随着人工智能技术的不断进步，其所适用的范围也愈益广阔。除了智能汽车，当前国内外资本及科技巨头在人工智能+医疗健康行业积极布局，一个医疗智能化的时代将全面开启。

IBM算得上是第一个布局这个领域的科技巨头，于2015年5月宣布推出 （沃森健康）服务，收集健康数据交给超级计算机进行分析，和苹果以及医疗行业的公司和机构建立了各种合作；//

此后，各大巨头相继发力，微软已经宣布将AI用于医疗健康的计划“”，他们试图帮助寻找最有效的药物和治疗方案。的投了英国的 （巴比伦健康）等创业企业。

在国内，原华大基因CEO王俊主导组建的碳云智能，旨在收集各种各样的生命体征和信息的大数据。在这个数据基础上，建立一个人工智能的内核模型。它甚至可以解读人类基因和健康信息，并对健康风险进行预警、进行精准医疗和个性化医疗。

此外，百度医疗大脑及医疗人工智能创业公司将此广泛应用于基层医疗机构，即通过大量顶尖医疗机构的数据训练出来一个中等水平的医疗机器人，为基层医疗机构提供更高水平的第二诊疗意见。

9月28日，、、、IBM以及正式宣布成立一个名为AI合作组织（ on AI）的非盈利性组织。/

to study and best on AI , to the ’s of AI, and to serve as an open for and about AI and its on and .

成立研究和制定人工智能技术的最佳实践，促进公众对人工智能的理解，并作为一个开放的平台，讨论和参与人工智能及其对人类和社会的影响。

医疗人工智能的“墙”在哪里？

•首先，是海量真实数据的来源。

训练人工智能需要大量医疗数据，这种涉及到患者隐私的高度敏感问题，也必然是政策高度管制的地带，因而政府政策的态度就显得至关重要。

美国政府的态度很明确，对于医疗信息的商业化应用必须严格符合HIPAA和两个法案的规定。所以，很多医疗信息化的创业公司都会在自己的介绍中加上这么一个词儿“HIPAA-”。要想成为“HIPAA-”企业，就必须在和上符合HIPAA的要求。未经授权，无论是物理手段还是技术手段，都不能接触医疗信息。

2016年6月，国务院办公厅公布了《关于促进和规范健康医疗大数据应用发展的指导意见》。这份写了一年半的指导意见，也成为我国医疗大数据应用纲领性文件。医疗大数据是国家重要的基础性战略资源，指导意见把重点放在规范和应用上，有利于行业的发展和创新。

•其次智慧问诊系统，每种疾病的算法和数据各不相同，工作量巨大。

IBM在连花了40亿美金之后，骄傲的宣布自己已经拥有1亿份患者病历，3000万份影像数据以及2亿份保险记录，数据总量超过60万TB，覆盖人数约3亿。抱上了NHS的大腿，获得了160万患者的健康数据。但这些，在中国每年80亿就诊人次面前，简直是沧海一粟。

理想状况下，医疗是个有限集合，数量和范围都是比较明确的，可以像一样算清所有变化。

但问题是，医疗问题太过复杂，信息不完全透明；

直观上讲，同种疾病会有不同症状，同种症状会对应不同疾病，在疾病的症状与结果之间没有确定的对应关系，不同疾病之间也没有清晰的边界，而且还会存在同时发病的情况。这种情况，就让很多依靠知识库建立在“if-then”逻辑上的智能问诊应用面临很大问题，起码可应用的范围就会大大缩小。

进一步分析，疾病的治疗过程是不可逆的，这就是它与下棋完全不是一回事；究竟是哪些因素导致的疾病，并不是所有的信息都是清楚的；正因为病因上不够清楚，以及医学本身的有限性，造成了疾病的治疗结果不稳定性。

正是因为医疗如此复杂，造成了过去五十年对这个问题的研究迟迟没有突破。而这些问题还是/在第一环节诊断上，到后面的治疗环节就会遇到当前互联网医疗在商业化方面的各种问题，比如与医院、医生、药店建立怎样的商业生态。

那么医疗人工智能的破“墙”的动力在哪里？

医疗人工智能的“墙”外的世界是什么样的?

1.医疗O2O智能分诊：医疗O2O主要是将患者从线上引导到线下的诊疗场所。

2.人工智能参与的智能问诊：用机器替代简单病症问诊，帮助医生分析和整理患者数据

3.基因分析和精准医疗：大多数已知的基因导致的疾病都由单基因导致，属于罕见病，而多数常见病可能是多基因导致的，了解疾病是由哪些基因共同作用导致的，需要大量计算。

4.基于大数据的新药研发：让数据的计算模拟药品研发过程，降低研发成本，预测性药品的效果

1.医疗影像及辅助诊断。国际上投入在医疗影像诊断的创业公司非常多，这不仅仅得益于影像数据的高质量，连续性好的数据特点，人工智能技术在图像识别上的高精准率，也得益于影像诊断在医疗决策中的重要性。

2.健康及生活方式管理。除院内诊疗外，院外的健康管理和生活方式管理是提升健康水平的重要途径。国内外发展慢性病管理及健康生活方式管理的公司层出不穷，健康管理市场巨大。

3.洞察及风险管理。人工智能+大规模数据处理平台，赋予机器洞察数据内在联系及价值的能力。结合专业医疗知识库，通过洞察数据可以找到更合适的诊疗方案，以及医疗服务流程中的高效策略。

4.虚拟助手。一位虚拟的护士是再自然不过的远程健康管理交互方式。

医疗人工智能“墙”外的公司都是什么样子的呢？

首先来看美国公司。整体上，美国公司分成了7大类，分别是医疗影像类、健康管理类、医疗服务类、机构信息化、药企研发类、医疗大数据以及基因检测。当然这是个很粗的分类，每种公司的类型和归属并不是那么清晰。分类只是帮助我们认识，有哪些角度可以成为人工智能探索的切入点。以下来逐一分析：

其次，同美国公司相比，中国公司大体上呈现了这么几个特点：

1.智能化程度不够高，不少医疗类的项目主要还是在线咨询服务；

2.toC类产品仍然占据大多数，B端服务开发不足；

3.医疗机构信息化领域比较活跃，主要是解决机构信息互联互通的问题。

对比美国的公司，中国在医疗人工智能上还有哪些成长的空间：

首先是辅助诊断系统，应用人工智能为医生诊断提供帮助，提高效率和准确性。中国公司目前与医疗机构打交道更多仍然是获取医疗资源，提供简单的在线咨询服务。但这种对互联网的应用方式，已经显得普及化、大众化，渐渐失去了商业价值。

第二是服务医药器械企业，降低药品和器械的研发成本、缩短研发周期。实际上智慧问诊系统，中国公司不缺乏服务药企的的项目，但大多数仅仅是应用互联网做药品营销。虽然这也是一个赚钱的业务，但相比直接服务新药研发，仍然显得技术含量不足。

第三是医学影像，这里包括普通的影像，也包括病理、放疗涉及到“读片”的大影像概念。IBM收购Merge表明，读懂影像类数据对人工智能的发展是有价值的。而且美国过去一年的投资记录也可以看到，美国投资人对影像类人工智能的应用也比较看好。

总体上，中国公司在医疗人工智能方面的探索仍然逊色于美国。但这也许是多种因素作用的结果。而中国因为人口庞大而在医疗大数据上的巨大优势，还没有充分发挥出来。国内起步晚，但基于人口红利和创业环境和医疗改革政策逐步放开，初创企业、传统的HIT厂商及一线互联网以BAT为代表的公司发展迅速。

最后套用kk的观点总结一下

“人类经常有一个误解，就是觉得随着进化，人会越来越聪明。但事实上，人类的智商是多维的，在某些领域，动物比人更聪明，比如说有一种鸟可以记住1万种不同的地方，大猩猩可以击败人类；做机器的人也会发现，机器在某些领域也比人更聪明。”

“所以，要充分利用人工智能改变人类的生活。”

如果你对人工智能也感兴趣也看我扯了这么多，欢迎来交流。