目前医疗人工智能是创新创业的热点，出现了许多新技术、新产品，也引起了大量资本的关注。创新创业与投资更多关注的是“产”的部分，但产学研要与真正使用者的反馈形成闭环，才能促进行业更健康的发展。

在钛资本新一代企业级科技投资人投研社第17期，上海交通大学医学院附属瑞金医院学科规划与大设施管理处副处长林靖生，带来了“学”、“研”和医院角度的分享。

人工智能在医疗领域的应用，在国外从1972年到2016年期间每年都有新的进展和突破，学术界每年都能出现关于辅助诊断、辅助治疗等技术的成果，这是持续不断的过程。但在国内，从1978年“关幼波肝病诊疗程序”率先把中医学这门古老的民族学科与先进的电子计算机技术结合起来，直到2016年百度发布百度医疗大脑，中间出现了长达38年的断层。

随着技术进步，在医疗健康领域已有不少智慧医疗应用成功案例，如辅助疾病诊断、健康管理、医学影像、临床决策支持、便携设备、康复医疗和生物医学研究，但国内外在大数据技术、人工智能技术、医用机器人与可穿戴设备等方面还存在着不小的差距。

我国智慧医疗的发展主要存在几个问题：

第一，数据采集和利用的问题。医疗数据不同于商业数据或者消费数据，因为涉及到隐私而导致高保护级别，在国内出现过几次医疗隐私数据泄露事件而引起了国家高度的重视，因此如何有效的采集和利用医疗数据是第一大难题；

第二，环境及专业人才稀缺的问题。现在人工智能技术人才非常稀缺，而既懂医疗又懂人工智能技术的复合型人才更稀缺；

第三，基础支持的体系与计算能力的问题；

第四，标准和规范建立的问题。现在医疗行业仍处于野蛮生长环境中，并没有充足的规范或标准；

第五，信息安全和隐私保护的问题。一旦开始利用人工智能就要考虑容错率，例如无人车可以接受从10%到万分之一的容错率，但在医疗行业连万分之一的错误率也不被接受。美国到现在为止，FDA（国际医疗审核权威机构）的人工智能诊断类应用屈指可数，而诊断类也只是非常基础的应用。现在人工智能还不能代替人类医生进行诊断，不过当人工智能技术达到了某种可靠性之后，信息安全和隐私保护就会变得非常重要；

第六，产业化发展问题。现在这个领域已经进入了包括BAT的科技巨头、新兴的生物科技、医疗科技公司，但在产业化发展的道路中并没有一个有效的指导，出现只追求快速发展，而疏忽过程中的重要环节，或解决的其实并不是医疗行业的核心需求。

从2015年开始，国家政策就开始推动医疗与技术的结合。从“互联网+医疗”，到“人工智能+医疗”，其实在业内更多思考的是“医疗+”，因为无论技术怎么变化，核心应该还是医疗。

在雨后春笋一样出现的大批互联网医疗、人工智能医疗公司中，很多不是从解决某一类具体医疗问题出发，而是先成为掌握某项技术的厂商，再去找医院或医生合作，谋求短期内在某个场景中落地，开发出某款产品、某种解决方案。这样的场景可能不是真正的场景，解决方案与场景可能不完全匹配。这样没有医疗根基的企业，很难在医疗行业立足。

从医院的角度，什么才是人工智能技术真正的应用场景呢？这就要从打造有思维、能感知、可执行的智慧医院目标说起。一家医院要称为有“智慧”，必须具备：

第一，智慧“大脑”：思考和指挥。“大脑”融汇了大量信息（大数据）和知识（知识库），并能不断学习和进化（人工智能、深度学习）。针对外部刺激，“大脑”可以迅速对信息进行有效组织和组合，作出决策并指挥“行为”；

第二，感知“器官”：感知和采集，“大脑”的思维判断需要众多信息输入作为依据，这就依赖于感官：视觉（摄像头）、听觉（智能语音助手）、嗅觉、触觉（各种智能设备及传感器）对医院各种数据的采集，既包括人员的行为数据（患者动线、医护人员动线、医院物质运送动线）、医疗过程及结果数据，也包括空间环境的信息（能耗、空气质量）；

第三，“血液”循环：数据驱动，不断汇聚临床表型数据和科研组学数据，并以个体行为数据为补充，形成临床研究大数据。这些数据传送到大脑进行学习和决策， 从而指挥“行为动作”（各种应用软件系统）；

第四，“人体骨骼”：软硬件设施，转化医学中心的软硬件设施互联互通形成一套整体支撑“行为动作”；

第五，“人体四肢”：医疗科研服务，转化医学中心的提供的医疗及科研服务（招募、预约、检查、治疗、康复、随访等）。

由此可以把人工智能在医院的应用场景分为四类：

第一类为智慧服务，这是当下最热门的领域，像互联网+医院、人工智能+医院、App移动医院等都集中在这一领域；

第二类为智慧管理，更多服务于医院的医疗和运营管理；

第三类转化医学研究，像临床研究和新药研发未来都会依赖于数据或人工智能，在未来也是很大的产业；

第四类教育，包括对患者的科普类教育，分级诊疗中对各层级基层医院的基础教育。这四大类是医院最需要应用人工智能的场景，未来这几类场景中将有优秀的新产品、新技术和厂商诞生。