AI閱片是利用 AI 進行醫療影像診斷，疫情的爆發，讓醫療系統看到了 AI 技術的優勢。
疫情讓 AI 閱片備受重用
新冠肺炎疫情前期，在核酸檢測方面，由于醫護人員試劑盒使用經驗有限，很難采集到上呼吸道附近的唾液樣本，造成患者假陰，導致核酸的檢測在一定程度上受限。
隨著臨床診斷數據的積累，新冠肺炎的影像學大數據特征逐漸清晰，CT 影像診斷被列入《衛健委新冠肺炎診療指南（第五版）》中，相比核酸檢測，CT 影像圖像清晰度高，能夠診斷早期輕微病變，因此 CT 影像也成為新型肺炎檢測的方式之一。
火神山醫院、雷神山醫院、武漢同濟、協和、中南醫院等一線戰場已部署并投入使用，隨著臨床數據的積累，AI+云也將在新冠肺炎診斷中發揮更大的價值。
近兩年來，AI 在醫療健康行業的應用中表現越來越突出，包括醫療機器人、智能藥物研發、智能診療、智能影像識別、智能健康管理等方向，這些應用在這次疫情防控和診治中發揮了重要作用。
AI 閱片能否長期立足存難點
①肺炎分為很多種，病毒性、細菌性、真菌性、支原體、衣原體、過敏性等。其中，病毒性肺炎的影像學表現和其他類型肺炎都不同。目前困難是，CT 無法準確判斷病人攜帶的是否是新冠病毒。
也就是說，CT 與核酸檢測結果可能存在不一致的現象，這種情況下，再結合患者流行病學史、臨床表現才能更為精準地診斷新冠肺炎。
②AI 能夠有效識別易漏診結節，比如 6mm 以下實性結節和磨玻璃結節。但在面對新冠肺炎病毒時，AI 還有更大的空間。
如今單靠 CT 影像識別出病毒性肺炎是哪種病毒還是非常困難的，如果 AI 能夠在這方面有所建樹，將是很大突破，但這非常難。
③疫情初期，盡管有不少新冠肺炎疑似 CT 數據，但缺乏有效標注。CT 照片看似海量，但對于 AI 來說，仍顯不夠，要想讓 AI 越來越聰明，需要“投喂”大量數據。
但在醫療場景中，無論總患病人數多龐大，都很難在某一個醫院獲得大量的數據訓練，而且病患個體差異較大，每一個人的病程、病情、疾病種類都會有所不同。
④從全國范圍來看，影像科人才資源地域性分配不均衡問題突出，基層醫療單位能否像大醫院一樣擁有 AI 醫療影像診斷的系統使用，目前還不好說。
⑤目前 AI 在神經系統影像診斷方面，仍完全依賴于數據真實性和質量的支撐，在缺乏大數據支持的疑難病、罕見病診斷領域，AI 和專業醫生之間仍存在差距。
AI 醫療行業的商業開展
自 2013 年到 2017 年，中國醫療人工智能行業共獲得 241 筆融資。其中，2017 年國內醫療人工智能行業公布的融資事件近 30 起，融資總額超過 18 億元。
而到了 2018 年，資本對于醫療人工智能市場的熱情依舊不減，僅 2018 上半年就有 18 家公司獲投，總金額超過 31 億元。截至 2018 年 6 月，中國共有 89 家醫療人工智能創業企業獲得投資，總金額約 219.38 億元。
目前中國大多數初創企業以輔助診斷為主要業務，而具體業務又以影像學、智能輔助診斷系統和語音識別為主，涵蓋的疾病較廣，但多偏重于基于圖像識別的影像學、病理圖片識別的疾病，如肺癌、宮頸癌等。
不過雖然資本的熱情將醫療人工智能初創企業推上風口，但對于創業公司來說，如何實現商業化是一個巨大的難題。與此同時，同行的競爭及巨頭吞并也給這些企業帶來一定的困難。
AI 在醫療領域最大的問題可能是沒有一個非常好的商業模式落地，或者沒有形成真正的閉環，實現自我的造血能力。主要原因是可能還沒有找到特別好應用，目前都在不斷的試錯階段。
AI 影像的終點在基層
三甲醫院是醫學影像 AI 的主要陣地。大型醫院人滿為患，醫生分身乏術。AI 的出現能夠緩解醫生工作壓力，讓醫生能夠騰出時間思考更高技術水平的問題，讓醫生回歸醫療本身。
AI 現階段的角色主要是輔助工具，在少數醫療診斷過程中有明顯作用。此外，AI 不應停留在大型醫院，基層醫院也需要 AI 的助力。無論是 AI 軟件或系統設備，在基層都大有可為。
對于基層醫療機構來說，醫療資源不足，基層醫生因為沒有機會接觸、學習大量的不同病例，所以缺乏相應的閱片經驗。AI 便能輔助基層醫生做出診斷。
大醫院和基層醫院都需要 AI，只是需求不同。隨著技術的發展，AI 在基層會呈現出更大的社會價值和商業價值。
一項新的醫療技術往往是從高級往低級傳遞，AI 技術在大醫院進行打磨、試點、成熟，被認可后下沉到基層醫院，這一發展路徑與其他行業的 AI 技術有所不同。
海外會成為醫療 AI 的未來主市場
目前，我國疫情已進入收尾階段，防疫重點也是防止輸入性感染，國門之外，新冠肺炎患者數量急劇上升。在此情況下，AI 企業也順勢走出了國門，拓展海外市場。
目前海外國家推崇的是核酸檢測，而我國關注的是核酸檢測與影像學針對的結合。
中國醫療 AI 企業的命運，就是要實現出海，哪怕是被海外領先企業“吃掉”，也要把自己放在全球的格局中去競爭。中國醫療 AI 企業的競爭對手就應該來自于海外市場。
實際上，美國、以色列、印度都是強大的競爭對手。美國的優勢在于商業化路徑非常通暢。
醫療行業體量龐大，社會對創新技術的落地和收費持鼓勵態度。如以色列等國，會有政府牽頭，幫助企業獲得科研數據，保證其產品的準確性，從而走出國門，去國際市場分一杯羹。
結尾
隨著人工智能技術逐步走向成熟，一個萬億級的人工智能大健康產業呼之欲出。
向治療領域的縱向延伸，是人工智能的一大趨勢，當前人工智能技術的運用還有相當長的研究路徑要走，只有從醫學輔助進入影響治療決策的階段，才能說明“AI+醫療”真正走向成熟。