我國醫療的未來發展方向應根據自身情況而定。從我國患者的就醫習慣來看，欠缺針對疾病的日常檢查和預防的意識。在我國，癌癥篩查中有20%處于癌癥早期階段，80%則從一開始檢查就處于中晚期階段，治療費用高、效果也不好。從我國患者人口數量來看，由于我國人口基數較大，且在醫療領域，其數據雜亂無章，要對如此體量的數據進行處理、解讀，無疑增加其工作難度。杜攀在討論中提出，“現在我國，在處理、解讀醫療數據的過程中，針對基因突變與病種的關聯程度不到1%”。此外，因國內人民生活環境與國外、特別是歐美國家完全不同，在我國癌癥發病率高的病種主要以肺癌、胃癌、肝癌、鼻炎癌為主，因此不能照搬外國模式。

　　針對醫療行業痛點，在這個大數據時代更應該提高對大數據質量的要求。在互聯網和人工智能開啟醫療新時代圓桌討論中，中科搏銳總經理張鑫指出，“優質的大數據需要足夠寬泛，并且能夠契合單個疾病”。一方面，在我國的實體醫院中，積累的臨床案例、數據，其體量之大，這必然對于數據整合、解讀的信息處理能力有著較高的要求。這樣的大數據首先應該囊括足夠寬泛的人群、病種、案例等方面的內容，并且針對如此海量的數據進行綜合整理合解讀，將數據依特定人群，或特定類型進行細分，將大數據歸類出不同的細分領域，以便輔助醫生針對不同案例進行醫療決策方案的提出。此外，從垂直領域來看，如果單靠寬泛表面的數據，依然無法和醫生進行完美的配合。因此，大數據還需要有足夠的深度、足夠的針對性和足夠的專業性，只有將數據拆分開來，置于各個專業的細分領域，才能更好的契合單個疾病，從而與專家配合共同助力精準醫療的進一步實施。

　　勿將AI妖魔化

　　當AI成為資金風口，巨大的資金流涌入其中，表面上似乎是人工智能與醫療行業的融合面臨一片藍海，實則在發展過程中，一系列問題開始逐漸暴露。在過去，互聯網曾經也是資金流入的風口，在新一輪AI風口到來之際，各個企業陸續順應趨勢開始進行轉型。在針對人工智能與大數據主題的討論中，有專家指出，當AI作為風口，越來越多的企業開始融入AI領域，但以解決醫療資源分散，借助互聯網平臺和AI技術進行遠程會診，以提高患者醫療服務質量的企業有多少，真正通過AI技術深挖醫療領域的企業有多少不得而知;大多企業多以人工智能為噱頭，實則換湯不換藥，更無法針對醫療行業進行實質性的創新。其次，從競爭狀況來看，在藍海中的競爭更為激烈。各大企業紛紛進入人工智能領域，以搶占進入行業時間來占領行業內市場高地。長此以往，同質化競爭開始盛行，行業內開始進行惡性競爭，一方面在該領域的競爭市場內沒有穩定的發展秩序和合理的行業發展模式;另一方面惡性競爭將會阻礙行業內良性發展的步伐。

　　面對人工智能當前發展狀況，只有更加清晰未來在AI領域的發展方向，才能針對目前領域內的發展痛點，進行精準提升。在未來，人工智能首先應從計算機擅長的領域切入，針對更加細分的領域進行深度貼合，或許是人工智能未來發展的更好契機。好人生集團ceo章智云表示，“勿將AI妖魔化，在未來，人工智能應該起著工具的作用，成為基礎設施，與每一行業息息相關。”

　　人工智能作為一項先進技術，首先應當充當的是工具作用，人工智能進入醫療領域，首先從與該技術契合度更高、更多以勞動力為主的領域入手。盤古創富合伙人劉凱表示，“醫療行業中的AI應用，應該先從計算機擅長的領域入手”。以放射科為例，有數據表明，在放射科內部每年的數據增長量為30%，而在該領域內專業醫生的年度增量只打到4.3%，每年病理科的有效數據達到9000份，這與發達國家每年3至4萬有效數據的標準形成巨大差距。在改行業內，更加迫切需要人工智能技術的介入，通過先進算法提高數據的效率和質量。此外，人工智能在未來需要深耕醫療細分領域，切實貼合更加窄化、專業化領域，立志于配合醫生，通過算法、對海量數據的整合分析，深度解剖疑難雜癥，從而緩解醫療資源分布不均等現實問題。以癌癥為例，在病理切片的數字化管理中，人工智能更具有優勢。有數據表明，人工智能在數字病理圖像分析能力上已經達到2.25億像素;而針對癌癥變幻過程中基因突變的識別，傳統的機器成像、肉眼識別方式，很難在各式各樣的不定性案例中針對突變基因進行精準診斷。在這一細分領域中，AI的介入更能配合醫生，深耕腫瘤的早篩領域，以更加客觀、量化的角度進行精準治療。

　　如今處在風口上的人工智能目前仍然處于探索階段，在未來，人工智能應該更多對準細分的領域，更有針對性地輔助醫生的日常工作，解放醫生從事更加高精尖的工作。同時，筆者認為，在未來的行業探索中，AI應該深度探索跟挖掘新的應用跟場景，以人工智能為重要的輔助工具，配合醫生共同發展精準治療。