未來，醫院與公司的數據合作將成為主流，割裂的數據被進一步整合，在慢病管理、遠程醫療方面發揮更大的作用，而5G會加速這個過程。數據在醫療領域應用的非常廣泛，比如遠程醫療、慢病管理以及AI影像診斷。

　　數字醫療能夠實現一個大型醫院輻射若干中小型醫院的聯通機制。比如中風在中國是一種常見的慢性病，需要及時進行診斷與治療。而治療中風最好的醫療資源集中在北京，把北京三甲醫院的診斷數字化后，異地患者可以通過遠程掃描診斷資料、云存儲等技術，獲得與北京一樣優質的醫療服務。這樣可以極大緩解中國醫療資源不平衡、差距大的現狀。

　　平安集團聯席CEO、平安科技董事長陳心穎也介紹說，在重慶，約有六成老年人飽受老年病，尤其是糖尿病困擾，平安集團通過收集他們的診療信息，可以對老年病患者實現預診斷，并進行后續的跟蹤、隨訪等醫療服務。

　　此外，一些傳統制藥企業也在試水數字醫療領域。賽諾菲中國區總經理Pius S.Hornstein表示，以前我們專注于傳統制藥領域，但是現在我們想再進一步，通過了解患者的生活規律，實現積極干預，從而對患者的生活施加影響。我們正在與谷歌這種大數據公司進行合作，來做成這件事。

　　而關于AI輔診，目前把AI應用于醫療影像診斷有兩種方式，一是病人拍片后，在醫生解讀前利用AI進行預檢查，給醫生提供參考診斷。二是在醫生診斷后，通過AI判斷醫生是否正確。根據醫生不同、影像不同，AI輔診的準確度也有差異，推想科技希望找到一個統一的標準，讓結果相近。

　　隨著數字醫療發展迅猛，賽道也愈加擁擠。而公司能否打通與醫院合作的渠道，獲取到優質、大量的數據將成為一道分水嶺。目前很多大數據、AI公司在這方面做的并不成功。由于支付是醫療系統改革的驅動因素，而中國保險行業很不完善，醫保收入占據了中國醫院收入的80%，商業保險發展滯后，所以醫院的信息與數據并不透明。

　　從技術層面講，實現機器學習有兩個前提，一是數據必須有足夠的量，二是數據必須足夠優質，這樣才能產出高質量的深度學習成果。“為了得到優質數據，公司必須與大醫院、好醫生進行合作，曾經很多醫院并不愿意與公司進行合作，但近些年來醫院的觀念也在發生變化，目前我們已經與8個國家的300多家醫院建立了數據方面的合作。”陳寬說。

　　拿到數據后，整理與清洗也很成問題，需要耗費大量人力物力。由于各家醫院采用的平臺不同，數據無法實現互通、共享。平安集團有一個500人的團隊專門在做這件事情。曾經需要依賴人力來解讀醫生處方，但是平安集團現在已經開發了內部的標準化術語庫，各種疾病、藥品都能在里面找到對應的專業術語，這將大大節約時間成本。

　　而關于醫院間的信息共享，醫院共享數據并不是一個技術難題，但是各家醫院缺乏意愿去做這件事情。在這方面寧波做的很好，所有醫療機構的數據都在網上實現了互通，診斷醫生可以在云端看到患者在不同醫院的歷史病例。據了解，寧波于2015年建成全國首家“云醫院”，可以實現名醫在線問診，實現醫療資源下沉，極大地方便了群眾看病。

　　要實現數字醫療的廣泛應用，行業亟需建立統一標準。“醫生就像一名藝術家，同種疾病，不同的醫生可以采用或激進或保守的不同治療方案。”劉積仁說，“而我們要做的是，建立一個用藥、診療的規范標準”，只有把標準建立起來，各地區的人工智能才能采用同一個標準來診療。