我國現有人工智能企業1100余家，醫療作為人工智能最火的領域，醫療AI應用約占總體份額的5%至10%，隨著人工智能技術的大舉前進，AI+醫療的發展也如火如荼。

近日，有專家直言：醫療人工智能從目前應用趨勢來看，仍需繼續突破人才缺失、數據孤島、政策留白三個主要瓶頸，才能在醫療健康領域迎來更多更好的發展，為人類健康帶來利好。

亟待醫工融合人才

人才信息的鴻溝，是阻礙我國人工智能深度發展的瓶頸。中國科學院院士、北京航空航天大學常務副校長房建成教授說，醫工交叉是醫學發展高端儀器的必經之路。醫學、工程學的交叉融合，可以帶來醫學技術的變革;但現實中，醫學和工程學人才尚處于“兩張皮”，學醫的人才不了解理工科，而工科人才一點醫學也不學，學科未能完好交叉融合，人工智能發展也因此受限。他舉例，以第一代機器人專家、中國工程院院士張啟先教授為例，他研究了我國首套雙棲自由度機器人手，最初應用于空間機器人。第二代機器人專家將機器人應用于醫療，目前該機器人在神經外科、骨科領域都有良好實踐。

目前，信息技術處于爆發期，這為醫學發展帶來重大機遇。北航依托大數據科學與腦機智能，開展人工智能算法研究，啟動生物力學工程，同時依托大數據實現精準醫療。目前，北航將一部分工科資源應用與支持醫療健康，并將醫工交叉作為發展醫療健康和生命科學的戰略新方向，以此從源頭培養人才，為我國醫學人工智能發展探索人才培養路徑。

數據呈“孤島”人工智能訓練仍不足

我國人工智能發展處于國際前列，醫療健康目前是我國人工智能應用的最大場景。中國信息通信研究院云計算與大數據研究所所長何寶宏對媒體說，計算機視覺人工智能探索，成就了諸多疾病篩查與輔助診斷，堪稱功不可沒。例如眼底病篩查、肺結節篩查、乳腺癌篩查等，基于疾病的病理特征，視覺圖像的高清晰度等，實現了人工智能的輔助診療。但論及進一步擴展應用，高質量的數據明顯不足。而目前我國醫療信息數據處于孤島狀態，人工智能所進行的醫療專業訓練量遠遠不足。

飛利浦大中華區副總裁陳勝裕面對媒體直言：我國八成以上的醫療數據都是非結構化數據，只有厘清非結構化數據，轉化成為高質量數據，才可能為醫學和健康帶來有意義的價值。在這一過程中需要自然語言處理、深度學習、大數據挖掘和分析三個步驟。他舉例，在國外醫生在每位患者身上花去1小時，就需要將近兩個小時的時間從各種報告中獲取整合相關信息作為臨床診斷依據。此前，飛利浦與中山醫院合作發現，結構化數據報告可節省醫生85%的時間，因此，打破數據“孤島”可以讓人工智能發揮更大作用，真正成為診療的幫手。

政策尚未到位導致醫院“想用不敢用”

數據顯示，我國近十年來人工智能發展位列國際前列，無論從論文發表還是專利數量，我國處于領先地位，但論及轉化則略遜一籌。由于相關政策細則遲遲未出臺，醫療人工智能在輔助診斷領域發展受限。一些專家提及，現有方法與操作無法判斷人工智能的診斷水平是否高，此外風險、法律等一系列倫理沒有明確說法，由于缺乏統一的標準評估，許多醫療機構對人工智能的態度是“想用不敢用”。作為醫療器械的人工智能，需要統一的標準化評估、以及準入資質，只有明確了標準，才能讓人工智能盡快進入試驗階段，繼而獨立應用在臨床。

中華醫學會放射學分會主任委員金征宇則認為，只有在更好的政策扶持下，新技術才有可能落地在醫院，實現AI醫療的價值最大化。以定量化的醫學影像為例，設立的標準可涵蓋功能易用性、醫學臨床專業性、應用多樣性、效果Robust等。在專家看來，加強產學研合作，鼓勵創業企業貢獻好的方法和結論，醫生一并融入進來，會有更好的產出和轉化。