對於醫學來說，臨床經驗、邏輯思維也是十分重要的。這樣的能力不是靠儲存多少海量的醫學資料、病歷檔案就能夠提高的，而是需要直覺、情感、思考、分析等積累起來；但這些人工智慧並不具備，所以其很難替代醫生的智慧。

醫療產業

最近谷歌旗下的人工智慧Alpha-Go連續挑落50多名世界圍棋高手，這也讓全世界的目光再次聚焦到人工智慧領域。而對於人工智慧在醫療領域的應用價值，業界一直爭論不休，有人認為會顛覆整個醫學體系，拯救更多的患者；而也有人認為醫學人工智慧的發展會逐漸淘汰醫生這一職業，那麼人工智慧對於醫療界究竟起到怎樣的作用？

編選 ┃健康產業線上

在國外，早在2014年，IBM的“沃森醫生”已經在美國安德森癌症中心上崗，執行之後被譽為“未來最好的癌症專家”和“醫神”。據測算，沃森的診斷準確率達到73%。

在國內醫療資訊化和分級診療的大背景下，人工智慧與醫學影像的市場空間在不斷增長。國內也出現類似的醫學人工智慧公司，希望用人工智慧的技術整合區域的醫療資料，替代醫生繁重的重複工作部分，輔助醫生進行醫療診斷、緩解醫療產能不足、解放優質醫療資源。

人工智慧助力醫療影像

現今是大資料的時代，近年來隨著隨著移動互聯、物聯網等新興技術的快速發展，由不同終端裝置催生出的資料量愈加龐大，據相關機構預測，在2020年大資料量將上漲至44ZB。而值得注意的是，其實大部分資料毫無價值，妨礙了人們對真正有價值資訊的獲取。而人工智慧便應運而生，意在幫助人們提取有價值的資料，助力企業快速從複雜的海量資料中獲得洞察，並做出更為精準的規劃決策。

對於疾病環境越來越惡劣、個體病例越來越多的現在，醫療資料的龐雜也就成了困擾醫生治療患者的難題。如何從龐大的資料庫裡找到他們所需要的針對特定性病人的治療資訊，正常來說，可能花費幾年時間可以從中篩選出所需要的資訊，但患者等不了這麼久。而人工智慧與醫學領域的結合，就可以為醫生節省大量的篩選時間，輔助醫生進行醫療診斷、緩解醫療產能不足、解放優質醫療資源。

據瞭解，國外已經有科學家和醫生正在利用人工智慧來從海量資料，比如電子健康記錄、影像診斷、處方、基因組分析、保險記錄甚至是可穿戴裝置所產生的資料中來提取有用資訊，來為特定的一類人群而不是特定疾病來制定合理的衛生保健計劃。

對於醫生而言，大腦的記憶容量和時間是有限的，難以記住並理解日新月異的醫學研究論文和上萬種疾病。但人工智慧不同，它可以透過深度學習技術，可以不間斷從大量醫學書籍、電子病歷等完善自己。然後透過認知分析技術，憑藉從各種渠道蒐集的海量資料，迅速給出“意見”，指導醫生做出診斷和治療決策，並且不會因為人的各情緒導致缺診或誤診，同時患者能夠更快速地獲得醫療服務，而醫療機構也可節省成本。

人力有時盡，而人工智慧在醫學上可以起到更好的推進作用。對於醫生來說，透過人工智慧可以輔助診斷，減少篩選對比病例的時間，為患者制定準確的治療方案；對於患者來說，可以更快速的完成健康檢查，獲得更為精準的診斷建議，節省大量的時間、金錢成本；對於醫療來講，深度學習可以提高準備效率，同進系統性降低醫療成本。

人工智慧代替不了醫生

雖然人工智慧在醫學領域的應用越來越廣泛，但人工智慧終究不能代替醫生。人工智慧這項技術，其最大的作用在於整合海量的資訊，從之篩選出有價值的資料，是作為醫生診斷的輔助。而到真正的治療階段，則更多需要醫生對患者面對面的溝通、交流，來確定合適的治療方案。而患者也更需要醫生親切的關懷，是有血有肉的交流方式，而不是機器冷冰冰的問答。

據業內人士表示，人工智慧在醫學領域中發揮的作用還是取決於當前的醫學研究水平，也就是說，人類醫學水平有多高，人工智慧的有效性就會有多高。而未來，機器也是為醫生的診斷提供建議，而採取哪種方式治療還需要醫生來決斷。

此外，人工智慧並不等同於智慧，其缺乏人類的情感。對於醫學來說，臨床經驗、邏輯思維也是十分重要的。這樣的能力不是靠儲存多少海量的醫學資料、病歷檔案就能夠提高的，而是需要直覺、情感、思考、分析等積累起來；但這些人工智慧並不具備，所以其很難替代醫生的智慧。

況且，就人工智慧的技術而言，實現診斷，乃至治療這一階段，其精確性還不夠。簡單而言，人工智慧就是一組引數不確定的函式，引數的確定需要海量的資料來完成。資料越多，引數的範圍也就會越小，人工智慧在醫學上的精確性也就越高。但目前來說，要達到精確性極高的程度，需要的資料量將是一個難以估算的程度。

另一方面，業內有不少人士對人工智慧的保密性持懷疑態度。在資訊化高速發展的時代，遭駭客攻擊，資訊洩露的現象也屢見不鮮。如何保障患者的隱私，也是困擾醫學人工智慧發展的一個問題。

醫學技術不斷髮展的今天，我們面臨的醫學難題也在不斷增加，濫用抗生素導致的超級細菌、基因變異導致越來越多的罕見病等現象屢見不鮮。而人工智慧在醫學領域的應用，也將輔助醫生診斷，為更多的患者制定個性化的精準治療方案，解除患者的痛苦。

人工智慧用於醫療診斷最明顯的案例為IBM的沃森機器人對腫瘤的治療，目前這種治療要做到精準，體現在對不同徑肺癌小結節的診斷上，有些透過專家訓練後可以達到精準識別，有些則需要進一步完善演算法機制。

還有基於知識圖譜做推理的醫療決策系統。技術上講，對腫瘤這樣的疑難雜症，Watson診斷用的維度非常高，但常見病的維度沒那麼高。這兩個方面帶來的挑戰不一樣，目前能從常見病入手，把服務的範圍逐漸擴大。

1.未來醫生會不會有失業風險？

長遠來講不好說，至少未來5-10年內，“醫生”還是很難被取代的。關於這點有一個簡單的判斷方法：越是依賴機器操作的“醫生”就越容易被取代。

這裡的醫生有兩種含義：

①一種是非嚴格意義上的醫生，比如放射科、超聲科、心電圖、病案室編碼員，就嚴重依賴機器操作，但他們屬於技師，還有藥房負責處方審查的藥劑師，屬於藥師。技師和藥師都不是嚴格意義上的醫生，但很容易被大眾混淆。從這一點上看，人工智慧最先取代的是這部分技師和藥師，甚至相關的科室。

②另一種從嚴格意義上講最可能被取代的醫生，是內科醫生。內科疾病診斷是透過病人主訴+化驗檢查結果+醫生判斷完成的。主訴是醫生從病人的描述當中概括出來疾病的特點和發病過程，這一過程隨著NLP技術的突破，完全有可能透過人工智慧來實現（有人說病人無法清楚描述怎麼辦）；化驗檢查結果也是透過機器得出；人工智慧透過對既往病歷和醫療文獻的機器學習，完全可以在短時間內達到多年從業醫生的水平。所以，未來醫生就算失業，也是要看科室的。樓上有答友提到醫患溝通中的情感和心理因素，同樣不可忽視。

未來的醫院是怎樣的？

人工智慧是工具。人工智慧是工具。人工智慧是工具。

工具是給人使用的，所以未來的醫院中，人工智慧的角色是輔助診斷，給出參考結果，或者更進一步給出可行性建議，最後還是要有人（醫生）來做最後的判斷和施行。電影中純機器的無人醫院要想出現在現實社會中，還要有很長的路要走，這就又包含法律、道德等人文社會的因素了。

從本質上說，機器學習就是處理大量資料，這正完美地契合了醫療工作者的需求。以下列舉幾個整形外科運用人工智慧的例子：

AI不僅可以精準地確定燒傷區域，並計算出必需進行治療的總面積，也可以輕鬆判斷燒傷傷口是否可以不經手術自動癒合。有研究就表明，人工智慧可以利用反射光普法和人工神經網路來預測燒傷傷口是否會在14天左右癒合。

手和手臂都是人體的複雜器官。人類很難對他們的連線模式以及肌肉結構建立出良好的模型，因此這一領域也成為機器學習大顯身手的舞臺。人工智慧不僅能輔助醫生進行治療，還能在觀測病人術後的生活質量上提供幫助。

今天，需要截肢的病人有兩個選擇：安裝人造假肢或是肢體移植。病人到底適合哪一種方案呢，這需要根據許多標準去判斷。隨著機器人技術和移植手術的不斷進步，醫生們有了更多的截肢案例可以參考，所以AI就派上了用場。比如，人工神經網路就被用於控制各種神經假體，以實現恢復手的抓取功能和控制手腕活動。

但人手的結構高度複雜，它不僅能在空間中移動還具有感知功能。醫生和工程師們也需要藉助機器來收集、分析資料，以便對假肢進行設計和改進。

顱面外科手術包括從顱部移動骨骼、肌肉和面板。一些嬰兒患有先天性顱縫早閉（顱骨過早融合的一種骨骼發育障礙），這會導致顱部外觀異常以及腦壓過高，最可怕的是會導致嬰兒生長遲緩。兩個月大的嬰兒可以透過顱面外科手術重塑頭骨，當然手術實施的越快更好。通常，醫生們需要透過CT掃描來拍攝嬰兒頭骨的照片，以便確定頭骨形狀並制定手術計劃。

有了人工智慧這一切就變得簡單了。研究人員最近開始訓練機器對嬰兒頭骨形狀進行分類，以便更好地發現顱縫早閉的早期跡象。這項技術減少只是為了作個診斷，就用X射線或CT對嬰兒頭部進行掃描的情況。

對於面板癌的治療，整形外科醫生和面板科醫生通常需要進行合作。當面板科醫生髮現了一個大型癌變組織，他們會諮詢整形外科醫生，如何對病變切除手術後留下的“洞”進行修復。在癌症早期進行治療是手術成功的關鍵，所以使用AI來檢測面板癌是非常實用的方法。

最近，一組研究人員就成功地訓練一臺人工智慧裝置，使其能夠比面板科醫生更準確地檢測和分類面板癌。也有眾多研究表明，人工智慧在黑色素瘤篩查、全身照片掃描以及量化性檢測面板癌等方面卓有成效。這種用於特定任務的人工智慧，有望參與到真實的治療過程中。

整形手術需要在術前仔細地測量患者的面部，以便制定詳細的手術計劃。雖然人們對美的判斷具有主觀性，但大多數人的審美還是比較類似的。透過對大量的面部影象的資料分析，人工智慧可以幫助外科醫生最佳化手術方案，以及指導患者做出最佳選擇。

在最近的一項研究中，研究人員開發了一個針對面部美容手術的自動分類器，這一機器經受了從165張照片中，識別人類選定的“有吸引力的”女性形象的訓練。這一模型運用了決策樹演算法對這些照片的屬性進行評估。這些特定的調查包括，識別不同的面部比例，確定“具有吸引力的”面部特徵。透過這一訓練後，自動分類器可以在一系列的測試影象中做出和人類一樣的選擇。

現在各大行業都在大肆宣傳他們對於人工智慧技術的渴望。但拿整容手術行業，就可以說明醫療領域在大量資料處理方面急需人工智慧的加入。用演算法處理影象、影片和病歷將是外科醫生的一個重要的新工具。這一工具將幫助醫生進行早期的檢測、做出更好的診斷以及改善醫療效果。

與其說衝擊，不如說變革，人工智慧正在變革幾乎所有可以想象的領域，運輸、金融、教育等等。

醫療行業一個將被人工智慧瞄準的關鍵領域是醫療保健，諸如個性化醫療、臨床決策甚至醫療保險等等。

醫療行業另一個最容易被人工智慧顛覆的領域——放射科。人工智慧將是解讀重要醫學影像的關鍵，這些醫學影像反映我們身體內部的情況，例如CT掃描、MR和X射線影象，幫助醫生做好他們最擅長的事：診斷。

原因有幾點：

1. 放射學是可視的。醫學掃描當然是可視的，而人工智慧在分析視覺影象方面尤其強大——這至少部分歸功於人工智慧技術在安全和社交媒體服務中取得的突破，它可以識別我們的面孔並從人群中找到我們。

放射領域高度依賴對視覺資料的解釋，這使得它比其他一些醫學領域更適合深度學習技術。這意味著，放射科醫師可以立即從人工智慧技術的使用中受益，而精神病醫生或胃腸病專家則不能。

2. 放射科被行業急需。醫學影像（CT和MR）的數量持續大幅度增加——它們在2016年所有檢測中分別佔到了7.9％和8.9％。然而，在進行了更多掃描的同時，放射科醫師的數量已經進入了穩定階段。而且，隨著技術的進步，每次掃描的解析度和影象數量呈指數級增長。因此，需要考慮的細節數量也相應地增加了。這就產生了巨大的技術 需求，這種技術可以突破日益增長的工作負荷造成的危險瓶頸——而且，正如我們所知，需要是發明之母，深度學習可以幫助評估CT和MRI掃描結果，快速找出 放射科醫師應該重點關注的區域，以便他們進一步進行檢查，同時還允許更快地評估緊急掃描——因此改善了患者的預後。

3. 放射科是以技術為中心的。除 了其視覺本質之外，放射科已經是一個以技術核心的領域。放射科醫生每天都依賴大量先進技術——每次檢查都涉及到各種先進的軟體系統、診斷監視器和工作站， 由於他們日常工作的技術驅動性質，放射科醫生被認為是“早期採用者”。這就是為什麼他們更有可能採用由人工智慧支援的其他技術，而早期也有例子表明，放射科醫生比其他許多同事更善於接受創新：80年代的放射科接受了從膠片到數字影象的轉變。

4. 有大量可供使用的資料。所有的深度學習都需要大量的資料才能真正有效，對於放射學來說，這些資料的存在形式是過去幾十年針對各種症狀積累的無窮無盡的影像。

當然，資料的挖掘也存在挑戰，挑戰在於人工智慧演算法如何獲取這些影像。而最近，一些醫療機構公開分享他們的匿名資料催生了這一領域的熱潮，比如，美國國家衛生研究院（National Institutes of Health）最近公佈的X射線資料集，該資料集包含了超過100,000張帶有註釋的影象（如下圖）。

5. 雲計算將對人工智慧產生影響。雲端儲存容量和計算速度的增長對所有領域的人工智慧都產生了重大影響，醫學領域——特別是放射學領域——也不例外。

前面提到的機器學習訪問並解釋大量資料的能力可以提高準確性和速度，這種能力很大程度上得益於雲計算的不斷髮展，提供了更加物美價廉的服務，這些進步讓雲計算成為簡單並且具有成本效益的人工智慧解決方案的重要推動力量。

6. 放射科正在被人工智慧革新。放射領域的人工智慧已經存在，並且顯然將繼續存在下去。越來越多的創業企業、以及大型公司都在構建人工智慧影像功能，並開始將其整合到他們的產品之中。這些公司包括IBM Watson、Change Healthcare等等。

事實上，世界領先的放射學會議——北美放射學會（RSNA）現在有一個部分是專門針對機器學習公司的，這些公司正在開發的突破性的人工智慧解決方案已經在醫療機構實施，改變了放射領域2018年及以後的面貌。

在2018年，我們有望看到更多的醫療領域因為量身定製深度學習技術出現革命性的變革，包括病理學和遺傳學。在未來的一年裡，放射領域將不會是唯一一個受益於人工智慧奇蹟的領域，但它肯定是首批受益的領域之一。

應該會讓醫生輕鬆很多吧~據說，影像科醫生每天工作10小時以上，已經成為了所有醫學院專業裡最不想學的專業之一…… AI對醫療行業，最開始的也是醫療影像機器讀片。

比如近日，國際醫學（000516）影像領域的權威評測LUNA(肺結節智慧讀片)公佈的測試結果顯示，中國平安（601318）集團旗下平安科技的智慧讀片技術獲得重大突破，分別以95.1%和96.8%的精度重新整理了“肺結節檢測”和“假陽性篩查”的世界紀錄，雙雙獲得世界第一。這不僅讓平安科技首次斬獲醫學影像領域世界，也使中國的人工智慧醫療領域取得了里程碑式成果。

▲LUNA評測(肺結節檢測領域具有權威性的國際評測)

2017年12月底，日本公佈了一項人工智慧成果，利用人工智慧技術，不到一秒就可以測出，大腸息肉是否存在癌症，參考系統實時判斷的結果，可以為醫生當場實施切除手術。

目前在醫學影像人工智慧分析行業中，大部分公司都將主要精力集中在了篩查階段，其中，雅森科技作為國內研究醫學影像人工智慧分析大軍中的一員，專注於採用各類數學演算法進行醫療影象處理、機器訓練、大資料庫比對、標準生物物理影像模型的開發與應用，將海量資料可以轉化為高效的診斷能力。

2017年8月，騰訊也釋出了一款 AI 醫學影像產品——騰訊覓影，透過 AI 技術使篩查一個內鏡檢查用時不到 4 秒，篩查準確率飆升至 90%，讓癌症的早期篩查變得更加精準。同時，這成為了全球首個應用 AI 醫學影像的食管癌早篩專案的臨床預試驗。這項技術的發明不止這一點，除了食管癌早期篩查，也支援早期肺癌、糖尿病性視網膜病變、乳腺癌等病種的篩查。

關於這項技術的研究，阿里也毫不遜色。此前，阿里雲就曾推出過CT輔助標註肺部病變 - 阿里巴巴iDST，這種技術主要透過演算法學習胸部CT掃描的影象，檢測肺部結節的區域和大小，能夠有效的協助醫生提升早期肺癌檢測的準確度，降低臨床誤診率。該產品應用於院內PACS系統，醫生工作站，Dicom閱讀器等，實時為醫生診斷提供智慧輔助。

2017年12月26日，上海交通大學與依圖醫療宣佈共同成立聯合實驗室，該實驗室致力於研究人工智慧在肺癌MDT（多學科綜合治療）診斷以及多種實體瘤影像識別方面的應用，建立前瞻性的人工智慧腫瘤影像診斷平臺，提高腫瘤診斷準確率。想要將人工智慧運用於醫學影像識別和多學科協作診斷，這樣不僅可以有效解決早期癌症病變區域小，傳統方法難以判斷良惡性，給臨床診斷造成了困難等問題，同時也可以降低醫療成本，為病人減輕治療痛苦。

在國外， 美國醫學學會雜誌《JAMA 》於2017年進入該市場，面向iOS和Android裝置推出了JAMA Network Challenge影象挑戰應用。 11 月 29 日JAMA報道了AI 在糖尿病視網膜病變上的進展：Google 公司領導，美國和印度多家研究機構參與，由 54 名美國的眼科專家和高階住院醫師，將 128,175 張視網膜照片進行分類和分級，讓 AI 學會自動檢測糖尿病視網膜病變和視網膜黃斑水腫。

▲糖尿病視網膜病變

但是，診斷遠遠比篩查複雜，需要判斷良惡性、分期分型、判斷原發、轉移等等，單影像資料的篩查遠遠不能達到獨立診斷的要求，在這個層面上，人工智慧還僅僅停留在輔助的角色上。

正如洛杉磯 Cedars-Sinai Medical Center的Piotr Slomka在最近的一次專家評審中寫道的:“這些即將到來的發展並不會取代醫生的角色,但將為醫生們提供高度精確的工具來檢測疾病、以一種容易理解的方式來分層風險、最佳化特定病人的治療方式和進一步的測試,”

谷歌最近透過新的機器學習方法試圖更加深入的瞭解病人的情況，比如病人需要住多久的院，病人去世的機率有多少等，會為醫生和相關工作人員節省不少時間。

不過，也有擔憂，科技公司不斷升入這個行業，比如谷歌這樣，那麼也意味著對使用者的資料也掌握的更多，像Google和其他技術巨頭這樣的公司將具有獨特的、幾乎壟斷的能力，能夠利用人們產生的所有資料。所以國外也有相關人員認為政府應該防止資料成為幾家公司獨有的，防止讓谷歌在這個行業形成像在廣告行業的統治。

實際上，谷歌在病人資訊方面正在謹慎行事，尤其是在公眾對資料收集的審查日益增加的情況下。去年，英國監管機構對另一個Alphabet AI實驗室的DeepMind進行了打擊測試，該應用程式對公共醫療記錄進行分析，但並未告知患者他們的資訊將以這種方式使用。雖然透過最新的研究，谷歌及其醫院合作伙伴堅持認為他們的資料是匿名的，安全的，並經患者許可使用。但是還是有人認為如果谷歌擴大到小型醫院和醫療保健網路，那麼可能會在維護資料嚴謹性方面遇到困難。

不過，拋開相關資料隱私等問題，業內普遍還是認可人工智慧、相關演算法會讓這個行業有能力在更低成本的條件下拯救更多的生命。也能更好地幫助醫生監測病人的情況。醫療演算法還有很長的路要走。

隨著中國醫療健康行業黃金時期的到來，生命科學與醫療行業逐漸成為了中國經濟的重要組成部分。預計到2030年時，中國健康服務產業的規模將達到16萬億。醫療與健康市場已經釋放出強烈的訊號，呼喚跨領域的合作升級和產業圈的加速擴張。近日，全球知名孵化平臺Plug and Play中國正式進軍醫療與健康領域，宣告將醫療與健康垂直領域的創新業務引入中國，進一步擴大其創新生態的佈局。

Plug and Play中國醫療健康創新生態啟動儀式

“Plug and Play 在矽谷深耕多年，對醫療健康技術的理解十分深刻，所以在中國與世界之間搭建這樣一種橋樑，在我們看來正是合適的時間。”Plug and Play中國Quattroporte、管理合夥人徐潔平在Plug and Play中國2018-中美醫療大健康峰會上表示。

　　從初創到成長為“獨角獸”需要8到9年

　　Plug and Play成立20年投資了一萬家企業，孵化大量獨角獸。“如果用一句話來介紹Plug and Play，我們可能是世界上目前最大的一家囊括了整個創新創業生態資源的投資和加速平臺。”徐潔平介紹稱。

　　對於Plug and Play的最大優勢，徐潔平表示：“我們目前最大的特點就是在全球總共覆蓋了15個垂直領域，並在我們過去20年投資的一萬家企業中做了深度連線。如果要給早期投資產生獨角獸最多的風投機構排名，Plugand Play一定是名列前茅的。”

　　孵化一家醫療健康獨角獸企業有多難呢？徐潔平向記者介紹道，一家醫療健康類的創業公司，從初創到成長為“獨角獸”，平均需要8 至9 年，一些特殊的領域，如製藥，甚至需要10 年以上的時間。在這麼長的週期中，創業公司需要大量的資源。Plug andPlay 希望搭建一個長效的全球連結平臺，使早期企業獲得市場，使成熟公司獲得人才、資本、政府資源等，打通“A toZ”的資源鏈條。

Plug and Play中國Quattroporte、管理合夥人徐潔平致辭

在徐潔平看來，今天的醫藥創業不單單是一個簡單的醫藥RND研發，它會涉及到零售、傳播、物流和應用等多個領域。

　　復星健康控股副Quattroporte兼戰略部總經理許喆在峰會主題演講中也表示，醫藥行業需要持續尋找合作伙伴，因為醫療生態系統是如此複雜，以至於如果自己去做的話，單槍匹馬從一端走到終點會非常困難，很多時候都是中小規模的公司分別負責不同的工作，合作來完成一個專案。

　　智慧醫療成海內外醫療領域創業風口

　　在Plugand Play中國2018-中美醫療大健康峰會上，Plugand Play帶領十多家美國頂尖醫療企業以及24家海內外優秀的創新專案，與中國醫藥企業、醫療機構和政府部門就當前醫療創新熱點、科技應用、醫療市場的國際化發展與跨境投資機會等進行深入交流。

　　Kalicare創始人Navid Afsarifard在路演中介紹稱，他們已經從病人那裡收集了百萬級的用藥資料，並且可以把這些資料進一步進行分析，來判斷病人的用藥依存度，尋找到他們是否有風險。“這個可以讓我們清楚知道病人們用藥是否符合醫囑，從而利用機器學習系統對病人實施個性化干預。”

　　Kiddo則是來自美國舊金山的一家兒童健康科技服務公司， 他們的主要產品是專為兒童設計的可穿戴裝置可以同時檢測孩子的心跳，體溫， 活動量等重要資料；妞諾科技是來自中國杭州的一家健康醫療領域腦電穿戴解決方案供應商，致力於高精準度的腦電智慧可穿戴裝置的研發。

　　面對形式各異的國內外的智慧醫療創新專案，約印資本的熊水柔表示，智慧醫療專案的核心是要看其技術紅利在哪裡，這是最重要的核心競爭力。

　　許喆則強調，技術的突破不一定意味著商業上的成功，在醫療行業尤其如此。“醫療創新往往要面對非常困難或複雜生態系統，涉及到多個利益相關方，如果技術突破沒有辦法跟這些利益相關方保持一致的話，那就沒有辦法獲得商業成功。”他表示。

　　在綠葉集團醫療創新中心總監唐德凱看來，在智慧醫療領域，無論是國內還是國外的創業公司，都只是剛剛起步，所做的僅僅是提升效率較低成本，在就醫的流程和支付環節進行了適當最佳化。