“我們不能只把大數(shù)據(jù)當(dāng)做技術(shù)活兒，更應(yīng)該讓它形成一種文化。讓更多老師和專家進(jìn)入到醫(yī)院里講課，把大數(shù)據(jù)思維滲透到臨床一線、科研一線，滲透到管理者的大腦里去。”

在提及大數(shù)據(jù)和AI對(duì)醫(yī)院的好處時(shí)，黃偉紅如此說(shuō)道。

黃偉紅現(xiàn)為中南大學(xué)湘雅醫(yī)院"移動(dòng)醫(yī)療"教育部-中國(guó)移動(dòng)聯(lián)合實(shí)驗(yàn)室副主任，該實(shí)驗(yàn)室是教育部唯一一個(gè)設(shè)在醫(yī)院里的醫(yī)療信息化實(shí)驗(yàn)室。

雷鋒網(wǎng)了解到，實(shí)驗(yàn)室成立的目的，主要是為探索交叉學(xué)科如何走向科研和技術(shù)前沿，以及成果轉(zhuǎn)化。

黃偉紅首先談到，醫(yī)療大數(shù)據(jù)這件事很大，醫(yī)工交叉環(huán)節(jié)中最重要的一點(diǎn)就是人。

“過(guò)去我在英國(guó)做大學(xué)老師時(shí)與同行有不少交流，發(fā)現(xiàn)真正進(jìn)入醫(yī)院接觸最原始的數(shù)據(jù)，是最近兩年發(fā)生的事。在這個(gè)新環(huán)境下，醫(yī)院需要有復(fù)合型知識(shí)背景的人。既要具備數(shù)據(jù)技能也要對(duì)醫(yī)療有認(rèn)知，更要有跨界思維。現(xiàn)在跨界人才太少，好的醫(yī)生幾乎沒(méi)有時(shí)間去學(xué)習(xí)更多數(shù)據(jù)技能，而IT背景的人才也又對(duì)醫(yī)療認(rèn)知太少。”

他不斷強(qiáng)調(diào)到這一點(diǎn)：不管是大數(shù)據(jù)還是人工智能，成敗的關(guān)鍵最終不是技術(shù)，而在于人。

“無(wú)論人工智能多厲害，首先病理需要標(biāo)記，而且要標(biāo)對(duì)。標(biāo)注片子的病理醫(yī)生，至少得看五萬(wàn)張病理片子后我覺(jué)得才合格。”

成功的大數(shù)據(jù)應(yīng)用不是指創(chuàng)造一個(gè)新技術(shù)，而是要把一系列的技術(shù)、人員和流程都無(wú)縫鏈接起來(lái)，包括數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)查詢、數(shù)據(jù)分析、數(shù)據(jù)可視化。有些事系統(tǒng)可以做，但有些事非得人工來(lái)做。

黃偉紅繼續(xù)講到，很多公司都在談大數(shù)據(jù)和人工智能。與醫(yī)療行業(yè)不同，業(yè)界互聯(lián)網(wǎng)公司有一個(gè)好處是，即便數(shù)據(jù)挖掘沒(méi)做好，他們也不需要對(duì)行業(yè)和用戶承擔(dān)太多責(zé)任，因?yàn)榻Y(jié)果影響有限。

但醫(yī)療機(jī)構(gòu)對(duì)大數(shù)據(jù)和AI這件事非常謹(jǐn)慎。

今年有些許不同，在各種因素的推動(dòng)下，大家都開(kāi)始談大數(shù)據(jù)。

醫(yī)療領(lǐng)域的基因組學(xué)和藥物研究誕生一批大數(shù)據(jù)公司，以及中國(guó)健康醫(yī)療大數(shù)據(jù)科技發(fā)展集團(tuán)公司、中國(guó)健康醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)發(fā)展集團(tuán)公司、中國(guó)健康醫(yī)療大數(shù)據(jù)股份有限公司的籌建，都是關(guān)于大數(shù)據(jù)的。

大數(shù)據(jù)的浪潮追逐者里有很多小單位和大單位。

從地市級(jí)醫(yī)院和部級(jí)醫(yī)院的角度來(lái)談，這類單位到底對(duì)大數(shù)據(jù)這件事情是什么心態(tài)？

“很多小機(jī)構(gòu)都想著跟新技術(shù)沾點(diǎn)邊，有錢后聘用新的技術(shù)官，CIO（首席信息官）也變成了CDO（首席數(shù)據(jù)官）。一個(gè)數(shù)據(jù)集不夠兩個(gè)湊，最后搞成數(shù)據(jù)池?！?/p>

“每個(gè)小單位都說(shuō)自己會(huì)AI，但秀來(lái)秀去這幾年真沒(méi)有看出來(lái)有啥結(jié)果。我們搞計(jì)算機(jī)的人都知道弄出來(lái)的僅僅是VI，這拿出來(lái)多不好意思。大機(jī)構(gòu)就不一樣了，它們會(huì)想流程有什么問(wèn)題，預(yù)算和項(xiàng)目這么大如何管理，涉及到如此多的部門(mén)需不需要找試點(diǎn)，實(shí)施、審計(jì)和財(cái)務(wù)事項(xiàng)如何解決？總體比較復(fù)雜。”

當(dāng)下大單位對(duì)AI的態(tài)度，如同前幾年面對(duì)云計(jì)算時(shí)類似，更多是觀望。

醫(yī)院信息中心主任真要上“云”的話，還需好好掂量，誰(shuí)知道會(huì)遇到什么問(wèn)題，實(shí)在不行就放在醫(yī)院本地自己搭建。

在AI問(wèn)題上，當(dāng)下國(guó)家對(duì)數(shù)據(jù)安全非常重視，國(guó)內(nèi)各大企業(yè)與原生數(shù)據(jù)產(chǎn)生點(diǎn)醫(yī)院和原生技術(shù)公司這三方合作時(shí)，醫(yī)院到底該怎么做？

一次性上？逐漸上？還是等到國(guó)家有扶持政策后再上？

一家公司還是幾家公司一起做？一個(gè)分院做還是整個(gè)大院同時(shí)做？

黃偉紅提出了這些很現(xiàn)實(shí)的問(wèn)題。

大數(shù)據(jù)不僅是采用某種新技術(shù)，同時(shí)也是把技術(shù)、工作人員、流程都綁定在一起。這些環(huán)節(jié)中，有些問(wèn)題是無(wú)法避免的，尤其是臨床數(shù)據(jù)質(zhì)量問(wèn)題。

“我回國(guó)后，最初進(jìn)入醫(yī)院時(shí)就特別關(guān)注數(shù)據(jù)質(zhì)量問(wèn)題，數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)查詢、數(shù)據(jù)分析、數(shù)據(jù)可視化，其中很多事情非得人工來(lái)做。直到兩年后我才覺(jué)得部分任務(wù)用AI來(lái)解決有戲，數(shù)據(jù)進(jìn)化在一點(diǎn)點(diǎn)的發(fā)生，技術(shù)進(jìn)化的同時(shí)也會(huì)引出新的篇章，如技術(shù)架構(gòu)層面從MapReduce過(guò)度到了Spark。當(dāng)數(shù)據(jù)量足夠大，可有效與人工智能融合時(shí)，ICD-10（國(guó)際疾病分類，依據(jù)疾病的某些特征，按照規(guī)則將疾病分門(mén)別類，并用編碼的方法來(lái)表示的系統(tǒng)。）編碼準(zhǔn)確性，可能在未來(lái)的一段時(shí)間里，或許AI可以幫到忙”

“輸入ICD-10的事應(yīng)讓醫(yī)生來(lái)做，但不要讓醫(yī)生很忙時(shí)還要去記這些編碼，病案科的醫(yī)生很累，讓每一個(gè)臨床科室的醫(yī)生記住手底下幾百號(hào)不現(xiàn)實(shí)。”

大數(shù)據(jù)和人工智能是最好的組合，大數(shù)據(jù)提供管道，應(yīng)對(duì)核心數(shù)據(jù)的挑戰(zhàn)。機(jī)器學(xué)習(xí)提供一種智慧，從數(shù)據(jù)中提取價(jià)值。

“大數(shù)據(jù)并不單單是數(shù)據(jù)，更應(yīng)該是一種文化，希望有更多的老師和專家進(jìn)入到醫(yī)院里做講課宣傳，讓大數(shù)據(jù)的思維滲透到臨床一線、科研一線，滲透到管理者的腦袋里去?！?/p>

湘雅醫(yī)院在大數(shù)據(jù)方面的探索

隨后，黃偉紅介紹了湘雅醫(yī)院在大數(shù)據(jù)方面的實(shí)踐。

從2014年開(kāi)始，為了提高患者就診體驗(yàn)與質(zhì)量、提升醫(yī)生工作效率和能力、助力醫(yī)療改革深化模式升級(jí)、孵化重大醫(yī)療信息化成果、支撐健康醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)應(yīng)用、提升政府監(jiān)管與決策水平等目標(biāo)，湘雅醫(yī)院投資幾個(gè)億開(kāi)始建設(shè)醫(yī)療大數(shù)據(jù)平臺(tái)。

平臺(tái)建設(shè)隨技術(shù)發(fā)展和社會(huì)進(jìn)步不斷演進(jìn)，設(shè)計(jì)、實(shí)施和運(yùn)營(yíng)以學(xué)校為主導(dǎo)，統(tǒng)一制定規(guī)章制度和推進(jìn)計(jì)劃，在保證安全和隱私的前提下開(kāi)放共享。平臺(tái)服務(wù)對(duì)象不僅是普通的醫(yī)護(hù)人員，還包括公共衛(wèi)生、企業(yè)、管理、病友等。

“301醫(yī)院的老師很認(rèn)可我們的建設(shè)思路，湘雅的大數(shù)據(jù)平臺(tái)內(nèi)部環(huán)境互不影響。醫(yī)院還有前置區(qū)，學(xué)校的大數(shù)據(jù)有IDC?！?br>

湘雅醫(yī)院的醫(yī)療大數(shù)據(jù)平臺(tái)的數(shù)據(jù)區(qū)域中，學(xué)校的大數(shù)據(jù)平臺(tái)專注于科研分析，醫(yī)院的業(yè)務(wù)庫(kù)、備份庫(kù)、安全的服務(wù)器對(duì)數(shù)據(jù)進(jìn)行采集，通過(guò)專網(wǎng)放在不同的大數(shù)據(jù)里面。

當(dāng)時(shí)投入一點(diǎn)幾個(gè)億立102個(gè)?？?，形成多個(gè)專病數(shù)據(jù)集。

湘雅很多?？茖儆趪?guó)家級(jí)水平，同時(shí)擁有25個(gè)國(guó)家級(jí)重點(diǎn)?？疲t(yī)生水平較高。在大數(shù)據(jù)方面，在14年左右LIS數(shù)據(jù)離線的匯聚已經(jīng)完成，數(shù)據(jù)的增量每天會(huì)發(fā)生。

患者信息達(dá)1700多萬(wàn)條，藥品8萬(wàn)多條，以及近3.7萬(wàn)余人次門(mén)（急）診量。

給AI公司的一句忠告

最后黃偉紅總結(jié)到，未來(lái)云端的戰(zhàn)爭(zhēng)將會(huì)變得愈加白熱化，醫(yī)院也在觀望這一兩年內(nèi)三家國(guó)家隊(duì)大數(shù)據(jù)公司會(huì)做成什么樣子，現(xiàn)階段僅僅開(kāi)始試點(diǎn)。與此同時(shí)，大數(shù)據(jù)初創(chuàng)公司也在逐漸走向成熟，這對(duì)醫(yī)療行業(yè)是重大利好。

對(duì)于AI技術(shù)提供商，他認(rèn)為一個(gè)公司不可能在多個(gè)場(chǎng)景里包打天下，選好并深耕垂直方向才是做好技術(shù)的第一步。

在多個(gè)研究中，人工智能已經(jīng)成功擊敗人類醫(yī)生，但在大規(guī)模落地前，醫(yī)療人工智能還有很多課要補(bǔ)。

行業(yè)的狂歡和泡沫，是任何一個(gè)新技術(shù)浪潮的必經(jīng)之路。

最后勝出的，必是那些創(chuàng)造了真實(shí)價(jià)值的技術(shù)和產(chǎn)品。

在2017年那場(chǎng)史詩(shī)級(jí)的圍棋對(duì)決中，人類戰(zhàn)力最強(qiáng)的棋手柯潔以0∶3敗于阿爾法狗，人類終被自己的模仿品——人工智能（AI）超越。

接下來(lái)，它會(huì)在哪個(gè)領(lǐng)域戰(zhàn)勝人類？猜測(cè)落在醫(yī)療上。 

人工智能在多個(gè)醫(yī)療細(xì)分領(lǐng)域曾與人類醫(yī)生交手，2016年5月至今，比分結(jié)果是AI 6勝、3平、2負(fù)。醫(yī)生已然落于下風(fēng)。

2017年歲末，斯坦福大學(xué)教授吳恩達(dá)領(lǐng)導(dǎo)的機(jī)器學(xué)習(xí)小組開(kāi)發(fā)出一種名為CheXnet的算法，能夠更敏銳地捕捉胸部X光片中的肺炎跡象，在診斷肺炎的比拼中，也一舉擊敗四名放射科醫(yī)師。

這些火種足以讓產(chǎn)業(yè)界信心爆棚。谷歌、IBM、英特爾等國(guó)際巨頭和國(guó)內(nèi)的“BATK”（百度、阿里、騰訊、科大訊飛），都加緊布局，一大批初創(chuàng)公司也噴涌而出。

人口老齡化加劇、慢性病患者群體增長(zhǎng)、優(yōu)質(zhì)醫(yī)療資源緊缺、公共醫(yī)療費(fèi)用攀升等多重壓力，使AI入醫(yī)療被寄望成為這一全球性壓力的泄壓閥。

泄出的壓力也正是機(jī)遇的源頭。

尤其在中國(guó)，人口數(shù)量成為優(yōu)勢(shì)，醫(yī)療數(shù)據(jù)的基礎(chǔ)大，可以給醫(yī)療AI提供充沛的燃料。

業(yè)內(nèi)的普遍看法是，在該領(lǐng)域，國(guó)內(nèi)企業(yè)有彎道超車的機(jī)會(huì)。

然而，AI的泡沫已然吹起，醫(yī)療能否獨(dú)善其身？

                         一、

現(xiàn)在很熱的人工智能在醫(yī)療領(lǐng)域的應(yīng)用發(fā)展到了什么程度？

真正能像《終結(jié)者》里的超強(qiáng)人工智能并沒(méi)有出現(xiàn)，在任何一個(gè)領(lǐng)域都沒(méi)有。

一般按照水平高低，人工智能可以分成三大類：弱人工智能、強(qiáng)人工智能和超人工智能。

現(xiàn)在所有的人工智能研究都沒(méi)有突破弱人工智能，包括全球最頂尖的alphaGo，包括深藍(lán)，包括watson。

其基本原理都是統(tǒng)計(jì)數(shù)據(jù)，從中歸納出模型，只能專注完成某方面的任務(wù)，與傳統(tǒng)工具沒(méi)有本質(zhì)的區(qū)別。

目前的機(jī)器學(xué)習(xí)歸根到底只是高度擬合，與具有自主心智、獨(dú)立意識(shí)、機(jī)器情感之類科幻影片中人工智能形象相比還差著好多個(gè)霍金。

需要擔(dān)心的其實(shí)并不是人工智能的失控，是盈利目標(biāo)裹挾下的商業(yè)道德失控。

                                 二、

人工智能在醫(yī)療領(lǐng)域的應(yīng)用是目前最火熱，含金量也是較高的一個(gè)領(lǐng)域。

有機(jī)構(gòu)調(diào)研數(shù)據(jù)顯示：目前國(guó)內(nèi)有近200家從事醫(yī)療人工智能的公司，累計(jì)融資金額超過(guò)180億元人民幣。

產(chǎn)品主要以軟件為主，業(yè)務(wù)面向主體包括醫(yī)院、藥店、藥企、研究機(jī)構(gòu)、保險(xiǎn)公司、移動(dòng)醫(yī)療，可應(yīng)用場(chǎng)景主要有醫(yī)學(xué)影像、疾病風(fēng)險(xiǎn)預(yù)測(cè)、藥物研發(fā)、健康管理等，不過(guò)都處于早期階段，例如，醫(yī)學(xué)虛擬助理類產(chǎn)品一般只能讓病人做選擇題，還達(dá)不到siri的水平。

百度、阿里、騰訊等BAT三巨頭在醫(yī)療人工智能領(lǐng)域也都已經(jīng)展開(kāi)布局，但同樣，大多產(chǎn)品尚未成熟，算法模型處于訓(xùn)練優(yōu)化階段，雖有商用試水，但沒(méi)有大規(guī)模成熟應(yīng)用。

                              三、

醫(yī)療影像是人工智能在醫(yī)療領(lǐng)域應(yīng)用的熱門(mén)中熱門(mén)。

無(wú)他，相對(duì)實(shí)現(xiàn)條件最成熟。在醫(yī)療大數(shù)據(jù)中，超過(guò) 80%的數(shù)據(jù)來(lái)自于醫(yī)學(xué)影像，海量數(shù)據(jù)是建模的基礎(chǔ)。

一般做法是：從放射科提取圖像；對(duì)之進(jìn)行圖像分割、提取圖像有意義的特征區(qū)域；然后進(jìn)行預(yù)處理、標(biāo)注，將這些數(shù)據(jù)交給機(jī)器進(jìn)行訓(xùn)練，訓(xùn)練好的模型就可以幫助醫(yī)生進(jìn)行影像輔助決策了。

當(dāng)前流行的機(jī)器學(xué)習(xí)在處理醫(yī)學(xué)影像識(shí)別上其實(shí)有天然優(yōu)勢(shì)，利用數(shù)據(jù)量以及計(jì)算量作為模型驅(qū)動(dòng)力，卷積神經(jīng)網(wǎng)絡(luò)（CNN）以及深度神經(jīng)網(wǎng)絡(luò)（DNN）等深度學(xué)習(xí)算法已經(jīng)超越傳統(tǒng)方法的圖像識(shí)別性能。

中國(guó)團(tuán)隊(duì)在《cells》上發(fā)表論文，稱其主研發(fā)的精確診斷眼病和肺炎兩大類疾病的人工智能（AI）工具，它的總體準(zhǔn)確度達(dá)到了96.6%。

                                四、

當(dāng)然，人工智能還可以可以進(jìn)行其他醫(yī)學(xué)數(shù)據(jù)收集，比如病歷文獻(xiàn)分析、診療結(jié)果把控等。理論上來(lái)說(shuō)，人工智能可以實(shí)現(xiàn)流程自動(dòng)化，提升流程效率，提高診斷準(zhǔn)確度，將在包括醫(yī)學(xué)影像在內(nèi)的諸多領(lǐng)域中發(fā)揮主要作用。

然而，想要投入大規(guī)模使用仍需要解決的兩個(gè)問(wèn)題：一是標(biāo)準(zhǔn)數(shù)據(jù)來(lái)源，二是成本。大型計(jì)算能力、存儲(chǔ)都是成本。計(jì)算力和存儲(chǔ)倒是越來(lái)越便宜，這也使得越來(lái)越多的AI得以民用推廣的原因（智能語(yǔ)音、拍圖購(gòu)物啊背后全是AI）。

真正的瓶頸在數(shù)據(jù)的來(lái)源以和數(shù)據(jù)的質(zhì)量。無(wú)論你想要AI看皮膚腫瘤還是看眼睛，目前主流采用的都是基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，第一要點(diǎn)是需要海量數(shù)據(jù)進(jìn)行訓(xùn)練。數(shù)百萬(wàn)張統(tǒng)一標(biāo)準(zhǔn)、高質(zhì)量的醫(yī)療圖像常常只是打底的基礎(chǔ)。

文章開(kāi)頭說(shuō)的那個(gè)例子中AI雖然整體的識(shí)別率高于醫(yī)生，但其實(shí)對(duì)惡性腫瘤平均符合率也只有75%，現(xiàn)場(chǎng)有的醫(yī)生數(shù)據(jù)是高于它的。很顯然，它的模型還需要進(jìn)一步訓(xùn)練，以大力完善。

數(shù)據(jù)從哪兒來(lái)？

                           五、

真實(shí)世界中的醫(yī)療數(shù)據(jù)非常之分散。

一方面國(guó)內(nèi)醫(yī)院出于數(shù)據(jù)安全和其他原因不愿意共享和公開(kāi)，另一方面缺乏統(tǒng)一的標(biāo)準(zhǔn)，不同醫(yī)院產(chǎn)生的影像數(shù)據(jù)質(zhì)量參差，很難使用。

京津冀一些醫(yī)院已經(jīng)實(shí)現(xiàn)影像互認(rèn)，這只是對(duì)于人。對(duì)于機(jī)器來(lái)說(shuō)，使用影像掃描設(shè)備不同造成的機(jī)器識(shí)別依然困難，比如CT排數(shù)不同，電流、電壓、掃描時(shí)間等參數(shù)不同，可能AI就需要重新訓(xùn)練。

所以，現(xiàn)在很多做AI的公司主要在一線城市和三甲醫(yī)院合作，或采用一些公開(kāi)的數(shù)據(jù)做初始訓(xùn)練，想要臨床使用，這顯然遠(yuǎn)遠(yuǎn)不夠。

就目前的現(xiàn)狀，僅醫(yī)學(xué)數(shù)據(jù)質(zhì)量的提升和共融共通，可能需要非常非常長(zhǎng)的時(shí)間周期。

而，在數(shù)據(jù)采集的時(shí)候，誰(shuí)來(lái)確保被采集者的數(shù)據(jù)安全問(wèn)題？

                                 六、

目前來(lái)說(shuō)，AI依然是一個(gè)處于嬰兒期的產(chǎn)品，技術(shù)不完善，應(yīng)用昂貴。

聽(tīng)起來(lái)非常高大上的人工智能醫(yī)療，在目前階段數(shù)據(jù)采集大多靠人工（有些可穿戴設(shè)備數(shù)據(jù)可以自動(dòng)上傳）。

在數(shù)據(jù)處理的第二階段：數(shù)據(jù)的標(biāo)注也是純?nèi)斯ぴ谧觥?/p>

數(shù)據(jù)標(biāo)記員需要對(duì)每一張圖像進(jìn)行人工分類、畫(huà)框、注釋、標(biāo)記，以給機(jī)器學(xué)習(xí)提供先驗(yàn)經(jīng)驗(yàn)。

這是一個(gè)隨著AI新興的崗位，純勞動(dòng)密集型，就像工廠流水線的工人一樣，只是換成了電腦和鼠標(biāo)。

可以說(shuō)，AI造成了一部分結(jié)構(gòu)性失業(yè)又創(chuàng)造了另外一些需求。

                               七、

暢想一下，在現(xiàn)有的條件下AI可以做的事情也還是很多的。

智能醫(yī)療影像識(shí)別雖然不夠完美但是依然可以大量緩解醫(yī)生不足的問(wèn)題，醫(yī)療助手可以對(duì)病人進(jìn)行輕問(wèn)診、減少過(guò)度醫(yī)療；還有人機(jī)協(xié)同的手術(shù)機(jī)器人、智能生物兼容的生理監(jiān)測(cè)系統(tǒng)、基于人工智能開(kāi)展大規(guī)?；蚪M識(shí)別，高通量新藥研發(fā)等等。

放眼整個(gè)行業(yè)，一個(gè)逐漸清晰的場(chǎng)景就是，影像AI會(huì)率先支撐基層醫(yī)療?；鶎俞t(yī)院用影像AI篩查以后，發(fā)現(xiàn)一些有問(wèn)題或者看不準(zhǔn)的病例，再交由上級(jí)醫(yī)院的醫(yī)生來(lái)確診。

再看遠(yuǎn)些，醫(yī)療AI技術(shù)如果能夠突破應(yīng)用關(guān)，將頂級(jí)醫(yī)生的診斷能力標(biāo)準(zhǔn)化后，交給基層醫(yī)院，為基層醫(yī)生提供輔助診斷，會(huì)在很大程度上改善醫(yī)療資源的緊張狀況。

麥肯錫全球研究所預(yù)測(cè)，大面積使用人工智能診斷疾病可能不會(huì)太快發(fā)生，即使早已入局的巨頭們，也不過(guò)是入門(mén)級(jí)水平，這并不妨礙AI會(huì)成功滲入，成為醫(yī)療的底層技術(shù)，就像之前的IT技術(shù)一樣。

人工智能和人類醫(yī)生比誰(shuí)更聰明，可能還會(huì)持續(xù)。

《新英格蘭醫(yī)學(xué)雜志》認(rèn)為，這種爭(zhēng)論沒(méi)有意義，如何讓人工智能和人類醫(yī)生一起，實(shí)現(xiàn)任何單一方都無(wú)法提供的臨床效果，才是關(guān)鍵。

行業(yè)的狂歡和泡沫，是任何一個(gè)新技術(shù)浪潮的必經(jīng)之路。最后勝出的，是那些創(chuàng)造了真實(shí)價(jià)值的技術(shù)和產(chǎn)品。

全國(guó)政協(xié)委員、紅杉資本全球執(zhí)行合伙人 沈南鵬指出

2、我國(guó)醫(yī)療信息化、智能化水平有待加速，具體表現(xiàn)在：第一，傳統(tǒng)醫(yī)療資源投入“重硬輕軟”，信息化短板嚴(yán)重制約醫(yī)療整體供給能力提升；醫(yī)療信息化便民惠民基礎(chǔ)較差，“信息孤島”阻礙優(yōu)質(zhì)醫(yī)療的公平可及；醫(yī)療AI的審批創(chuàng)新相較市場(chǎng)發(fā)展和國(guó)際實(shí)踐仍顯不足，數(shù)字醫(yī)療工具的監(jiān)管環(huán)境仍待優(yōu)化。

3、健康醫(yī)療智能化將成為未來(lái)社會(huì)和人民美好生活的剛需，以政策驅(qū)動(dòng)新技術(shù)落地，有利于加快解決醫(yī)療領(lǐng)域深層矛盾。

4、目前中國(guó)在醫(yī)療AI領(lǐng)域發(fā)展強(qiáng)勁，是加速升級(jí)醫(yī)療健康智能化、搶占世界領(lǐng)先地位的戰(zhàn)略機(jī)遇期。