近年来，医疗人工智能在国内外的发展热度不断提升，从全球创业公司实践的情况来看，医疗人工智能的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备等领域。

　　然而，这些应用想要落地还面临很多问题。正如近日Airdoc创始人张大磊在“医疗大数据与医学人工智能高峰论坛”上所言，当前人工智能在医疗领域的主要问题包括五个方面：

　　1、数据质量问题：人工智能可以对人的意识、思维的信息过程进行模拟，可以像人一样思考，人工智能学习医生的经验就像我们上学时学习课本知识，因此数据的质量至关重要，医学数据中有很多无关的因素，比如清晰度，图片亮度、图片是否干净等，这些技术之外的因素如果不处理好，很可能产生数据污染。举个例子，如果数据质量不好，仪器的镜头有污渍，很可能会让仪器产生错误的认知，以为污渍是一种病灶，如果应用在临床会造成大量的误诊。

　　2、数据标注问题：人工智能数据处理中80%的时间都是在做数据预处理工作，标注的准确性关乎结果的准确性，但是医生是个性化很高的工作，对同样的病灶两个医生给出的诊断可能会不一样，谁对谁错很难分辨。为了解决标注的问题，Airdoc训练的每张图片都经过数名顶尖专家标注，投票选择相同的标注内容作为标准，张大磊认为，接下来两到五年之内，小样本学习在理论层面会获得足够的突破，近两年之内没有什么好的办法，还是要大量医生去标注。

　　3、算法方向选择问题：病人和医生交互越多环节，算法的质量越差。在医生的工作中，影像只是一部分，还有很多主诉和交流，但是目前人工智能尚处于弱人工智能阶段，并不能进行深入的沟通，比如中医的望闻问切都是交互，目前机器没有办法观察患者的面部表情，如果选择这个方面的算法，很可能会丢失很多信息，从而对算法的准确率产生印象。因此选择辅助分析算法的时候需要选择更少沟通，更客观的方向。

　　4、监管问题：医疗技术监督管理是卫生监督体系的主要组成部门，是规范医疗服务市场秩序的重要手段和方式，而人工智能刚刚应用到医疗领域，很多监管政策还没有制定，在接下来的发展过程中一定会遇到医疗监管的问题。此外技术发展以快速著称，算法是可以自主更新的，但是医疗领域又是以安全为基础，如果算法更新，准确率提高的部分又需要重新认证。

　　5、市场培养：医疗被认为是人工智能最早落地的领域，但是医疗的特殊性对产品的要求会更高，从认识到被接受再到相应支付体系的完善，以及到医保的接入，都需要一个很长的过程。

　　即便面临医疗人工智能这个巨大的市场还有很多问题，但也不乏一些好的应用给了我们希望。今天6月份，Airdoc便成功联合北京市和平里医院、和平里中街卫生服务站开展了眼底病筛查大型义诊活动。

　　居民们在简单检查视力后，拍摄眼底照片——这些照片使用人工智能算法进行识别和筛选，给出初步意见，经由有经验的医生审核后将眼底检查报告直接以手机短信或打印的报告单等形式发送给居民。

　　在国外，包括港澳台地区，糖尿病患者每年都会多次检查眼底，提前预知眼底并发症的可能性，提到生活质量。但是卫生站目前没有专业的眼科医生，不具备眼底筛查的能力，只能够建议病人到大医院就诊，但是大医院看病需要花大量的时间排队挂号，预约专家也十分不便。人工智能的引入，大大降低了专业眼科医生的劳动强度，提升患者的就医体验。将来如果能应用到基层医疗机构，可以很好地解决卫生站没有眼科医生，无法进行眼底筛查的问题。