2019年4月13日，国家卫生健康委员会医院管理研究所、社会科学文献出版社共同发布了首部《人工智能蓝皮书：中国医疗人工智能发展报告（2019）》。

报告解读

首部“人工智能蓝皮书”发布，指出我国医疗人工智能发展中的五方面挑战

01 政策与监管的挑战
02 技术和人才的挑战
03 数据库建设的挑战
04 商业模式与运营的挑战
05 法律与伦理的挑战

我国医疗人工智能前景的四大预测

人工智能在医疗健康领域的应用会越来越广泛
医疗AI产品将正式被批准成为医疗器械
医疗智能化应用的监管将越来越规范和严格
对人工智能理论和技术的研究将更加深入

我国将近八成民众对医疗人工智能表示支持态度

调查显示，我国多数医院对医疗人工智能仍持观望态度

我国医疗人工智能企业发展面临四方面问题

01 医学数据问题
02 复合型人才问题
03 行业标准问题
04 医疗机构的合作

人工智能概念自1956年被首次提出以来，经过60多年的演进与发展。在超级计算、大数据、移动互联网、传感网、脑科学等新理论和技术以及社会经济发展强烈需求的推动下，人工智能已经在各行各业显露身手，呈现出跨界融合、人机协同、自主操控、深度学习等特征。随着人工智能前沿技术快速融入医疗，正在重塑医疗服务模式，改变医院未来。

蓝皮书从医疗人工智能政策环境分析、临床应用、科研投入与学科发展、产业、社会认知和伦理等方面全面分析中国医学人工智能发展现状与趋势，探讨人工智能影响医疗健康产业发展的未来前景。我国先后颁布了《国务院关于积极推行“互联网+”行动的指导意见》《新一代人工智能发展规划》等重要国家级战略规划，各地方政府也积极出台政策支持人工智能发展，推动了中国人工智能发展的热潮。在各级各类人工智能政策规划中，关于医学人工智能的政策都是重点内容之一。我国医学人工智能领域外文科技论文和专利申请、专利公开都呈现逐年增长的趋势。产业投资加速，临床应用研究处于积极探索之中。人工智能可以在医学影像、健康管理、疾病风险预测、虚拟助理、药物设计、临床诊疗等医疗行业多个环节发挥作用，但随之而来的伦理风险也不容忽视。

首部《人工智能蓝皮书：中国医疗人工智能发展报告（2019）》的面世，有利于推进医学人工智能和健康医疗信息化建设的发展，对于优化医疗资源配置、创新医疗服务模式、提升医疗服务水平、促进健康中国建设的战略部署、全面落实深化医药卫生体制改革各项任务和目标具有推动作用。

首部“人工智能蓝皮书”发布，指出我国医疗人工智能发展中的五方面挑战

01 政策与监管的挑战

2017年7月，国务院发布《国务院关于印发新一代人工智能发展规划的通知》，人工智能上升为国家战略，国家对医疗人工智能的发展提出了更高要求，医疗人工智能进入全新的高速发展轨道。国家的医疗人工智能发展要求包括提出医学大数据、医学信息化、智能医学等多个方面的具体应用需求，对医疗人工智能基础研究的政策支持，以及对大健康、老龄化等方面的医疗人工智能应用的大力支持。

基于以上纲领性文件，针对医疗人工智能的发展提出具体落实行动，将成为相关部门政策制定的重点,预计将发布一大批具体的推进方略，下大力气促进医疗人工智能领域的发展与提升。2018年以来，围绕医疗人工智能发展的重点政策领域包括：满足民营医院的设备需求，鼓励各级医院采购国产高端医疗设备；着力构建大数据云端医疗数据库，推动医学大数据的开发与落地，大力加强医疗信息化基础建设；鼓励民间资本投资远程医疗和第三方检验中心，全面推进分级诊疗的落地；大力发展网络医学影像平台、高端影像设备、第三方影像中心、大力推进影像信息化等。

02 技术和人才的挑战

据相关研究，医疗人工智能处在人工智能热潮的中心地位，有非常快的发展速度。医疗人工智能的技术和人才水平高，有可能尽快实现产业化，相关原因包括：第一，医疗人工智能研究机构与国内的各大医院合作开展了科学研究、临床实验、产业转化等工作；第二，医疗人工智能的研究机构众多，包括科研单位、高校、大企业、创业企业等，造就了一大批奋战在一线的医疗人工智能科研机构；第三，医疗人工智能有较好的投资盈利预期，得到资本方面的追捧；第四，医疗人工智能是人工智能应用的热门领域，在多种维度的医学图像识别领域，拥有丰富的技术和设备等资源。

医疗人工智能的快速发展来自迅速增长的医学大数据规模、快速提高的GPU速度和医疗人工智能理论基础的飞跃，决定于医疗人工智能的算法、算力、数据等关键技术因素。

03 数据库建设的挑战

高质量数据获取、标注和更新是医疗人工智能企业的关键能力。我国拥有十多亿人口、上万家医院，每年产生规模巨大的医疗健康数据，其中包括医学影像数据。但是，在如此大量的医疗健康数据中，绝大部分是非结构化数据，标准化、统一化、智能化程度非常低，难以进行综合利用，对政府部门、医院、科研院所、高校等机构来说也并非有效的价值体系。

训练集合的质量和数量是决定人工智能算法的性能（performance）的主要因素之一。其中，训练数据的质量和标注的质量决定着人工智能算法的学习能力，而训练数据的数量决定人工智能算法的泛化能力。在美国英伟达不断推出高性能GPU服务器，提供更大的人工智能计算能力的前提下，高质量和大规模的医学数据就变得更加重要起来。

医疗人工智能的大发展推动健康大数据时代的来临，全球医疗数据呈现爆炸式增长的趋势。医疗健康行业的数据量非常大，建设中的三个“国家医学数据中心”的量级都在EP级别，单个患者的医疗全过程数据也达到TB级别。近年来，我国医院信息化能力大大提升，其使用电子病历的比例也大幅增加了。

在医疗人工智能领域，获取和标注高质量的医学影像数据有非常大的难度，具体表现如下。

第一，医学影像数据的前处理和标注的代价巨大。在医疗人工智能领域，医学影像数据前处理和标注的代价巨大，占据开发成本的绝大部分。然而，在医疗人工智能算法开源的时代，医学影像数据前处理和标注的质量对医疗人工智能的性能有着举足轻重的影响。按照多中心来源的要求，医学影像数据的来源多种多样，需要进行前处理，以保证医学影像训练数据的有效性。现有的医学影像数据主要通过人工的方式进行标注，工作量巨大，耗费大量的人力、物力和财力。

第二，医学影像数据获取的代价巨大。由于现代医学影像技术的飞速发展，医学影像数据的产生技术也变得越来越复杂，客观上加大了医学影像数据的获取和使用难度。同时，因为医学影像数据具有私密性，医疗人工智能数据的拥有方在医学影像数据的保护方面不遗余力，这也加大了医疗人工智能研发单位获取数据的难度。

第三，我国幅员辽阔、人口众多，基层医院和研究型医院的差异巨大。为了在多种多样的场景下获得足够的灵敏度和特异性，医疗人工智能算法和软件的泛化能力面临巨大的挑战。

政府、医院等各方面需要携手合作，解决获取医学影像数据代价巨大的问题。从政府层面来讲，由国家卫健委牵头的国家健康医疗大数据中心正在修建之中，预计建成以后数据储量为1000ZB。国家健康医疗大数据中心的构成方式为“一个国家中心，三个国家队”，即该中心包括中国健康医疗大数据股份有限公司、中国健康医疗大数据产业发展集团公司和中国健康医疗大数据科技发展集团公司三个主体。国家健康医疗大数据中心的数据中心包括华东数据中心、华北数据中心、东北数据中心、西南数据中心和各省市级中心，其中各省市级中心的设置地点包括宁波、山东、四川、江西、辽宁、广东、贵州、甘肃、安徽、黑龙江、云南、内蒙古、陕西。国家健康医疗大数据中心的建设将极大推动我国医疗人工智能事业的迅速发展。

04 商业模式与运营的挑战

医疗人工智能企业如何获得利润？这是社会各方面，包括政府部门、投资机构、医疗人工智能企业、医院、医疗人工智能运营机构共同关注的问题。随着医疗人工智能的不断发展，多款医疗人工智能产品已经开发出来，包括基于眼底照片的糖尿病筛查、基于薄层CT的肺部结节筛查等。这些医疗人工智能产品即将获得国家许可，其走向市场可能的商业途径主要包括两个方面：第一，将医疗人工智能产品出售给大型运营机构，包括政府部门、投资机构、医疗人工智能企业、医院、医疗人工智能运营机构，实现盈利；第二，与第三方运营机构，包括政府部门、投资机构、医疗人工智能企业、各级医院、医疗人工智能运营机构合作，实现盈利。

05 法律与伦理的挑战

（1）成果转化周期长、难度大

针对医疗人工智能产品的审评与注册问题，2014年2月，国家食品药品监督管理总局开辟快速通道，《创新医疗器械特别审批程序（试行）》（食药监械管〔2014〕13号）提出，对符合规定的创新医疗器械设置快速审批通道。

（2）医疗人工智能数据保护

医疗人工智能软件需要大量使用数据，包括训练数据和患者临床的数据。在美国，医疗人工智能产品需要符合《隐私法案》及HIPAA的规定。但是，我国尚未出台相关法律，医疗人工智能的数据保护工作还没有法律规定可以规范。关于医疗人工智能软件牵涉的患者临床数据的安全保障规定，可以参考我国颁布的《网络安全法》第四十一条和第六十四条。我国颁布的《网络安全法》第四十一条规定：“网络运营者收集、使用个人信息，应当遵循合法、正当、必要的原则，公开收集、使用规则，明示收集、使用信息的目的、方式和范围，并经被收集者同意。网络运营者不得收集与其提供的服务无关的个人信息，不得违反法律、行政法规的规定和双方的约定收集、使用个人信息，并应当依照法律、行政法规的规定和与用户的约定，处理其保存的个人信息。”我国颁布的《网络安全法》第六十四条规定：“网络运营者、网络产品或者服务的提供者违反本法第二十二条第三款、第四十一条至第四十三条规定，侵害个人信息依法得到保护的权利的，由有关主管部门责令改正，能根据情节单处或者并处警告、没收违法所得、处违法所得一倍以上十倍以下罚款，没有违法所得的，处一百万元以下罚款，对直接负责的主管人员和其他直接责任人员处一万元以上十万元以下罚款；情节严重的，并能责令暂停相关业务、停业整顿、关闭网站、吊销相关业务许可证或者吊销营业执照。”

（3）法律法规滞后，监管无法可依

医疗人工智能产品的注册、使用、监管等法律法规正在制定之中，有待完善。以医疗人工智能产品的注册为例，根据我国《医疗器械注册管理办法》的规定，在中华人民共和国境内销售、使用的医疗器械,应当按照本办法的规定申请注册或者办理备案。因此，医疗人工智能产品需要办理注册和备案。为加强医疗器械产品注册工作的管理、指导和技术审评工作，国家食品药品监督管理总局制定了相应医疗人工智能产品的注册指导原则。国家卫生与健康委员会、国家发改委、工信部等机构也在积极调研、起草和制定医疗人工智能产品的使用、监管等法律法规，确保医疗人工智能造福于民。

（4）医疗人工智能的知识产权判定

在我国现有的法律体系中，医疗人工智能的知识产权还难以清晰判定。我国的知识产权判定依据的主要法律是《著作权法实施条例》，尚没有对医疗人工智能的知识产权的判定做出详细规定，在实践操作中有相当大的难度。

我国医疗人工智能前景的四大预测

尽管目前人工智能在医疗健康领域还没有形成规模化、常态化的应用，而且还受到一些政策、法律和伦理等方面的限制和约束，但不可否认的是，随着人工智能研究的深入，以及医疗资源匮乏弊端的显现，医疗人工智能应用将越来越广泛和深入，其产业也将越来越成熟。

人工智能在医疗健康领域的应用会越来越广泛

随着医疗健康信息化的快速发展，医疗机构及各类医疗健康服务型企业会产生大量的医疗健康数据，包括医疗图像、电子病历、健康档案等，人工智能技术能够对这些医疗大数据进行语义分析和数据挖掘，并实现对部分疾病的早期预警或自动诊断。这些应用主要体现在九个细分领域，包括疾病筛查和预测、医院管理、健康管理、医学影像、电子病历/文献分析、虚拟助手、智能化医疗器械、新药发现、基因分析和解读。

疾病筛查和预测：利用人工智能技术，依据历史就医数据以及行为、医学影像、生化检测等多种结果进行综合分析和判断，或者依据某个长期形成的单一数据进行疾病预测。譬如，骨关节炎发展预测，卡内基-梅隆大学通过收集大量人群10年间的软骨MRI影像数据，并利用人工智能技术进行图像数据的学习，从而发现正常人软骨中的异常，可以预测其未来3年患有骨关节炎的概率。基于各类医疗健康大数据的采集和汇聚，类似的疾病预测将会越来越普遍，预测精度也会越来越高。

医院管理：人工智能在医院管理上的应用主要包括优化医疗资源配置、弥补医院管理漏洞和提升患者就医体验。人工智能可以部分甚至完全代替人工在医院管理和服务中的某些角色和工作，譬如，病人管理、智能导医等。

健康管理：随着各种检测技术（如可穿戴设备、基因检测等）的发展，个人健康数据越来越多、越来越复杂，包括生物数据（如基因等）、生理数据(如血压、脉搏)、环境数据(如每天呼吸的空气)、心理状态数据、社交数据以及就诊数据（即个人的就医、用药数据等）等。这些数据汇聚在一起，利用人工智能技术进行分析，可以对潜在健康风险做出提示，并给出相应的改善策略，最终可以实现对健康的前瞻性管理。

医学影像：目前人工智能在医学影像领域应用得较为广泛和深入。由于各种成像技术（包括直接成像或间接成像）在医疗健康领域的广泛应用，医疗诊断对影像的依赖程度越来越高。医学影像已经成为医疗诊断的重要依据。庞大的影像数据量为深度学习系统提供了数据基础。利用人工智能技术可以帮助医生对医学影像完成各种定量分析、历史图像的比较或可疑病灶的发现等，从而高效、准确地完成诊断。

电子病历/文献分析：人工智能主要是利用机器学习和自然语言处理技术自动抓取病历中的临床变量，智能化融汇多源异构的医疗数据，结构化病历、文献生成标准化的数据库，将积压的病历自动批量转化为结构化数据库。目前电子病历/文献分析的应用场景主要有三类：病历结构化处理、多源异构数据挖掘、临床决策支持。

虚拟助手：虚拟助手是人工智能技术在医疗健康领域最先尝试应用的领域之一，它利用人工智能技术，通过对医疗健康大数据的学习或挖掘，在“理解”用户需求的前提下，按照要求输出相关的医学知识和信息，辅助人们进行健康管理或就医问药。虚拟助手较多地应用于个人问诊、用药咨询、导诊机器人、分诊和慢性病管理、电子病历语音录入等。

智能化医疗器械：智能化医疗器械是指现代通信与信息技术、计算机网络技术、行业技术、智能控制技术、人工智能技术在医疗器械上的应用。但智能化医疗器械不只是拥有智能功能的普通医疗器械，它可以摆脱对医生操作的依赖，通过机器学习等底层技术实现自我更新迭代。智能化医疗器械能够在两个方面大大提升医疗效率：首先，智能化医疗器械能够帮助医生节省工作量；其次，智能化医疗器械能够提高器械使用的精准度。

新药发现：新药的开发流程可分为药物发现、临床前开发和临床开发三个部分。而现代药物发现在技术上又可以分为三个阶段：靶点的发现和确证、先导物的发现、先导物的优化。人工智能在新药研发上的应用主要有两个阶段：一个是新药发现阶段，另一个是临床试验阶段。共有7种不同应用方向。

基因分析和解读：基因检测技术不断发展和完善，检测价格不断下降，基因检测趋向大众化发展。随着数据的不断积累，分析能力和大数据库是遗传解读和咨询的关键，信息的解读与整合成为基因相关企业的核心竞争力。人工智能便依靠其强大的数据处理能力和学习能力给基因分析和解读带来了人类不曾拥有的能力。基因检测由专业检测机构完成，结果分析交给人工智能，临床医师只需要最终结论，用这个结论去指导治疗并进行精准的健康管理。

医疗AI产品将正式被批准成为医疗器械

在美国，FDA（食品药品监督管理局）于2018年4月批准了世界上第一款人工智能医疗设备IDx-DR，该设备可以在没有医生帮助的情况下诊断疾病，其内置摄像头用于拍摄患者眼睛的照片，再通过算法评估该照片，确定患者是否有糖尿病视网膜病变的迹象；5月24日，Imagen公司的OsteoDetect软件也获FDA批准，该软件利用机器学习技术，分析二维X光图像，通过识别患者手腕前后和侧面X光图像判断该患者是否骨折。11月19日，国内的乐普医疗自主研发的心电图人工智能自动分析诊断系统“AI-ECG Platform”获得FDA注册批准，成为国内首项获得美国FDA批准的人工智能心电产品。截至目前，FDA已经批准了12个泛AI类医疗产品进入临床应用。

由于AI医疗器械初期需要大量高质量、已标注的医学数据进行模型训练和学习，而目前一方面高质量的数据因为各种原因难以获得，另一方面一些算法模型还不够准确，导致很多AI产品在实际应用中会产生误诊、错诊、漏诊等问题。医疗健康行业事关人民身体健康，来不得半点马虎。著名的IBM Watson人工智能产品就因为错诊，开出不安全药物而不断受到质疑，美国得克萨斯大学MD安德森癌症中心这样的顶级医疗机构在投入6700万美元之后还是选择放弃该项目。

但让AI产品成为医疗器械，并让其为患者带来真正的福音的努力并没有停止。国家食品药品监督管理总局（CFDA）为了更好地规范国内发展迅速的智能辅助诊断产品，2017年9月发布了新版《医疗器械分类目录》，2018年8月1日起开始施行。该新版目录新增了与人工智能辅助诊断相对应的类别，具体为对医学影像与病理图像的分析与处理。按照最新的分类规定，若诊断软件通过算法提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则可申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。2018年11月19日，国家药品监督管理局医疗器械技术审评中心发出通知，公开向境内外征集生产人工智能医疗器械产品的企业信息，这表明其开始为我国AI医疗器械审批做准备。预计最晚到2020年，我国将会出现首批基于人工智能的医疗器械产品并应用于医疗诊断服务中。

如果各医疗人工智能公司要走医院采购这条路，那么获得国家药监局认证是必经之路，如果要认证三类医疗器械，那么大量真实的临床应用数据将会为公司的申请提供巨大的帮助。为此，目前医疗器械人工智能产品第三方评测机构已经开始开展工作，包括构建智能产品评测数据库，建立智能产品评测标准和明确评测步骤等，以便为企业提供真实可靠的评测环境。

医疗智能化应用的监管将越来越规范和严格

由于医疗数据涉及患者本人的隐私，在道德伦理和法律层面上都属于非常敏感的问题。另外和其他领域的AI产品对比而言，医疗智能化产品及服务，尤其是诊断和治疗方面的产品和服务，对人类医生专家的决策势必会产生一定的影响，一旦出现判断失误，患者的生命健康会面临严重的威胁。

在美国，医疗器械根据其风险程度被划分为三类，其中第Ⅲ类为具有高风险的医疗器械，具体指拟用于支持或维持人类生命或预防人类健康受损，或可能导致潜在的不合理疾病或伤害风险的医疗器械。根据美国联邦法律，第Ⅲ类设备除需进行一般监管外，还需进行上市前审批(PMA)。但同时FDA也鼓励企业医疗AI产品进行更新迭代，为此它有着全新的加速审批通道。FDA局长Scott Gottlieb在华盛顿举行的2018 Health Datapalooza大会上表示，在保护患者的前提下，FDA正在扩大数字医疗工具获批的机会，并积极开发新的监管框架，用新的方法来审查人工智能。

可见FDA在人工智能医疗器械方面有较多的审核方式，而国内监管部门对于利用人工智能技术提供诊断功能的审核则更为严格，《医疗器械分类目录》对医疗AI产品的界定是：若诊断软件通过其算法提供诊断建议，仅有辅助诊断功能不直接给出诊断结论，则按照二类医疗器械申报认证；如果对病变部位进行自动识别并提供明确诊断提示，则必须按照第三类医疗器械进行临床试验认证管理。此外，国家卫生和计划生育委员会于2017年2月发布的《人工智能辅助诊断技术管理规范(2017年版)》和《人工智能辅助治疗技术管理体系规范(2017年版)》还对医疗机构及其医务人员应用AI辅助诊断和治疗提出了极具操作性的要求，具体包括医疗机构的硬件设施、医务人员的资质要求以及技术管理和培训管理制度等。

未来全球仍然需要推动医疗领域相关制度的制定和完善，各个国家和地区根据自身的法律法规和道德环境，加速制定关于人工智能产品的一系列制度标准，包括产品的开发、生产、评估和定价等各个方面。作为监管部门，当下的重点是制定一套科学、合理、明确的产品分类分级标准。目前，世界各主要国家几乎都将AI辅助诊断和治疗产品作为医疗器械加以监管，AI辅助诊断和治疗产品如需上市，必须根据医疗器械的等级分类标准获得监管部门相应的许可和认证。对于高风险的AI产品，提高审核标准、严格把关，最大限度降低出现医疗事故的风险；对于低风险的AI产品，可以采用鼓励和引导的监管方式，减少认证的周期，从而加速其产品和技术的迭代和发展。此外，监管部门对相关的医疗事故责任主体、各方责任权利范围要仔细地划分，这样才能保证医疗AI产品快速稳定地被社会认可。

对人工智能理论和技术的研究将更加深入

人工智能技术发展迅猛，在很多研究项目上取得了一定的成果。然而，医疗卫生行业不同于其他行业，它对于实验结果的可信度、可解释性的要求还是很高的。例如，对医学影像进行基于深度学习的数据分析，尽管这类技术能够取得很高的准确率，但是模型本身属于“黑箱技术”导致其结果缺乏判断依据，人类医生和患者往往很难相信实验结果的可靠性，最后产品难以投入实际使用。另外，很多研究内容都是针对单病种或者少量病种的分类、检测，多病种任务的人工智能分析还需要算法的进一步提升，在保证模型实验精度的基础上提高其本身的泛化能力。就医疗领域的硬件设备而言，发展中国家与发达国家相比缺乏核心研发技术，创新能力十分薄弱，在人工智能的部署方面存在较大难度。

由此，针对未来的医疗人工智能，还需要进行理论技术上的推动和创新。人工智能不仅是计算机科学的前沿，还是数学、软件工程、脑神经科学等学科的新方向，其在医学领域的未来发展需要计算机软硬件专家、医学专家和统计学家等的共同努力，需要进行跨学科、跨领域的通力合作。一方面，使用更为成熟的人工智能理论来提升各个系统模块的思维逻辑能力，让专家系统在尽可能复杂的环境下准确而又迅速地提供诊疗方案；另一方面，继续加强人工智能技术的实践，使其具备更强的学习、自组织、泛化及训练能力，加快从“弱人工智能”到“强人工智能”的转化。例如，在深度学习中的可解释性问题，目前已经有学者试图通过注意力机制和可视化方法对这类技术进行分析。当然，未来仍然需要科研人员进一步探究这些“黑箱技术”内部的实现原理和技术细节。

我国将近八成民众对医疗人工智能表示支持态度

在国内医疗信息化和分级诊疗快速发展的背景下，人工智能与临床医疗服务的市场空间不断扩大，使患者能够更快速地获得医疗服务。随着我国人口老龄化程度不断加深,慢性病、癌症发病率逐年上升,以人力为主的各类卫生资源配置不足、分布不均的困境越发凸显,AI作为一门综合性极强的交叉学科,将在医疗领域内得到越来越多的应用,并将成为实现医疗行业发展的重要科技手段。

人工智能逐渐成为“互联网+医疗”变革的新引擎，而衡量人工智能在医疗领域的应用是否已经进入新阶段，国民是否对医疗人工智能有充分的了解和认知是需要考虑的重要因素。

蓝皮书运用问卷调查法在全国范围内随机抽取2500名研究对象，分析与研究公众对医疗人工智能的认知现状，了解公众对人工智能在医疗中的角色定位以及对医疗人工智能未来发展的趋势的认知。

根据问卷调查的整体情况，我国国民整体比较支持医疗人工智能的发展，人工智能在医疗上的应用引起很多讨论、关注和遐想，其中78.4%的人持支持态度；而随着医疗人工智能的不断发展和生产力水平的不断提升，国民对医疗人工智能影响力的感受也在逐渐加强，71.44%的人在日常生活中能“感受到一点”人工智能对医疗的影响，“感觉很明显”的占比为16.88%，而仅有11.68%的人认为“完全感受不到”人工智能对医疗的影响，说明人工智能正在逐渐渗透并影响人们的生活。人们的生活体验将更加丰富多彩，人工智能将人们从基本医疗劳动如输液、看护乃至常规的脑力劳动中解放出来，让他们将精力更多地投入富有创造性的研究当中，人类依赖的医疗将会得到更多的发展。

时代的发展与人们了解医疗人工智能的方式息息相关，目前人们了解人工智能的主要渠道是影视作品和新闻媒体，占比分别为73.48%和72.16%。人工智能是内涵十分广泛的科学，在医疗领域可以应用于很多方面，其中77.12%的人认为“提高诊断效率”为医疗人工智能的最大优点。

人工智能在医疗领域的引入同时可以提高广大经验不足的医疗工作者的工作能力，改善医疗资源匮乏的情况，缓解三甲医院就医压力。但是在技术发展的同时，应该考虑这些技术带来的弊端。在调查中，“智能仪器应变能力差,更相信传统的医疗模式”“智能仪器可能泄露患者的隐私信息”“仪器可能存在一定的风险”“对医疗相关人士的就业产生影响”等相关弊端占比较为均衡，国民普遍认为在医疗人工智能飞速发展的时代，规避其存在的缺点也不可忽视。

长期来看，通过引入人工智能技术提升医疗服务的效率、扩大医疗服务的供给是解决资源短缺问题的根本方法，医疗资源供给的紧张将催生医疗人工智能的刚需。随着消费升级，个体对于自身健康的关注度持续提高，国民对于数字医疗的认可度也在持续提高，对医疗人工智能的了解和认知也在逐渐加深。

在大数据时代，相信并使用医疗人工智能已经逐渐成为主流，AI时代的到来是无法阻止也是势在必行的。不同人群对医疗人工智能的认可和接受程度超出我们的想象。医疗人工智能发展前景广阔，同时也有更大的研究空间，需要相关领域研究人员继续挖掘。

调查显示，我国多数医院对医疗人工智能仍持观望态度

中国医疗行业长期存在优质医生资源分配不均、误诊漏诊率较高、医疗费用成本过高、医生资源供需缺口大等问题，医疗人工智能技术凭借其计算的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域具有应用前景，将改善我国医疗行业现状。2015年以来，各相关政府部门陆续发布了近20项人工智能相关政策，积极推进人工智能发展，促进人才培养、技术创新、行业融合、产品落地等。与此同时，市场资本大量涌入医疗行业，商业巨头在医疗产业广泛布局。在此背景下，本文对我国213家医院展开调研，就我国医疗人工智能技术应用现状及未来计划进行深入分析。由于政策经济等因素，调研中部分地区的问卷应答情况较好，部分省份数据占比较高，但整体上具有真实性、代表性，能够反映我国医疗人工智能技术应用的现状。

面对医疗市场迫切的需求，在技术和政策的推动下，目前，中国医疗人工智能行业正处于高速发展时期。根据前瞻产业研究院发布的《2018~2023年中国人工智能行业市场前瞻与投资战略规划分析报告》，2016年中国“人工智能+医疗”市场规模达到96.61亿元，增长37.9%；2017年将超过130亿元，预计增长40.7%。根据健康点《2018中国医疗人工智能发展》的统计，截至2018年6月，中国共有89家医疗人工智能创业企业获得投资，总金额约219.38亿元，仅2018年上半年就发生18起投融资事件，其中8起融资超过亿元。面对如此诱人的市场，创业企业纷纷涌现，试图分得一杯羹。

我国医院在医疗人工智能投入方面则远未“火力全开”，大部分仍持观望态度。本次参与调研的95家医院中（共调研213家医院，其中118家医院未作答），超过三成的医院近3年来未在医疗人工智能方面有所投入，有投入的医院中四成医院投入低于50万元（年均不足20万元），投入上千万元的医院占比仅5.3%。说明虽然医疗人工智能产业高速发展，但医院并未广泛进行大规模投资，更多处于观望状态或与企业共同探索的阶段。目前，大多数医疗人工智能产品还在试验阶段，产品距离真正落地还有距离，比如行业缺少统一标准进行监管、复合型人才不足、数据结构化较差、机器学习训练需要结合权威临床专家知识经验、算法有待提高、技术仍待完善等，这些是医院持保守态度的主要原因。

我国医疗人工智能企业发展面临四方面问题

人工智能在医疗领域的应用刚刚起步，成长过程中遇到了来自各个层面的问题，由于产品成熟度不足而受到质疑，离真正临床应用尚有距离。目前阻碍医疗人工智能领域研发与应用的问题主要有以下几方面:

01 医学数据问题

首先，数据来源的合法合规性目前还比较模糊。要保证数据来源符合相关法律、法规及伦理，患者对数据提供要具有知情权。中国政府也高度重视医疗人工智能的发展。2017年2月，国家卫计委已发布四份医疗领域应用人工智能的规范标准，从国家层面鼓励人工智能在辅助诊断和治疗等技术应用领域的发展，同时为人工智能医疗的规模化应用提供了基础保障。但基于患者的流动性，需要通过平台来实现这种不同系统之间的信息共享和业务协同。政策要求目前数据的管理方医院和政府要保护好隐私，在科研的前提下使用这些数据。而医疗数据属国家的财产，或由医院和患者共同所有，中国目前在企业对数据的使用规则等方面，没有详细的法律规定，医疗数据的归属权、使用权、存储权、交易权利不明确。《新一代人工智能发展规划》指出，国家将于2025年初步完成法律政策的制定，规范医疗数据的各类权利。在此之前，医疗人工智能企业可以利用这一政策真空期，使用医疗数据构建产品诊断模型。

其次，数据标注的质量缺乏保障。目前，数据标注采用客观金标准，对于无金标准的医疗数据标注标签，采用多位医生共同诊断并取一致诊断结果为标签。当前医疗人工智能企业的医疗数据标注队伍混乱，标注质量不一致。中检院在构建肺结节标准库的过程中，招募全国影像科医生志愿者进行标注，发现标注准确率仅30%。医疗人工智能企业标注影像存在标注方法、标注工具、标注平台不统一的问题。数据标注往往需要医生投入巨大的精力，应当保证数据能够共享，一方面避免重复劳动，另一方面让预测更准确。

最后，数据共享问题也制约了医疗人工智能产品的研发。目前，医疗人工智能诊断模型主要采用“有监督学习”的算法，为了让算法有更高的准确率，需要大量数据进行训练。模型的准确率和数据规模及质量始终成正比，准确率并没有出现趋于平滑的拐点，这说明深度学习对数据有源源不断的需求。2015年，大数据上升到国家战略层面,推进数据资源开放共享成为题中应有之义，但医疗数据如各自独立的孤岛，在各医院中使用，连国家部委也很难打通数据壁垒。要以业务、场景和需求动数据共享的实现通过商业利益打通数据壁垒，激发医院的活力。

02 复合型人才问题

近几年，很多高校已经设立了人工智能专业。但医疗人工智能领域所需人才不仅要掌握人工智能相应技术，更要了解医学理论，掌握临床相关知识，理解医疗业务流程。目前我国的人工智能人才培养机制尚无法满足医疗领域专门人才培养需求。医疗人工智能从业者只能深入医院，与医生为伍，技术人才与医疗人才一同工作、一起成长是当前常用的模式。

03 行业标准问题

行业标准包括数据的获取、标注，模型效果的评价、对比等。大多数医疗机构对于采购和使用医疗人工智能产品的态度是谨慎的，主要原因是此类产品缺乏相关标准，无法得到国家认证许可。为确保医疗质量和患者安全，医疗人工智能产品要让医生敢用，让患者放心，就必须通过国家标准认证，但目前国家层面的相关技术标准仍不健全。

04 医疗机构的合作

医疗人工智能产品从研发到使用，都基于医疗数据的大量提供以及高质量标注，而医疗数据存储于各类医疗机构或卫生管理部门的系统当中，高质量的数据标注也离不开医疗专家的合作。即使医疗机构从提高服务效率、提升服务质量、减少误诊误治的角度出发，有意愿与企业合作开展医疗人工智能产品研发，但在缺乏医疗数据应用和共享相关法律法规的情况下，研发合作的模式也无法成熟稳定。目前最广泛的合作模式是企业与医疗机构合作进行相关医疗人工智能的科研，但科研成果转化为成熟产品也有很长的路要走，涉及知识产权、利益分配、品牌所有权等诸多因素。

习近平总书记强调，“充分发挥我国海量数据和巨大市场应用规模优势，坚持需求导向、市场倒逼的科技发展路径，积极培育人工智能创新产品和服务，推进人工智能技术产业化，形成科技创新和产业应用互相促进的良好发展局面”。随着医疗体制改革的深化、分级诊疗制度的落实，我国医疗资源分配不均，基层医疗服务能力与广大人民群众需求之间的矛盾日益突出，医疗服务效率也亟待提高。医疗人工智能的广泛应用必将在提高医疗质量和服务效率、减少误诊误治方面发挥重要的作用。虽然目前医疗人工智能产品应用还处于刚刚起步的阶段，产品多数定位于辅助诊断，同时面临数据安全性差、数据质量低、模型可解释性差、算法缺乏标准设计、数据使用与共享机制不健全等技术难点和政策盲点，但满足医疗行业的刚性需求仍是人工智能在该领域发展的主要推动力。