要說未來人類最擔心的一個威脅，“人工智能將取代人類”成為了一個必選項。

即使有被替代的危機感，然而人工智能作為全球醫療領域發展的突破口依然被寄予了厚望。目前，人工智能在醫療健康領域中的應用已非常廣泛，包括語音識別、醫學影像、藥物挖掘研發、營養學、生物技術、醫院管理、健康管理、精神健康、可穿戴設備、病理學等多個領域。

相關統計數據顯示，預計到2025年，人工智能應用市場總值將達到1270億美元。其中，醫療行業將占市場規模的五分之一，而我國正處于醫療人工智能的風口：2016年中國人工智能+醫療市場規模達到96.61億元，增長37.9%;2017年超130億元，增長40.7%;2018年則有望達到200億元，醫療人工智能的中國時代已經到來。

而作為與醫療人工智能發展緊密相關的三方：政府職能部門監管層、資本市場、醫生如何看待AI時代。

監管層看醫療AI：大數據是制高點大數據作為醫療人工智能的發展基石，且應用場景價值高，已成為全球的關注焦點，據了解，從2012年至2017年，美國、英國、法國、日本、澳大利亞等主要發達國家都相繼出臺了若干大數據的發展規劃，以此催化了大數據產業的快速發展，而我國對于大數據的發展則是在不斷探索中循序漸進。

國家衛生健康委統計信息中心副主任周恭偉于日前在廣州舉行的“醫療AI推動產業變革圓桌論壇”上表示：2014年，大數據被首次寫入政府工作報告;2015，頂層設計啟動了國家級的大數據整體政策編制與產業框架規劃;2016年，是大數據相關政策的細化之年，在這一年，包括原衛計委在內的多個國家職能部門相繼出臺了關于大數據的發展意見和方案，其中，國務院辦公廳頒發的《關于促進和規范健康醫療大數據應用發展的指導意見》，該意見對于我國醫療大數據的應用發展帶來了重要影響;2017年，是大數據產業的孵化之年，大數據開始從理論研究進入應用階段，并向細分領域延伸;2018年，則是大數據的標準化之年。因為在這一年，中國電子技術標準化研究院與全國信息技術標準化技術委員會大數據標準工作組聯合發布了《大數據標準化白皮書》。

“國家監管層在醫療大數據發展的規劃方面，朝向是非常明確的，核心主要圍繞三大任務”周恭偉說道：“一是要加強立標立規，完善頂層設計，這是健康醫療大數據信息化建設的前提條件;二是要加強相關信息標準規范和標準化成熟度的測評;三是推進互聯互通，破除信息孤島。”

而在醫療大數據的布局應用方面，原國家衛計委按照“1+5+X”的總體規劃，先后確定了福建、江蘇、山東、安徽和貴州為五大區域數據中心試點省份，并推動組建五大集團公司擔任健康醫療大數據建設國家隊，承接數據中心和產業園建設。

大數據的快速發展隨之帶來的另外一個繞不開的話題：安全性和隱私性，北京大學法學院教授孫東東表示：由于醫療行業數據呈幾何級數激增，市場規模不斷擴大，數據安全不容忽視，對于醫療大數據行業的法律監管需要引起行業重視。

中國科學院院士、阜外醫院副院長顧東風也指出：患者要有安全意識，做好隱私保護，在應用推廣大數據時應該隱去個人特征如姓名、住址等信息，而包括騰訊和零氪科技等公司就非常重視個人隱私信息保護，除了醫療機構或企業要有安全防范意識外，相關法律方面也要進一步完善。“

零氪科技CEO張天澤對醫谷坦陳：企業作為醫療大數據的采集方，大數據的安全性和隱私性絕不容忽視，而零氪科技主要從三個方面來實現：特殊的技術處理、嚴格遵守的法律監管、倫理道德的依從。

資本市場看醫療AI：傾斜獨、角、獸根據前瞻產業研究院發布的《2018-2023年中國醫療人工智能行業市場前景預測與投資戰略規劃分析報告》數據統計：國內目前為止已有公開披露的醫療人工在智能企業融資事件有93筆，其中有57筆明確公布了融資金額。從時間上來看，2014-2016年融資數量有了明顯的上升，而且增長速度很快，資本的活躍度逐年走高。從融資額度的角度來看，增長趨勢更加明顯，千萬級和億級的融資事件占到了65%以上。

在多個領域的資本市場已逐步邁入寒冬期的時候，醫療人工智能的資本春天才剛剛開始，究竟什么樣的醫療人工智能企業才能得到投融資機構的青睞?

在“醫療AI推動產業變革圓桌論壇”上，長嶺資本合伙人蔣曉冬指出：資本市場向來比較關注獨角獸類的企業，這里說的獨角獸遠遠不止于從估值額來看，而關鍵還是在三個字，獨、角、獸，所謂‘獨’，是指企業有自己獨特的地方;而‘角’，指的是企業有自己的競爭優勢，且這個競爭優勢不斷被加強且不能被替代的;獸就是獸性，也就是國人常常講的狼性。只有團隊有狼性，企業才能夠在白熱化的市場競爭當中迅速脫穎而出。

“國內較早一批探索醫療大數據應用的企業——零氪科技就是這樣的公司，其發展路徑與美國Flatiron Health有著相同之處，在長線布局智能化臨床輔助解決方案的同時，在2017年開始向AI領域拓展，同時，它的獨特性還在于整個團隊從成立伊始就是一個跨學科的團隊，分別來自醫學、科研、技術、產業服務等領域，這在早期的創業公司里面是不多見的。”蔣曉冬表示。

“作為醫療大數據在臨床實踐‘拓荒者’，零氪嘗試從醫療實踐中存在的”病例量大、病歷非結構化、隨訪困難、行業無標準、數據隱私和安全這五大問題去突圍，在中國的醫療環境下，‘獲取結構化且高質量的數據’是最難的事情之一。而腫瘤數據的收集、分析、處理的難度又是所有疾病中最復雜的之一。”蔣曉冬說，“零氪科技從最開始便選擇了做‘最難’的事情，這使其擁有了很高的壁壘，而壁壘也是我們資本市場對創業項目判斷的重要標尺之一。”

日前，醫谷從零氪科技方面獲悉，其已完成10億人民幣D輪融資，全球最大的主權財富基金之一“中國投資有限責任公司”是這一輪非常重要的投資者，此輪融資后，零氪科技成為醫療大數據和人工智能領域第一個獨角獸企業，就在上個月，零氪科技還迎來了中共中央政治局常委、國務院副總理韓正的實地考察和點贊。

醫生看醫療AI：符合臨床應用場景是關鍵現在的人工智能產品，尤其是在醫學影像方面，已經有一些自動識別、信息提取功能，可以提取一些人眼難以分辨出來的東西，雖不能完全代替醫生，但有的已能提供一些醫生難以察覺的輔助信息。

由此，醫生作為醫療人工智能的最切身體驗者，什么樣的AI產品才符合他們的預期和設想，上海長征醫院影像醫學與核醫學科主任劉士遠表示：以目前人工智能應用最多的影像領域為例，人工智能要形成一個結構化的報告，必須要符合醫院的臨床應用場景，同時能夠提高工作效率和診斷率，敏感性和特異性高，且人機交互體驗良好，這樣的AI產品才是受醫生歡迎的，比如目前做的最多也相較成熟的肺結節診斷，人工智能不僅可以降低漏報率，還可以識別多種肺部結節，包括磨玻璃結節、血管旁小結節、微小結節、多發小結節等比較難判定的結節。”

不過，醫療人工智能產品在臨床中的表現也并不是那么盡如人意，還是以醫學影像為例，從臨床研究來看，目前醫學影像的人工智能產品還存在著解釋性差的問題，即輸入的數據與輸出的結果存在相關性但卻不能用因果邏輯來解釋。

張天澤表示，對醫療領域人工智能解釋性差的問題，目前業內通常采用兩種解決思路：一是引入醫學專家對相關性的因果關系做進一步分析研究，賦予醫療人工智能產品醫學基因，相當于對人工智能輸出的結果的因果關系提出假說，由臨床專家和技術公司一同找出邏輯關系。二是引入大量真實的臨床案例，并利用這些案例對結果進行解釋，從而提供解釋，讓醫生在使用產品的過程中找到成功治療案例的感覺。不過，這種感性的解釋也對人工智能技術公司提出了掌握的具體案例要具有可重復性和學科前沿性的要求。

同時，張天澤還指出：由于醫療機構數據的結構化相對不高，導致用于訓練AI算法的精準標記過的高質量醫療數據較為稀缺，很多情況下AI算法用特定數據集訓練完成后，對是否適用于其他數據來源的診斷還需驗證，理論上，不斷的積累數據，算法會愈加精準，但在實踐中，還需要考慮更多的問題。

對于該觀點，劉士遠表示贊成：“目前進入醫院的AI產品同質化嚴重，數據普適性是個大問題，比如在醫院檢查的A數據是否適用于B醫院的檢查，用于AI訓練的數據庫缺乏且不規范，因此，雖然目前進入醫療AI的企業比較多，也嘗試做了多樣化的產品，但截至到目前為止，還未有一個產品能真正落地醫院，完全符合醫院的臨床應用場景，現階段進入醫院的很多AI產品都僅僅還停留在科研合作或者試驗階段，要突破這一短板，還需要國家監管層、科學家、人工智能企業等幾方合力來解決。”