四海八荒谁主沉浮？全球医疗人工智能实力大PK，中国将坐头把交椅？

今年全球大热的词无疑是人工智能。有外媒称，“毫无疑问，我们已进入炒作的高峰时期。”但不论我们态度是清醒、怀疑还是沉迷其中，真实数据显示，全球已迈入人工智能的研究竞争中。2016年，全球企业在人工智能上的投资为260亿~390亿美元，其中科技巨头的投资就为200亿~300亿美元吞噬掉主要份额，其余为创业公司的60亿~90亿美元投入。

人工智能历史回溯

人工智能迎来新一轮的大发展，离不开图像识别、深度学习、神经网络等关键技术的突破。在机器学习与数据挖掘的技术之上，实现了目前市场上最常见的三大技术应用，即计算机视觉、智能语音技术和自然语言处理。

查阅资料能了解到，人类智能包括归纳总结和逻辑演绎，分别对应着人工智能中的联结主义（人工神经网络）和符号主义，符号主义的主要思想就是应用逻辑推理法则，从公理出发推演整个理论体系；联结主义的基本思想是模拟人类大脑的神经元网络，计算机科学家将人工神经网络设计成多级结构。

传统人工神经网络在20世纪80~90年代达到巅峰，随后迅速衰落，伴随其衰落的是深度学习的兴起。深度学习的最大特色在于神经网络的层数大为增加，也突破了众多技术瓶颈。GPU的迅猛发展、计算机能力的提升；互联网的普及，使得数据积累成为可能；以及算法的优化都使得深度学习得到飞跃发展。

2006年，“神经网络之父”Geoffrey Hinton等人首次提出了“深度学习”(Deep learning)概念。2012年后，随着深度学习算法逐步实现图像识别和语音识别，人工智能技术真正开始进入商业化和产品化阶段。2012年年底，Hinton教授等人成立了一个名叫“深度神经网络研究”（DNN research）的公司，三个月后被谷歌以500万美元收购，2015年谷歌公布开源机器学习平台TensorFlow，同年特斯拉创立开源人工智能系统OpenAI，其他巨头纷纷斥巨资发展人工智能，如IBM的沃森、百度大脑计划、微软同声翻译等。

在全球浪潮与历史机遇下，中国政府也迎头赶上、力争翘楚，希翼将人工智能作为中国经济的新引擎。去年5月，国家发展改革委、科技部、工业和信息化部、中央网信办颁布《“互联网+”人工智能三年行动实施方案》，明确要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平，并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。

2017年6月29日，全国政协副主席、科技部部长万钢透露，新一代人工智能发展规划已编制完成，将对至2030年的中国人工智能产业进行系统部署，包括与此相关的重大科技项目，表明人工智能领域的国家顶层设计将与大众见面，也将成为我国人工智能产业发展的重要里程碑。

医疗人工智能异军突起

在人工智能的各大产业中，医疗加人工智能方向已然成为瞩目焦点、备受关注。人工智能为何在医疗领域势不可挡？与我国国情与医疗资源严重短缺、分布失衡的现状密切相关。

医生资源尤其是优质医生短缺，培养医疗人才的周期长、成本高。我国目前培养医生的模式是“5+3”，5年医学专业本科教育，再加3年住院医师规范化培训，结业考试合格者才具备医生从业资格。长达8年的寒窗苦读加严苛训练，让不少“准医生”都心生后悔选择从医，可见学医艰苦，能真正坚持下来的必当少数。

据媒体报道，其实不仅中国医生短缺，未来美国十年内也会有6~9万名内科医生的缺口无法填补，老龄化的瑞士、日本都相继有类似问题曝光。

我国人口老龄化也是不容忽视的社会问题，老年人口对医疗资源的需求更加强烈，伴随老年人的各类慢性疾病将继续膨胀，充斥中国社会，加之消费升级与生活水准提高，大众对自身健康重视程度与日俱增，都造成医疗服务的需求只可能是有增无减。

所以解决医疗资源的供给不足，将成为人工智能渗入医疗的根本性动因。与此前已火过一波的互联网医疗相比，人工智能同样起到解放医生劳动力，释放医疗生产力的作用，不同地是，互联网医疗更多是模式的创新，能缓解医疗资源短缺与分布不均的矛盾，但无法从根本上提高医疗生产力，然而人工智能却从技术上有更高的门槛与要求，能从本质上解决问题核心，提升医疗供给端的服务能力，解决供不应求的医疗窘状。

人工智能在医疗领域的巨大作用主要体现在三方面：

第一，提高医疗机构和医生的工作效率，减少不必要的人力成本；第二，提早预测疾病风险，发现重大疾病，提前预防，以减少后续不必要的更大医疗支出；第三，方便医生管理看护患者，也方便患者自我健康和疾病的管理，让自查自诊等成为可能，将医疗延伸到院外，前置到院前，同样缓解医疗资源的紧张，降低医疗成本。

不仅医疗对人工智能有强烈的潜在需求，在政策大力推动下，产业雏形已初现，国内创业公司包括互联网巨头、制药企业等各传统大佬都纷纷下赌入局。

据亿欧网今年8月发布的《2017人工智能赋能医疗产业研究报告》，2010年后我国迅速出现一批医疗人工智能公司，2010年也是我国医疗人工智能领域创业分水岭，此前每年出现的新创公司数量极少。2014和2015年出现创业高峰，两年内共有52家公司成立；截止2017年7月31日，我国医疗人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武汉等一、二线城市，其中北京、上海、深圳三城集中了97家公司，占全部公司的76%左右。

截止至2017年8月15日，国内医疗人工智能公司累积融资额已超过180亿人民币，融资公司共104家；另有27家公司未获投，或未公布融资信息； 国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、百度、科大讯飞、华大基因；海外主要有IBM、Google、苹果、微软、亚马逊等。

站在巨人的肩膀上

医疗结合人工智能应用领域丰富，有不同分类方法，其中一种将具体应用场景按照诊前、诊中和诊后的过程来划分：诊前的早期预测、疾病预防、健康管理；诊中的辅助诊断，医学图像处理；诊后的虚拟医护助手、慢病管理、康复机器人等。其他领域包括药物挖掘与研发、AI与VR医疗教学培训、医保控费等。而国科嘉和基金管理合伙人王戈认为，今后医疗人工智能领域的投资重点应关注以下四方面：

第一是医疗影像。在美国，医学影像数据年增长率为 63%，而放射科医生数量年增长率仅为 2%。借助人工智能可以有效弥补缺口。同时，基于深度学习的医学影像识别准确率能达到 90%及以上，辅助诊断效果显著。

第二辅助医疗。即辅助诊断并给出治疗方案。人脑的记忆毕竟有局限性，而人工智能能不断地通过深度学习，弥补大脑的天生不足，为医生诊断和治疗提出参考意见，降低误诊率；

第三药物挖掘，目前已发展到虚拟药物筛选阶段，在计算机上模拟药物筛选的过程，对化合物可能的活性作出预测，对可能成为药物的化合物进行有效筛选，大幅降低药物开发成本。由此产生一门新学科，药物临床研究的计算机仿真(CTS)。所以医疗大数据包括药库、化学库等的出现都能降低前期的资金投入。

第四健康管理也是势在必行，利用大数据和人工智能算法预测群体层面的疾病发生概率与个人层面的高危患者识别与健康建议。实现治疗“未病”从而降低医疗成本。传统健康管理不成熟，有了人工智能后续有望与大医院挂钩，实现分级诊疗闭环。

那么，国内外科技巨头在医疗人工智能领域各有何动作？

1、IBM

IBM的沃森俨然已走在世界前列。其优势在于自然语言处理，核心能力是挖掘与分析非结构化数据。据东方证券分析，Watson 在医疗领域的商业战略分为三个方面 ：1、深度聚焦肿瘤领域 ，并向其他领域扩展 ；2、通过收购获取数据资源 ；3、通过合作扩展使用场景 ，输出生态能力。

在肿瘤领域，已形成成熟的产品形态，如Watson for Oncology。一方面，Watson 会给提供医疗数据的机构以经济补偿，另一方面，也会直接和医院签订销售合同，由医院支付采购费用。IBM Watson未来将通过更多产品化落地实现收入增长，在国际化方面，以寻求当地强大的合作伙伴为主要推广方式。

2、谷歌

谷歌是搜索引擎的龙头企业，拥有大数据检索的核心技术，建立全球最大的数据库系统。2015年8月，谷歌宣布设立母公司Alphabet。

其在AI的途径主要是覆盖更多应用场景，比如延伸到智能家居、自动驾驶、机器人等领域，另外积累底层人工智能技术，研发更高级的深度学习算法，增强图形识别和语音识别能力，对信息进行更深层加工、处理。

谷歌在肾脏、眼科疾病等细分领域进展较快，同时Alphabetqixia有多家生物科技和医疗公司，未来将聚合形成规模效应。

3、Microsoft

2017年8月，微软发布年度报告，指出人工智能将成为重点项目。 去年9月，微软宣布研发最新的机器学习项目名为Hanover，通过深度学习理解专业的医学论文，帮助医生预测对癌症患者最有效的药物。另一个项目则是医疗放射领域的应用，人工智能手段分析癌症患者的肿瘤CT扫描片。

与谷歌类似，微软在人工智能的领域也不局限于医疗分支，在语音翻译、知识图谱等领域都有涉及。

4、百度

百度在人工智能领域大举押注，已公布了Apollo和DuerOS两大项目，分别涉及自动驾驶技术和语音对话助理系统。在医疗方面主要是2016年成立的百度医疗大脑项目，通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，模拟医生问诊、与用户多轮交流、反复验证，最终给出建议；同时还在过程中收集、整理病人症状描述，辅助完成问诊。

曾任百度投资部负责人的汤和松曾言，百度的投资和并购，紧紧围绕“战略”，并不追逐财务型的投资。具体包括“对于核心业务的加强”、“生态系统的建立”、“外来布局”三方面。

5、阿里

据报道，阿里巴巴通过ET医疗大脑，强势进入医疗AI领域，阿里云宣称，自主开发的人工智能ET，“可在患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域承担医生助手的角色”。

近日，由阿里健康研发的医疗AI“Doctor You”，在北京万里云医学影像中心正式对外发布，该系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。据悉，其正确识别肺结节的准确度达到90%以上。

6、腾讯

腾讯通过微信在挂号和支付环节及早切入医疗服务领域，在人工智能领域也积极探索。8月初，腾讯发布首个人工智能医学影像产品，称为“觅影”，与国内不同医疗机构分别开展各种医学AI项目，涵盖食道癌早期筛查系统、肺结节检测系统、辅助诊疗系统等，目前处于实验阶段。

总结科技巨头们的医疗人工智能“神器”，可大致将其分为两大阵营，智能诊断派和医学影像识别派，分别为IBM、百度和谷歌、微软、阿里、腾讯，但不论是主攻一方还是两者兼顾，都脱不离这两大主流应用。实际上，智能诊断和医学影像确实是目前医疗人工智能领域发展相对成熟的两个领域。

创新公司各显神通

除了科技大佬，全球数百家创业公司也奔赴人工智能的狂欢盛宴大放异彩。近日外媒报道全球医疗成像市场的份额360亿美元，其中创业公司至少40余家。

将12家典型的创业公司项目列表如下，能看到融资额冲顶近10亿美元的VIZ遥遥领先，投资人中有雅虎创始人，主要方向是中风的早期图像诊断，据悉中风是美国位列第四的高发病症。

另外值得关注地有VoxelCloud和MedyMatch

Technology，前者已野心勃勃地大举进攻中国市场，向CFDA申请5款医疗影像产品应用，其中3款预计今年年底能获批；而后者还借助IBM 沃森的分销渠道向全球市场扩张，由于IBM 沃森通过百洋和杭州认知的引进已落地中国1年有余，所以进入中国市场是迟早的事。最后，分析这12个项目的关注焦点，基本分布于大脑、肺部、乳腺癌、心脏等部位疾病。

在政策与资本的大力扶持下，国内创业企业自然不甘落后，也巧借东风再次腾飞。近日互联网周刊评选出2017年互联网医疗人工智能应用企业TOP50，并指出基于人工智能的智慧医疗主要有五个发展方向：

第一，医疗机器人。一是能够读取人体神经信号的可穿戴型机器人，也称为“智能外骨骼”；二是，能够承担手术或医疗保健功能的机器人。

第二，将人工智能中的深度学习技术应用于药物研究，通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。

第三，智能诊疗，即将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。

第四，智能影像识别，即将人工智能技术应用在医学影像的诊断上。

第五，智能健康管理，即将人工智能技术应用到健康管理的具体场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

实际上，除了榜上有名的50家企业外，还有一些企业值得关注。

10、Airdoc

Airdoc利用深度学习技术，在医学专家指导下对海量医学图像数据进行训练、建立模型，实现对多病种病变组织的检测、影像识别，另外通过多模态数据分析，形成疾病预测模型，有效监测疾病，预知风险。Airdoc的市场副总裁张京雷介绍，AI技术能辅助基层医生更快更准确地诊断常见疾病，对于眼科疾病而言，能完成简单重复性但需要很强经验积累的工作（如阅片），为基层赋能，因为很多基层医疗机构原本没有眼科医生，而现在全科医生加人工智能就能诊断常见的眼科疾病。

据了解，Airdoc也是国内最早开始AI探索的团队之一，已经和众多医疗机构建立合作，积累了大量经医疗团队标注的高质量数据。

11、思创医惠

国内医疗信息化领域上市企业，2016年牵头成立浙江省沃森智慧医疗研究院，投资设立广州认知医疗技术有限公司，筹备设立广州市智能精准医学研究院等，战略投资杭州认知网络科技有限公司。

据悉，其与国内医疗机构、研究机构广泛合作，研发人工智能认知服务平台、自主医疗认知引擎、深度学习训练系统等，利用沃森智能辅助诊断系统，打在多学科会诊平台在部分医院开展会诊中心。

12、科大讯飞

近日，作为国内领先的人工智能企业，科大讯飞正式启动人工智能辅助诊疗中心建设，先后与多家医院开展深度合作，共同打造智慧医院。此前还和中国医学科学院北京协和医学院共建“中国医学科学院-科大讯飞医学人工智能研究中心”。

实际上，今年3月科大讯飞还为开拓AI医疗市场，专门引进智慧医疗领域顶级人才陶晓东博士，并制定完整的智慧医疗产品线战略，涉及语音技术在医疗中的应用、智能影像辅助诊断、辅助诊疗系统等三大业务。

2017年7月，科大讯飞联合复星医药、德勤咨询、思创医惠、荣之联、Boston AI、浙江知识产权交易中心、杉杉医疗及贝壳社共同发起中国首个医疗人工智能领域的产业联盟——健康产业人工智能技术创新联盟。

科大讯飞智慧医疗常务副总经理鹿晓亮称“人工智能在未来十年、二十年完全取代医生是不可能的事，但希望每个医生都有一个人工智能助手，让医生边喝咖啡边阅片”。

预测医疗AI新趋势

美国医师和外科医生威廉·梅奥（William J. Mayo）是著名的梅奥诊所的创始人之一，他说过，“医学的目的是为了预防疾病和延长生命，医学的终极理想就是消除对医生的需求。”在席卷全球浪潮的人工智能冲击下，国外新兴的医疗AI应用也表明人类确实在向这个目标迈进。

全球领先的网络解决方案供应商思科Cisco预计，人工智能结合医疗将成为增长最快的行业之一。医疗机构应用AI的年复合增长率在2015-2020年达到30％，比汽车物联网的增速29%还高。事实上，在投资领域，计算机视觉，机器学习和机器人技术从2012年的3000万美元总投资额猛增到2016年的8.92亿美元，上涨竟30倍。

外媒SCIENCE GUIDE对未来医疗人工智能的趋势作了预判。在疾病预测、疾病预防、康复医疗、减缓衰老、健康、增强医生技能等领域将前景大好、一路高歌。

从医疗人工智能预测、预防疾病的创业公司不断涌现就能看出端倪。SCIENCE GUIDE对218个AI医疗创业公司作了统计分析，发现有54家从事预测医学的研发，其中44家都成立于2010年或以后，实际上全球来看，大约95％的AI驱动的医疗健康初创公司都成立于2010年之后。

如Jvion和HBI Solution，为医疗机构提供患者疾病预测和风险分数。还有Ocuvera，为医疗机构提供预防措施，通过确定行动不便的用户可能意外摔跤的几率，提前干预避免发生事故,而处理手术相关问题的公司有57％。

预防和预测医学从研究细胞和基因遗传学开始，目的是从根本上消弭危险疾病，AI加速这类项目的进展。代表性的著名公司有2010年至2017年期间成立的，Human Longevity，Benevolent AI和Recursion Pharmaceuticals。

此外，抗衰老医疗领域的研究在最近6年来也呈迅猛增长态势。这得益于大量收集的患者和用户数据。据悉，全球健康数据年增长率达到 48%。

互联网女皇 Mary Meeker 发布的《2017 年互联网趋势报告》认为，医疗行业表现出数据输入量和数据积累量的爆发式增长，有 88%的消费者至少使用 1 项数据健康工具（远程医疗、可穿戴设备），同时，消费者愿意分享健康数据，数据统计 60%和 50%的消费者分别愿意向谷歌和苹果分享健康数据。在专业数据方面，美国电子病例普及率达到 87%，基因数据积累使得基因知识量增加19 倍。

海量积累的数据和不断发展的数据收集技术，结合AI，有助于生命延长。例如，该技术可以检查衰老加速是否发生并更精确地估计生物年龄，随后选择相关治疗方案。 如BioageLabs和Insilico Medicine就利用AI发现抗衰老药物。

康复研究的兴趣也在不断增长。康复研究需要用户的长期参与，重复的行动和持续的反馈构成循环。该领域的代表有大脑功能障碍康复公司Intendu和Peerwell关节置换患公司。

和国内普遍观点一致，国外研究者同样认为现阶段人工智能是帮助医生而非取代医生。也许未来，所有的疾病都是可以预防的，将不再有医生的职业。但在此之前，技术不可能让医生消失。而是协助医生，方便患者更容易获得治疗。

SCIENCE GUIDE统计了35家运用计算机图像视觉的公司，得出结论是它们主要增加了专业医生的医疗能力，而非取代他们。例如，BayLabs开发技术来简化录像，编辑和共享视频的过程，而Mindshare Medical旨在通过利用医学成像来赋能临床医师。Oxford Heartbeat帮助临床医生准确地计划和安置血管内的支架置入手术。

最后结论是，目前阶段，疾病并没有完全消除，AI技术无法取代人工。但“只有想不到，没有做不到，”坚信未来会有更多令人兴奋的医疗人工智能应用问世。

医疗AI关卡重重

虽然医疗人工智能是不可逆转的发展潮流，但我们也要清醒地看到，中国人工智能整体发展水平与发达国家相比仍存在不小差距，在前沿基础理论、关键性技术、产业基础平台、人才队伍和监管体系等方方面面都亟待创立和完善。

也正因为国内水平落后，政府遂提出引进国外先进技术的设想。在6月底刚落幕的2017世界智能大会上，全国政协副主席、科技部部长万钢表示要加强国际领域的交流与合作，加快人工智能国际研究基地、研发中心和人才培训等项目进展，鼓励国外企业在华建立研究开发中心。

对所有行业企业而言，医疗人工智能目前遇到不少发展阻力：

首先，数据根基不牢成软肋。人工智能的发展研究是基于海量的大数据，医学影像、医疗病例、基因突变、诊断病例、术后跟踪、健康行为等广泛的数据内容是医疗AI行业应用的前提。以Watson健康为例，它并不仅是一个技术，也包括泛数据的积累，从数据准备、模型建立、优化到最终应用于业务场景，再收集更多数据，周而复始、循环往复，完成深度学习的复杂任务。

长久以来，医院已建立了规范的业务流程，如果将人工智能新添到现今的医院流程中，势必会打破原有规则，产生新数据的同时也会带来新问题，促使新需求的出现。所以要求企业和医疗机构建立长效密切合作机制，让数据模型不断提炼和优化，达到理想效果。不难理解，这对医疗机构的医院信息化水平将提出更高要求，成为医疗AI顺利普及的主要障碍之一。

不仅如此，AI的研究基石——大数据本身也构成了巨大挑战。北京康维金桥科技有限公司CEO李敬东认为，数据拥有者不共享、不互通数据，或者贡献数据后恐不能获得公平回报，都是目前亟待探讨的现实难题，虽不关乎技术，但直抵核心。

数据质量问题也令人堪忧。不同医疗机构间的数据差异性非常大，为人工智能处理徒增困难。目前来看，尽管第三方电子病历数据企业手握大量数据，但因数据质量不高，数据分散而很难挖掘出有价值的信息。“大量数据不代表大数据，院内数据分门别类地存储到不同临床业务系统，并没有打通。不论医院有多少服务器、多少硬盘，都因为数据隔阂而无法使用。” 李敬东表示。

再看美国大数据，其发源有深厚的技术积累，并非朝夕之间就建立起恢宏的数据大厦。美国联邦制定了各式各样的数据标准，即数据交换格式、数据模型表达方法，所以美国的数据积累，是有大量的底层、标准、数据规范、标准代码等作基础支撑。

而国际上的医学代码、医学编码系统，最早见于上世纪五六十年代，距今也有70余年历史，也构成人工智能发展的磐石奠基，这恰恰是中国的薄弱环节，所以倘若没有上述积累，很难做到深入的大数据分析。

其次，生搬硬套无法落地。引进海外医疗AI产品还面临本土化难题。IBM全球咨询服务部医药行业合伙人周德标坦言，AI产品是基于大数据的分析技术，海外产品没有采用中国本地医疗数据和病例进行分析，所以得出的结果并不能完全体现中国患者的生态环境等特点。

对此，应用Waston 的临床医生有真实感触。青岛市立医院袁胜利主任告诉贝壳社，Waston的医疗程序在设定时，拥有丰富而全面的选项。需要医生输入的除了性别、年龄等常规信息，还有其他如心肺功能的评价、合并症等等检查信息，但实际临床操作中，医生往往并没有全面地做相应检查，肯定会影响Waston的准确判断。

另一方面，Watson软件毕竟源自海外，饱含国外医生的专业经验，也是标准化体系下的产物，然而临床上还有很多细节需要考虑，如果缺失这些细节选项，也会引起国内医生的困惑。

实际上不仅Waston，引进梅奥系统的惠每医疗集团也陷入类似问题。惠每医疗CEO罗如澍表示，完整的梅奥规则库在国内实践应用中，发现25%的药和检查在国内是没有的。为此，惠每医疗专门请北医顶级专家教授作指导，和国内临床指南相契合，以便落地应用。

最后，价值决定一切。人工智能嫁接医疗，使用者说到底还是医生。所以医院管理层是否认可产品价值至关重要。只有软件打动医院管理层，在院长眼中能实现标准化和控费目标，才有望认可其价值，拍板引进。“管理层在宏观层面，更关心医院效率、控费、医疗质量等能为医院创造价值的项目，而医生在乎地是效率和节省时间，让科研产出、临床产出更高效”。

医院如何判断人工智能产品是否有价值？还需要分析医生和智能系统间的互动、使用频率，以及医生多大程度上忽视或采纳系统的建议。医院的费效比、医疗质量、死亡率、并发症等基础数据应该和临床决策系统挂钩，并客观分析两者间的相关性。

而解决医院实实在在需求，也是人工智能产品实现完整商业闭环的重要条件。资深创业者李敬东认为数据整理是医生的刚性需求，将质量差、混乱和不同类型的数据结构化为便于管理和分析的产出数据，将极大满足临床需求。

另外一个现实因素是，目前国内临床差异化现象普遍，医生彼此间也不能统一诊断结论。而人工智能往往只提供某疾病的可能性，而非确切的结论，这对医生而言稍显鸡肋，因为医生需要一个确定的答案。而且医生不仅要知其然，还需要知其所以然，如果人工智能的算法他不了解，也不会信服软件提出的结论，这也是挑战之一。

就市场而言，要实现清晰的商业模式，还有赖于国家的支付体系。人工智能诊疗费用能否纳入医保也是关键环节。

周德标认为目前三甲医院对医疗AI积极性并不高，医院院长倾向认为真实医生比AI更有用。但随着今后医生资源的自由流动，医院可能需要引进Waston等辅助诊断系统。目前基层医院反而是更好的推广标的。

Airdoc市场副总裁张京雷也表示，目前行业遇到的困难有以下几点，一是法律法规对AI的界定比较模糊，对AI技术临床应用均尚未批准；二是有效、高质量数据的取得成本越来越高，造成较高门槛；三是 AI技术将来的市场在基层医疗，不过中国基层的情况差距很大，需要很大精力和投入探索商业模式；四是AI服务的买单方一直不清晰。

“大数据技术、人工智能技术不是一家企业能解决的问题，是要整个产业链和生态圈协同发展，才能做好的事情，而现在才刚刚开始。”周德标说