通過語音交流，機器人能夠幫助患者進行導診；閱讀影像資料之后，機器能夠出具診斷報告……隨著科技的進步，人工智能（AI）醫療逐步從前沿技術轉變為現實應用。

然而，《經濟參考報》記者了解到，我國醫療人工智能在快速發展的過程中，面臨著三大發展困境：技術難題有待突破，準入門檻有待監管層加以明確，商業模式也亟待建立。對此，專家建議，由國家主導數據庫建設，打破數據壁壘實現醫療數據共享，盡快制定標準，促進高端人才聚集，以實現全方位突破。

其次是重構醫療服務模式，變“治療”為“預防”，將被動就診改為隨時隨地的健康服務。專家認為，人工智能可以高效、精準整合醫學檢驗數據，讓患者擁有自己的電子健康檔案并形成健康大數據。通過智能的可移動終端和可穿戴設備等的監測，醫療機構及其醫務人員就能主動發現健康狀況異常的個體和人群，提前給予健康風險提示、健康改進或醫療措施建議。

醫療人工智能還可以通過智能工具的分析、整理和歸納，從群體和個體雙重角度總結出疾病預防、診斷、治療和康復的規律。

業內人士認為，我國有望憑借這些優勢實現在醫療人工智能領域的“彎道超車”，與此同時，隨著人工智能逐步從前沿技術轉變為現實應用，或將為當前醫療格局帶來重大變革。《經濟參考報》記者走訪發現，目前我國人工智能醫療仍面臨技術難題。據了解，海量大數據和計算能力是人工智能發展的必備要素，特別是在醫療數據共享方面，目前我國亟須補足短板。

“數據孤島”現象與數據標準不統一，使得醫療數據難以實現共享。人工智能的準確性需要學習大量的數據，專家認為，我們國家在醫院病例數方面有很大優勢，但由于醫療數據沒有共享，存在“孤島”現象，不利于人工智能技術發展。專家表示，以肺結節CT篩查為例，目前業內對肺結節、糖網病檢查等場景的醫療人工智能產品診斷準確率普遍很高，但企業在訓練自己的模型時通常有自己的數據庫，各自的算法都是按照自己的數據進行訓練，然后以自己的數據來驗證準確性。從監管層面來看，人工智能剛剛應用于醫療健康領域，一些監管政策還有待明確，人才積累仍顯不足，而可持續的商業模式也亟待建立。

2017年國家藥品監督管理總局發布的《醫療器械分類目錄》中的分類規定，若診斷軟件通過算法提供診斷建議，僅有輔助診斷功能不直接給出診斷結論，則按照二類醫療器械申報認證；如果對病變部位進行自動識別并提供明確診斷提示，則必須按照第三類醫療器械進行臨床驗證管理。業內人士介紹，目前我國有部分企業已經申請了二類證，但申報三類器械的產品都尚未得到認證。

業界普遍認為，從技術、商業模式及政策等多方面來看，醫療人工智能未來的發展機遇與挑戰并存，“火勢燎原”之后，還需要穩健的模式和理性的市場來驗證。對此，廣州市婦女兒童醫療中心主任夏慧敏、廣州金域醫學檢驗集團股份有限公司首席科學官于世輝等專家建議：

明確針對醫療人工智能診斷進入臨床應用的法律標準。對于“人工智能診斷的主體在法律上是醫生還是醫療器械”，業內建議，目前醫療影像人工智能已經進入了發展的關鍵階段，其重中之重就是做好標準建設，完善相關政策。根據美國經驗，以醫療影像產品為例，一是用于檢測身體狀況，二是用于評估疾病，前者屬于二類器械，后者則是風險級別更高的三類器械。目前，美國食品藥品監督管理局通過的醫療影像人工智能產品大多定性為二類設備，在對這類設備的審批方面已經積累了很多經驗，可以提供相應的審批標準。

建議通過政企合作促進高端人才聚集。2017年科技部公布首批國家人工智能開放創新平臺名單，百度、阿里云、騰訊、科大訊飛等四大企業入圍，企業深度參與交叉學科的研究，將為國家人工智能發展聚集大量人才資源，進一步推進產學研合作。專家認為，中國有可能在自動駕駛、語音識別等技術上取得世界級的成果，有望整合這些領域的研究人才，深度參與醫學人工智能。

發揮現有優勢嫁接算法實現“彎道超車”。夏慧敏建議，中國企業應借助大數據開發的優勢，利用已有的國際共享平臺進行引進消化吸收再創新，例如通過谷歌平臺開發的新算法，通過“遷移學習”舉一反三，就能夠在短時間內、在一些項目上達到甚至超越國際先進水平，并且以點帶面形成大規模的全面優勢。

近年來，人工智能技術與醫療健康領域的融合不斷加深，以人工智能醫療發展最為迅速的美國為例，科技巨頭和資本巨頭都在積極布局智能醫療產業，大批專注細分領域的初創公司也蓄勢待發。

IBM、谷歌、微軟等科技巨頭近年來都在布局人工智能醫療。例如IBM Watson能夠快速篩選癌癥患者記錄，為醫生提供可供選擇的循證治療方案；谷歌在糖尿病、神經性疾病診療和醫療器械的研究方面發力，谷歌deepmind與英國國家健康體系（NHS）合作共同開發新技術；微軟發布了面向個人的健康管理平臺，整合不同的健康及健身設備搜集的數據，蘋果、臉譜等公司也通過設立醫療健康部門、開發醫療健康類應用、收購醫療健康類初創企業等方式，逐步踏入醫療健康行業。