其實目前來說，人工智慧主要還是一個資訊資料的一個海量資料庫，簡單來說，比如你感冒了去看病，有機器人在無塵無菌病房採集血液，尿液等樣本，然後透過分析儀器進行分析，資料出來之後進入資料庫大腦，大腦根據資料來源在資料庫中檢索出相對應的病症以及有可能的病症，最後交給醫生來做出判斷，那麼這樣的話就能夠快速演算出結果，診斷就會更加精準，只要資料庫內容夠龐大，每一個大腦可能都能夠趕上從業五年十年的醫師的經驗積累，那麼誤診、漏診的情況就會逐漸減少。

你可能說的是輔助醫療，但是我可以很負責的和您說， 國家命令禁止；這樣的智慧+醫療產品全球都不成熟的，所以目前根本沒有產品可言，估計非要找應用的話，就是一元直播手術的，但是這個對行醫資質要求很高的醫生才能有許可權觀看，而且不是所有的醫院都能看的，希望對您有幫助；

在最近的這幾年，人工智慧、AI、大資料等是逐漸的被我們用在各個領域裡面的。尤其是人工智慧的運用，是給我們的生活、交通、科技等領域帶來了巨大的方便的。我們也是明顯的感覺到科技帶給我們的便利。

伴隨著數字經濟快速發展，人工智慧開始向傳統的醫療領域進軍，人工智慧技術相繼在肺癌、乳腺癌、心血管病、骨科等領域被試驗與應用。而且在慢病管理、病歷分析、智慧化器械、虛擬助手、藥物研發等領域也有相應的應用。

可以說這樣的局面對於我們使用者來說是非常不錯的，目前，國內醫療人工智慧相關企業多達156家，主要集中在輔助診療、健康管理、資訊化管理、醫學影像等領域。有了這些企業的集中發展，並加上AI人工智慧，相信是會給我們在醫療上帶來明顯的幫助的。

解決看病難的問題也是會得到很大的緩解，而人工智慧的優勢則是在於結合醫療場景的需求，利用深度學習、演算法將海量的資料模組化，迅速演算出量化結果，使疾病診斷更加精準，能夠減輕臨床醫生的負擔，減少誤診、漏診。

這樣的一個非常好的可以解決我們醫療上遇到的各種問題，為什麼是沒有被大家所期待，或者說它的體驗效果是明顯的不好呢？我想原因應該是有這幾方面的，首先是我們的醫療資源分配不均，尤其是基層的醫療資源。

缺乏醫務人員和必備的醫療器械，我們老百姓心裡則是總認為去大醫院看病是比小醫院要好的，因此也是經常看到大醫院人滿為患，床位是非常的緊張。對於醫生和醫護人員的壓力也是非常大的。

造成這樣的一個局面是有原因的，我們的普通百姓基本是不會去定期的做體檢的，或者說是沒有這個意識的，最明顯的例子是一個人幹了半輩子的工作，結果哪天病發了，全家人都在為他所擔心，並且醫療費用也是個大數字。

很多家庭也是因病致貧，如果有做了提前檢測預防的工作，那結果會比現在要好的多。另一方面我們在醫療的宣傳上也是沒有做到位的，要是有建立一個定期體檢的機制，那很多疾病是可以及早預防的。

第二個就是醫院相互之間的共識沒有達成，比如在這家醫院做的檢查或者拍的CT，再拿到其他的醫院，基本是不會認同的，很大情況是讓你再去做一次檢查。這個當然也是我們最煩的事情，在這個醫院做了，去了那個醫院又得做。

這樣一來會耽誤很多的時間，更是不利於我們的康復的。很多事情明明是可以很快的解決的，但是非得要花那麼多的時間，這個問題值得我們所有醫院去反思的。甚至它們更應該考慮醫院的根本目的是什麼，是掙錢還是救死扶傷？

所以雖然有著這麼多的企業進入到這個領域中，可如果沒有解決上面的兩個問題，那對於我們是沒有多大幫助的。而且上面的兩個問題也不是那麼容易解決的，要想讓我們意識到定期體檢和檢測的重要性，不光是要我們個人的認知得到改變。

更需要醫院、相關部門、社會等共同宣傳，AI人工智慧+醫療才會為我們提供更多的便利，我們也期待這樣的結果早點到來。

人工智慧與醫療健康跨行業合作將帶來更多的多米諾效應。人工智慧技術的出現是醫療健康行業加速發展和技術更新的一個很好的契機，他能夠幫助現有的醫療技術的發展和能力再提升。

在AI+醫療健康的主題背景下，人工智慧不僅能將現有的傳統醫藥研發能力得到提升、創新和發展，也能夠大幅度地降低研發的人力和物力和成本，以快捷地透過數字化指標進行疾病粗篩，助力真實世界證據研究，不僅為一些嚴重疾病的早發現、早診斷、早治療帶來很大益處，而且可以在家庭場景下實現，將疾病篩查的場景和機會大大延伸。同時，這種數字化的生物標記物一旦透過嚴格的臨床試驗，證實有效之後，將會給醫學界帶來重要的數字化診療革命，為更多的患者、家庭謀取福利。

槽點原因分析：一是資料是發展的主要瓶頸,醫療資料獲取相對困難，對AI+醫療的發展造成暫時性拖累。例如影像診斷需要大量經過專業醫師標註的資料進行模型訓練，每種疾病所需資料不同，資料碎片化問題嚴重。此外，北美對醫療資料還有嚴格的隱私保護。這些因素導致了資料獲得的成本高昂，成為影像診斷行業發展的瓶頸。在中國，資料歸醫療機構和患者共同所有，在政策支援下以醫療大資料資料公司為基礎，積極建設醫療資料庫，可能為AI影像診斷在中國發展提供有利條件。

二是人才需求缺口過大。根據騰訊研究院釋出的《2017全球人工智慧人才白皮書》，全球AI人才約30萬人，主要分佈在各國AI產業公司和科技巨頭中，約佔66.67%；全球367所高校中的學術和儲備人才約佔33.33%。根據2017年領英發布的《全球AI領域人才報告》，中國AI人才總數超過5萬人，而國內AI人才需求量為500~600萬人，人才需求缺口巨大。技術、新思想和新模式為人才快速成長創造了條件，新業態產業化、新場景應用、傳統產業與現代技術融合發展，亟需大量人才實現、推廣。

三是於醫療資料開放共享程度不高、人工智慧醫療應用缺乏政策支援和配套法規、面臨公眾信任和倫理挑戰、缺少複合型人才等問題，制約著人工智慧與醫療健康產業的融合發展。

個人對於人工智慧的觀念，“它不能代替醫生，也不能做一些決策，最終責任還是在醫生”。在臨床醫療上只是輔助的應用階段，特別是在深度學習輔助診斷、輔助治療輔助決策領域，緩解專科醫務人員短缺局面，為高飽和度工作減負（如：影像醫生、病理醫生）；提供肉眼識別無法發現的高維空間影像，提高診斷準確性和治療方案科學性；用人工智慧賦能基層醫院、低年資醫生。人工智慧有望成為醫療機構和醫護人的強大“助手”和外腦，顯著提升醫療健康服務的效率和質量。