人工智能在医疗领域的应用，在国外从1972年到2016年期间每年都有新的进展和突破，学术界每年都能出现关于辅助诊断、辅助治疗等技术的成果，这是持续不断的过程。但在国内，从1978年“关幼波肝病诊疗程序”率先把中医学这门古老的民族学科与先进的电子计算机技术结合起来，直到2016年百度发布百度医疗大脑，中间出现了长达38年的断层。
随着技术进步，在医疗健康领域已有不少智慧医疗应用成功案例，如辅助疾病诊断、健康管理、医学影像、临床决策支持、便携设备、康复医疗和生物医学研究，但国内外在大数据技术、人工智能技术、医用机器人与可穿戴设备等方面还存在着不小的差距（如上图）。
我国智慧医疗的发展主要存在几个问题：
第一，数据采集和利用的问题。医疗数据不同于商业数据或者消费数据，因为涉及到隐私而导致高保护级别，在国内出现过几次医疗隐私数据泄露事件而引起了国家高度的重视，因此如何有效的采集和利用医疗数据是第一大难题；
第二，环境及专业人才稀缺的问题。现在人工智能技术人才非常稀缺，而既懂医疗又懂人工智能技术的复合型人才更稀缺；
第三，基础支持的体系与计算能力的问题；
第四，标准和规范建立的问题。现在医疗行业仍处于野蛮生长环境中，并没有充足的规范或标准；
第五，信息安全和隐私保护的问题。一旦开始利用人工智能就要考虑容错率，例如无人车可以接受从10%到万分之一的容错率，但在医疗行业连万分之一的错误率也不被接受。美国到现在为止，FDA（国际医疗审核权威机构）的人工智能诊断类应用屈指可数，而诊断类也只是非常基础的应用。现在人工智能还不能代替人类医生进行诊断，不过当人工智能技术达到了某种可靠性之后，信息安全和隐私保护就会变得非常重要；
第六，产业化发展问题。现在这个领域已经进入了包括BAT的科技巨头、新兴的生物科技、医疗科技公司，但在产业化发展的道路中并没有一个有效的指导，出现只追求快速发展，而疏忽过程中的重要环节，或解决的其实并不是医疗行业的核心需求。
医院真正的应用场景有哪些？
从2015年开始，国家政策就开始推动医疗与技术的结合。从“互联网+医疗”，到“人工智能+医疗”，其实在业内更多思考的是“医疗+”，因为无论技术怎么变化，核心应该还是医疗。
在雨后春笋一样出现的大批互联网医疗、人工智能医疗公司中，很多不是从解决某一类具体医疗问题出发，而是先成为掌握某项技术的厂商，再去找医院或医生合作，谋求短期内在某个场景中落地，开发出某款产品、某种解决方案。这样的场景可能不是真正的场景，解决方案与场景可能不完全匹配。这样没有医疗根基的企业，很难在医疗行业立足。
从医院的角度，什么才是人工智能技术真正的应用场景呢？这就要从打造有思维、能感知、可执行的智慧医院目标说起。
一家医院要称为有“智慧”，必须具备：
第一，智慧“大脑”：思考和指挥。“大脑”融汇了大量信息（大数据）和知识（知识库），并能不断学习和进化（人工智能、深度学习）。针对外部刺激，“大脑”可以迅速对信息进行有效组织和组合，作出决策并指挥“行为”；
第二，感知“器官”：感知和采集，“大脑”的思维判断需要众多信息输入作为依据，这就依赖于感官：视觉（摄像头）、听觉（智能语音助手）、嗅觉、触觉（各种智能设备及传感器）对医院各种数据的采集，既包括人员的行为数据（患者动线、医护人员动线、医院物质运送动线）、医疗过程及结果数据，也包括空间环境的信息（能耗、空气质量）；
第三，“血液”循环：数据驱动，不断汇聚临床表型数据和科研组学数据，并以个体行为数据为补充，形成临床研究大数据。这些数据传送到大脑进行学习和决策， 从而指挥“行为动作”（各种应用软件系统）；
第四，“人体骨骼”：软硬件设施，转化医学中心的软硬件设施互联互通形成一套整体支撑“行为动作”；
第五，“人体四肢”：医疗科研服务，转化医学中心的提供的医疗及科研服务（招募、预约、检查、治疗、康复、随访等）。
医疗人工智能面临的挑战
在医院全面普及医疗人工智能，一个比较大的挑战是医院的接受程度。但经过互联网的洗礼，大多数医院也在尝试拥抱技术。除此之外，还面临着几个挑战：
第一，人才。美国人工智能人才数量近85万人，中国仅有5万，人数相对较少，并且人工智能人才成本高昂；
第二，数据。数据和数据之间是有壁垒的，各医院和各专科之间的数据并不连通。如果要得到高质量的数据，首先要与一家或者多家医疗机构进行协作，这非常困难，因为全国最优质的医院和专科之间的协作是有限的。
卫计委等等组织和一些高校也在寻求突破，他们希望通过行政力量把医疗机构的数据组织在一起，形成一个数据库，用沙盒技术为未来的人工智能企业提供“养料”或学习资料，但推进的速度并不是那么快。
除此之外，还有数据归属不明确、数据安全要求高、数据开放受限制、数据标准不统一、数据伦理存争议、数据成本代价高等问题，这些都是制约人工智能医疗行业发展的重要因素；
第三，审批。在AI医疗器械审批方面，由于产品未获得三类医疗器械证书就无法上市，因此产品审批难以通过成为产业发展的重要掣肘。
现在人工智能诊断技术在飞速发展，很多企业或高校宣称在某些比赛中人工智能诊断能力已经超过了人类医生，但在中国几乎没有通过了国家食品药品监督管理局审批的人工智能诊断算法或应用，在国外也是寥寥无几。
像诊断、治疗方案等需要的智能和科技程度较高，需要得到相应的审批才能进入医疗市场。而一种新药的审批可能长达十年，一个新的医疗器械的审批也是要两三年，在人工智能领域一项技术也要进行临床的诸多实验才可以在临床上应用。当然，健康指导、宣教、问诊服务一类的人工智能服务，不涉及治疗或者诊断过程，审批相对没有那么严格；
第四，伦理。现阶段医学人工智能诊断系统难以解释诊断的原因，而一旦诊断结果出现问题，也无法追根求源到底是人类医生、数据还是算法本身出现了问题，因此仍存在“黑盒”风险；
第五，盈利。在行业应用方面，目前付费方不清晰，买单方是医院、患者、药企、保险公司还是政府，未来需要多方探索。
传统医疗信息化体系在人工智能时代正在改变，也暴露出其薄弱之处。主要集中在三个方面：一是数据采集，二是数据采集的范围、质量，三是应用的个性化与智能化的程度。
