智能问诊、“刷脸”就医、医疗影像辅助诊断、疾病风险预测……当前，人工智能已日渐渗透到了问诊、分诊、支付、影像诊断等医疗服务的多个环节中。

人工智能在医疗领域的应用

人工智能系统在几秒钟内扫描胸部器官，自动定位定性病变，并自动生成诊断报告。这种情况已不再是科幻小说中的场景。人工智能阅片系统的主要目的是帮助医生提高阅片的准确性和效率，减少漏诊，可以在几秒之内标注出病灶并生成结构化报告，作为辅助诊断结果提供给医生进行审查。

据了解，目前我国许多医院都引入了人工智能阅片系统，用于肺癌、乳腺癌、儿童生长发育异常等疾病的辅助诊断，如复旦大学附属肿瘤医院、浙江大学医学院附属儿童医院、华中科技大学同济医学院附属协和医院等。

多方合作才能提高人工智能在医疗领域的应用

在医疗卫生行业，人工智能的应用领域越来越丰富，人工智能技术逐渐成为影响医疗产业发展和提高医疗服务水平的重要因素，在蓬勃发展的背后，人工智能在医疗领域的应用和推广也面临着许多问题和挑战。

首先是数据问题。人工智能的应用若要落地，就需要高质量的数据土壤。虽然我国的医疗数据量很大，但当涉及到某种医疗问题时，仍然存在数据量不够大的问题。同时，数据的质量还不够高，比如医学图像，我们必须有医生的临床经验才能对数据进行标注，才能给予机器学习，这种高质量、有标记的数据资源是相对有限的。目前，三级甲等医院拥有绝大部分成像数据和经验丰富的医生，最能帮助人工智能企业做好模型。

其次，缺乏医疗信息标准也是一个棘手的问题。例如，对于医学图像的焦点标记，即使是同一部门的医生也可能有不同的标记方法，以及病历，患者的电子病历数据很难保证完整和准确的同步，不同的医生在每种疾病的名称上都会有地区差异。人工智能是一种强大的数学和逻辑工具，需要高精度和标准化的内容。

还有人才问题。医疗本身是一个非常专业的领域，人工智能技术在医疗应用上的突破离不开医学界的深入参与。事实上，人工智能医疗领域中最稀缺的是复合型人才，不仅要了解医学，还要了解人工智能技术，医学人才的参与可以使人工智能团队走得更少，许多医疗问题可以借助人工智能来解决。

所有问题都指向合作。贝斯曼认为，只有在国家层面上，才能自觉整合资源，理清临床医学人工智能的发展规律和路径，鼓励医学界、科研单位、企业等深入合作，进一步促进医学人工智能的发展。