在2018政府工作报告中，总理再一次强调：加强新一代人工智能研发应用。在澎湃的人工智能浪潮下，AI+医疗成为资本“兵家必争之地”，BAT等巨头也已布局入场。近期在深圳举办的2018第十届全国体外诊断产业高峰论坛上，深睿医疗联合创始人兼CTO李一鸣先生就“人工智能+医疗”话题发表了自己的观点，是人工智能，还是自动化技术的极致？是扩展人类的能力，还是复制人类的智慧？又是什么限制了在人工智能在医疗领域的真正落地？就大家关心的一系列问题，相关内容摘编如下：

- 人工智能面临的挑战 -

目前的很难克服的挑战在于：

第一，  人工智能系统迁移上的困难，迁移的意思如果对原始任务做了一些哪怕是微小的改动，但是这个改动触及了整个数据分布的变化，机器表现的性能都可能出现大幅度的下降。

第二，  常识推理的困难，这点在医学领域来讲非常关键，因为医学是需要寻证的，不能只告诉答案，但不告知为什么，从寻证角度来说必须要有一定认知和推理，而现在，系统在这方面的能力还达不到一个5岁孩子的程度，并且在这方面，目前还没有清晰的科学量化标准。

第三，  人工智能技术发展方向其实面临一个岔路口，比如现在比较火的概念“自动驾驶”，也包括现在的医疗。“自动驾驶”大家可以听到L3、L4不同级别的概念，它其实代表的是不同技术发展的方向，比如说可以在单一的任务上可以去替代人类，还是说在整体的情况下替代人类，这是完全不同的技术发展路径，想要在整体上替代人类，需要研发出来一套可以自我学习、自我理解、自我认知、自我推理的一套系统。如果说在简单或单一的任务上研发系统去胜过人类，更多的是把自动化做到极致。利用更好的技术，作为工具去辅助人类，目前这个鸿沟非常巨大，也是当下业界和学界主要分离的一个地方。

- 人工智能在医疗领域的价值和应用 -

为什么现在有这么多的公司和资本在向这方面倾斜？从技术角度来讲，医疗是人工智能落地最大或最好的场景。为什么？医疗在中国有个共识，我们面临着一些主要矛盾：人们的健康需求和高质量医疗服务之间的矛盾，也就说我们永远不能满足现有的医疗资源。本身我国的人均医生数目偏低，同时人均高质量医生的数目更低，整个面临的是需求不足的局面。

人工智能技术能发挥的价值

1、如果在单一的任务上能去替代人类，就意味着可以随着摩尔定律不停的去降低成本，而对于人的培养来说，其实很难找到一个显著的持续降低培训成本的方法。

2、 技术提升效率，临床上的重复劳动，也包括那没有真正花在临床或诊断治疗上面的劳动，这些环节通过信息化和人工智能技术能够得到一定程度的解决，继而提升整个诊断和治疗的效率，整个过程也就间接的增加了优质医疗资源的供给。

3、从技术角度来说，保证了受众的公平性，因为它没有任何动因去做出任何不公平的决策，保证了城市和农村的患者都能够接受到一样的体验。

人工智能在医疗领域的应用

1、 对医疗决策的支持。在医疗诊断、决策支持系统方面，人工智能的应用现在已经得到了明显的进展，包括影像阅片AI、临床问诊的环节知识库的优化， CDSS（临床决策支持系统即）等。

2、病人监护。在病人监护上布多种传感器，布了之后谁来分析谁来监控呢？这一块，一旦数据量大了之后，需求就会上升，这些恰恰通过人工智能技术得到很好的解决。

3、辅助手术。AI技术在图像和视频领域取得了很大的进步，这些很好的辅助了手术环节。

4、 医疗系统管理。人工智能和大数据的结合能够优化医院信息管理，包括运营管理。

综上，人工智能在医疗领域可应用还是比较广泛的，这些有赖于和在市场打磨很久的公司去合作，相信能够取得非常好的结果。

- 人工智能在医疗系统面临的问题 -

其一、  医疗系统相对来说比较封闭，封闭的意思是隐私和伦理的问题，这个是很难跨越的关卡，因为人工智能首先要有数据，数据从哪里来？数据属于谁？如何合法合规的获取数据？目前来说没有很好的界定。

其二、  医疗是非常专业的事情，是有高门槛的，人工智能技术不仅依赖于数据，同时要求数据一定是有标注的，而数据的标注是必须通过专家或从业者提供，但这里又有个悖论，大家都知道现在医生都忙的不可开交了，尤其是优秀的医生，那标注数据让谁来标或让谁来生产呢，这个是限制人工智能在医疗领域落地的很重要的原因。

其三、  从政策或落地角度层面来说，怎么保证人工智能在医疗领域的应用是安全的，这个目前有挑战且有代表性的话题，包括国家药监局，审评中心都在不停的探讨，怎么去评价人工智能相关技术在医疗领域的安全性和以及后续如何监管。因为大家都知道人工智能技术迭代非常快，那按照我们现在的医疗器械的审批或周期，怎么能接受一个技术半年甚至以月为单位更新？大家要知道人工智能领域的论文基本上大家只看近一年的，超过一年的基本上可能已经失去了一些时效性，效果也往往不是领先的，这样更新迭代的速度对医疗领域来说都是非常大的挑战。

-人工智能在医疗领域的展望-

临床

人工智能临床诊断核心在于输入的两类数据，第一类是文本，第二类是图像。文本包括各种生化指标、心电图、问诊、触诊等这些相关数据；图像包括影像、形态学、病理等。在这两类信息和数据都已经得到的情况下，是可以给患者做诊断的，当然这里有个的闭环在里面的，它有个不停的test循环过程,包括收集、反馈、修正。从技术角度来说，如果将这两种数据做到非常好的处理和融合，将人对医疗保健方面的知识与经验和智能推理过程有效结合在一起，那么人工智能其实是有机会在诊断上发挥非常大的价值的。

医疗机器人

现在较火的医疗机器人在心脏搭桥、前列腺癌、关节替换等手术上都有应用。包括大家所熟知的达文西（da Vinci Surgical System）手术机器人，虽然最近美股跌的很惨，但是该公司的表现的还是不错的。这种机器人本质上来说应该叫机械手更合适些，因为它其实是替代医生的手臂进行的一些延申，它能够比人的定位更精确，更精巧，更灵活。事实上这是没有人工智能或自动化技术在里面的，但如果将手术机器人与自动化技术、人工智能技术相结合，其实能有效的去解决整个手术的标准化、成本、时间、效率方面的一些问题。

医疗数据分析

目前现状是数据少，而且不够标准，我们希望通过技术手段把现有的非标数据进行标准化，采集未能采集数据并标准化。这样最大的好处就是能够真正的进行医疗大数据的应用，实现人工智能的落地。应用层面包括医疗图像分析与疾病之间的联系；挖掘基因与病状之间的联系，预测治疗方案对个体的有效性；进行医院的系统管理，更准确的分析出针对个体诊断与治疗方案，甚至长期的科研和追踪。