千讯咨询发布的人工智能项目可行性研究报告显示，AI（人工智能）医疗的出现为减轻临床医生工作负担、加大医疗服务供给提供了备受期待的解决方案，但是，AI医疗落地远非想象中顺利。
“垃圾数据”制约AI医疗施展拳脚
在近日中国半导体行业协会集成电路设计分会和芯原微电子（上海）股份有限公司主办、都江堰市人民政府等协办的“青城山中国IC生态高峰论坛”上，多位与会专家提及制约AI医疗施展拳脚的关键因素——“垃圾数据”。“AI医疗最大的挑战不是机器学习、神经网络和人工智能算法，而是各类医疗机构中的‘垃圾数据’。”北京太一科技有限公司创始人解渤说，一些医院决策者认为，只要有患者疾病和数字化健康档案数据就足够了，但很多数据由于诊断标准不统一、书写不规范、记录不完整，数据质量其实很低，对于AI机器学习而言几乎是“垃圾数据”。
该公司将AI与中医学理论体系结合开发了智能脉诊仪，在整理中医数据过程中，研发团队发现由于缺乏针对脉诊进程、发展和未来变化的统一客观评价标准，如果不逐一对既有病例进行规范、整理和数据清理和规范，“AI机器学习几乎是‘垃圾进’‘垃圾出’。这话听起来很不舒服，却是无奈的事实”。数据标识和诊断标准不统一是目前AI在医学影像领域主要的限制因素，为帮助训练AI算法模型建立“金标准”数据库，需要基于统一、规范的诊断标准，得出比较准确的训练结果，最终辅助临床诊疗。
商业模式不清，AI医疗成“餐后甜点”
我国人口多，对健康的重视程度逐年提升，医疗水平处于加速换挡期，AI智慧医疗很可能成为新时代具有独特发展优势，有望实现高速发展的重点领域，每个环节都会产生大量商业机遇。在众多落地场景中，目前AI医学影像是最为成熟的一个。然而，尽管当前AI医学影像已经在肺结节、眼底、乳腺等病种筛查准确率上比医生出色，但AI所能覆盖的疾病种类依然有限，很难明显降低医生的负担、减少临床对医生数量的需求。目前，AI医疗好比“餐后甜点”，只是局部突破没法成为“刚需”。
如何把AI医疗变成刚需？参与论坛讨论的博恩思医学机器人有限公司CEO李耀认为，AI医疗商业模式不清，还需探索建立“商业闭环”。比如，如何分类AI提供给医生的服务，AI到底能在什么场景下影响医生的判断、协助医生的工作，谁是AI医疗的最终受益方等。短期内，AI医疗产品商业化落地需要依靠制度供给和政策环境优化，激发医院、药厂、政府、个人等多方主体的支付动力；长期看，支付动力的增强需要市场认同及配套运行机制加以维持。
临床痛点有待精准“治疗”，小芯片或能撬起大生态
业内专家认为，一方面需要提升AI算法准确率。以肿瘤治疗为例，手术前，医生希望对肿瘤位置、大小、形态等要素进行分析，进而做出3D模型打印和手术分析规划。现在，肿瘤规划过程需要好几小时，如果AI算法能在更短时间帮助医生提高诊断精度，AI医疗发展会更快。
另一方面，AI医疗需要“芯片级创新”，从粗放型布局走向高质量发展。如果说医院常用的CT、核磁共振等影像设备可以看米到毫米之间的东西，到了微米甚至纳米量级，仅凭“看”是不行的，要用“分析”的方法，因此必须有可大规模集成的生物芯片等生物光电子技术的支撑，实现生物技术与信息技术融合创新。
AI开启了新一轮计算革命，AI芯片作为底层关键技术，是整个信息技术产业最上游，也是AI的开路先锋。AI芯片企业需要用专业算法、核心知识产权和先进工艺，从硬件、软件以及应用入手，增进与医院、市场和消费者的互联互通，最终撬起AI医疗大时代的生态繁荣。
相关研究报告
中国人工智能行业发展趋势分析预测报告
中国人工智能行业发展研究报告
中国人工智能市场前景调查分析报告