互聯網醫療出口尚在探索期，人工智能醫療項目已悄然屢獲資本青睞，第三方創業關注度亦持續升溫，政策紅利開始陸續釋放。

　　2017 年 3 月 5 日，國務院總理李克強在政府工作報告中首次提及人工智能（Artificial Intelligence，AI），隨后眾多全國政協委員、人大代表紛紛給出關于人工智能的提案和議案，如復星集團董事長郭廣昌認為 " 醫療健康行業天然可以與人工智能技術相結合 "。

　　談及人工智能 + 醫療的結合方式及突破口，多位業內人士認為，"AI+ 醫學影像 " 最有可能率先實現商業化。這一觀點同樣得到創新工場創始人李開復的認同。他曾發表關于人工智能的演講，提出 " 很多產業將被人工智能顛覆 "，對醫學影像領域應用的判讀便是其中之一。

　　不過，各界看好人工智能與醫學影像結合的當下，其具體路徑與模式仍未達成共識。一邊是出身 IT 和互聯網等技術工種人士的信心十足，另一邊卻是醫生和研究學者的疑慮頗多。解決之道，莫過于同桌共議，取知、取智。一場激烈的討論發生在 3 月 24 日，選點全球智能醫療創新論壇。

　　非結構化數據轉化是關鍵

　　AI+ 醫學影像，顧名思義，是將人工智能技術具體應用在醫學影像的診斷上。這一實踐最早出現在國外，主要分為兩部分：一是圖像識別，應用于感知環節，其主要目的是將影像這類非結構化數據進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環節，是 AI 應用的最核心環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握 " 診斷 " 的能力。

　　很顯然，這兩點恰恰是醫生們的疑慮所在。在他（她）們看來，不管是什么病，圖像只是其中一個參數，而治療疾病則需要多個參數。此外，雖然中國的醫療數據量龐大，但 IDC Digital 的一項預測卻顯示，80% 的數據屬于非結構化數據，亦即報告 + 影像。

　　" 影像科醫生不是簡單地把片上的疑似病灶投影找出來，還要涉及到很多診斷相關的醫學知識，最后才能形成影像診斷報告。受制于影像診斷醫生的個人習慣、執業醫院、教育背景等因素，中國的影像診斷報告呈現出因醫生而異的顯著特點，導致不同地區不同醫院的影像報告標準不同。" 中國人民解放軍總醫院放射診斷科主任馬林分析道，"如何將海量非結構化數據轉化成結構化數據至關重要 "。

　　持同樣觀點的還有浙江工業大學副教授吳福理。他認為，深度學習應建立在對醫院數據的分析上，而醫學影像占據了 90% 以上的醫學數據，但影像不僅僅是圖片，醫生在判讀的時候用到更多的是關聯的醫學知識，這才是醫療流程。" 只有進入醫療流程，才能占領醫療 AI 制高點 "。但就目前來看，包括阿里和百度在內的幾乎所有的公司都尚在醫療流程之外徘徊。

　　短期內僅適合做輔助診斷

　　無獨有偶，在 2017 年初 " 開放醫療與健康聯盟（OMAHA）第二屆會員大會 " 上，中科院力學研究所教授陶祖萊和中日友好醫院神經內科分子遺傳實驗室負責人顧衛紅同樣對 AI 持謹慎態度。

　　" 疾病的診斷和治療非常復雜，甚至患者不同語氣的回答，不同表情的回復都有不同的意思，這決不是 IT 的‘ 01 ’算法就可以解決的。" 陶祖萊給予忠告。

　　顧衛紅則認為，" 人工智能所能解決的問題，包括下棋、購物、打車等，跟醫療是完全不一樣的。因為醫療涉及人的健康、疾病，對治療的探索甚至屬于對自然界未知世界的探索，而這些都不是我們原本就有涉足和創造的。何況人在生病時是非常無助的，怎么可能用冷冰冰的機器看病。"包括投資人、創業者等在內的眾多人士同樣認為，目前 AI 在醫療領域的應用尚處于弱人工智能階段。盡管 AI 通過構建算法模型和深度學習網絡能夠完成指定任務，在圖像識別、語音識別等領域已得到應用并表現優異，但于影像醫生們而言，僅有這點是不夠的。因為這種淺層次的應用所起的作用更多是輔助診斷，比如減輕醫生重復性體力勞動，提高診斷準確率等。

　　要想真正滲透到醫療領域，必須是強人工智能，它不僅要完成指定任務，還要有知覺、有自我意識，能推理、解決問題。目前來看，要實現這個目標，路途遙遠。

　　探索，從未止步

　　盡管 AI 應用于醫療領域尚有諸多困難，但第三方的助推作用功不可沒，各創業公司在不斷摸索中紛紛找到適合自己的發力點。

　　只做醫學影像垂直領域的翼展科技，有了 GE 的硬件支持，在醫學影像的遠程服務上不斷開疆拓土，除了提供影像信息化產品和解決方案，還組建醫生集團，擁有第三方獨立影像中心。但在其合伙人兼 CTO 邊海鋒看來，只有融入人工智能，從提高影像醫生讀片效率和準確率等多方面切入輔助診斷，才能真正解決行業痛點。

　　已聚集全國將近 1/3 影像醫生的醫看創始人張鵬經過調研認為，影像云技術和獨立第三方影像中心或許可以給影像醫生帶來更多的體制外利益。

　　萬里云副總經理寧利朋持同樣觀點。他認為，在普及電子技術的同時，還應該考慮醫生的讀片偏好，用云膠片存儲電子圖像，可以保證新老醫生的讀片體驗。考慮到當下的醫療環境和就醫體驗，出于對生命和健康的尊重，由家庭醫生參與的 B+B2D2C（D 指醫生）醫療模式或許更值得推薦。

　　聯眾醫療則定位分級診療，著力遠程一級診斷，利用互聯網技術搭建遠程一級診斷平臺，通過遠程會診解決基層醫療診斷痛點。平臺運行半年，效果初現。董事長柴雪挺介紹稱，該平臺依舊是基于云影像平臺基礎模式，而平臺上的數據還可以用來做統計學分析，或可預測某段時間內某種疾病的走勢。

　　主攻腫瘤大數據研究的連心醫療做了一個大膽的嘗試，輔助腫瘤放射治療。在 CEO 章樺看來，首先，腫瘤大數據可以維護治療型科室醫生保持核心能力的的本質，同時有助其提高治療效率。

　　其次，傳統的 GE、微軟等公司在現有的醫療商業模式上已經做了很多布局，這對創業型公司而言，想要有新的突破比較困難。但圖像不單單是用于診斷，能不能用于新藥的研發、藥物的代謝分析乃至跟保險的對接？這是一個全新的領域，也恰恰是創業型公司可能有的機會。