目前醫療人工智能是創新創業的熱點，出現了許多新技術、新產品，也引起了大量資本的關注。創新創業與投資更多關注的是“產”的部分，但產學研要與真正使用者的反饋形成閉環，才能促進行業更健康的發展。
在鈦資本新一代企業級科技投資人投研社第17期，上海交通大學醫學院附屬瑞金醫院學科規劃與大設施管理處副處長林靖生，帶來了“學”、“研”和醫院角度的分享。
人工智能在醫療領域的應用，在國外從1972年到2016年期間每年都有新的進展和突破，學術界每年都能出現關于輔助診斷、輔助治療等技術的成果，這是持續不斷的過程。但在國內，從1978年“關幼波肝病診療程序”率先把中醫學這門古老的民族學科與先進的電子計算機技術結合起來，直到2016年百度發布百度醫療大腦，中間出現了長達38年的斷層。
隨著技術進步，在醫療健康領域已有不少智慧醫療應用成功案例，如輔助疾病診斷、健康管理、醫學影像、臨床決策支持、便攜設備、康復醫療和生物醫學研究，但國內外在大數據技術、人工智能技術、醫用機器人與可穿戴設備等方面還存在著不小的差距。
我國智慧醫療的發展主要存在幾個問題：
第一，數據采集和利用的問題。醫療數據不同于商業數據或者消費數據，因為涉及到隱私而導致高保護級別，在國內出現過幾次醫療隱私數據泄露事件而引起了國家高度的重視，因此如何有效的采集和利用醫療數據是第一大難題；
第二，環境及專業人才稀缺的問題。現在人工智能技術人才非常稀缺，而既懂醫療又懂人工智能技術的復合型人才更稀缺；
第三，基礎支持的體系與計算能力的問題；
第四，標準和規范建立的問題。現在醫療行業仍處于野蠻生長環境中，并沒有充足的規范或標準；
第五，信息安全和隱私保護的問題。一旦開始利用人工智能就要考慮容錯率，例如無人車可以接受從10%到萬分之一的容錯率，但在醫療行業連萬分之一的錯誤率也不被接受。美國到現在為止，FDA（國際醫療審核權威機構）的人工智能診斷類應用屈指可數，而診斷類也只是非常基礎的應用。現在人工智能還不能代替人類醫生進行診斷，不過當人工智能技術達到了某種可靠性之后，信息安全和隱私保護就會變得非常重要；
第六，產業化發展問題。現在這個領域已經進入了包括BAT的科技巨頭、新興的生物科技、醫療科技公司，但在產業化發展的道路中并沒有一個有效的指導，出現只追求快速發展，而疏忽過程中的重要環節，或解決的其實并不是醫療行業的核心需求。
從2015年開始，國家政策就開始推動醫療與技術的結合。從“互聯網+醫療”，到“人工智能+醫療”，其實在業內更多思考的是“醫療+”，因為無論技術怎么變化，核心應該還是醫療。
在雨后春筍一樣出現的大批互聯網醫療、人工智能醫療公司中，很多不是從解決某一類具體醫療問題出發，而是先成為掌握某項技術的廠商，再去找醫院或醫生合作，謀求短期內在某個場景中落地，開發出某款產品、某種解決方案。這樣的場景可能不是真正的場景，解決方案與場景可能不完全匹配。這樣沒有醫療根基的企業，很難在醫療行業立足。
從醫院的角度，什么才是人工智能技術真正的應用場景呢？這就要從打造有思維、能感知、可執行的智慧醫院目標說起。一家醫院要稱為有“智慧”，必須具備：
第一，智慧“大腦”：思考和指揮。“大腦”融匯了大量信息（大數據）和知識（知識庫），并能不斷學習和進化（人工智能、深度學習）。針對外部刺激，“大腦”可以迅速對信息進行有效組織和組合，作出決策并指揮“行為”；
第二，感知“器官”：感知和采集，“大腦”的思維判斷需要眾多信息輸入作為依據，這就依賴于感官：視覺（攝像頭）、聽覺（智能語音助手）、嗅覺、觸覺（各種智能設備及傳感器）對醫院各種數據的采集，既包括人員的行為數據（患者動線、醫護人員動線、醫院物質運送動線）、醫療過程及結果數據，也包括空間環境的信息（能耗、空氣質量）；
第三，“血液”循環：數據驅動，不斷匯聚臨床表型數據和科研組學數據，并以個體行為數據為補充，形成臨床研究大數據。這些數據傳送到大腦進行學習和決策， 從而指揮“行為動作”（各種應用軟件系統）；
第四，“人體骨骼”：軟硬件設施，轉化醫學中心的軟硬件設施互聯互通形成一套整體支撐“行為動作”；
第五，“人體四肢”：醫療科研服務，轉化醫學中心的提供的醫療及科研服務（招募、預約、檢查、治療、康復、隨訪等）。
由此可以把人工智能在醫院的應用場景分為四類：
第一類為智慧服務，這是當下最熱門的領域，像互聯網+醫院、人工智能+醫院、App移動醫院等都集中在這一領域；
第二類為智慧管理，更多服務于醫院的醫療和運營管理；
第三類轉化醫學研究，像臨床研究和新藥研發未來都會依賴于數據或人工智能，在未來也是很大的產業；
第四類教育，包括對患者的科普類教育，分級診療中對各層級基層醫院的基礎教育。這四大類是醫院最需要應用人工智能的場景，未來這幾類場景中將有優秀的新產品、新技術和廠商誕生。