目前的AI计算机视觉技术可以帮助医生提前在肺癌、甲状腺结节等疾病的影像筛查环节发现可疑之处，提早发现问题可以降低发病率和死亡率。

    事实上，人工智能技术在辅助诊疗方面已经有所落地。日前，在国内首个AI 医疗“智慧医院”安徽省立医院看到，AI医学影像辅助诊断系统已经可以实现胸部CT和乳腺钼靶影像的智能辅助诊断及辅检服务。上述AI医学影像辅助诊断系统由该院与科大讯飞合作研发，于2016年6月开始学习和应用。一年来，该系统通过学习68万张肺部CT影像资料，已在该院CT室辅助医生诊断了约11000人次的CT影像资料，诊断准确率达94%。

    除了计算机视觉能力，医生与人工智能系统的语音交互也是AI医疗的实践中一个重要内容。据许戈良介绍，人工智能语音技术已在医护查房、超声检查等多个场景中得以使用，该院医生使用的“云医声”手机App，不仅可以语音输入查房记录，还可追踪患者的病案信息。

    依托大数据的积累，AI 医疗能在医疗影像、用药方案、医疗数据、虚拟病人等方面发挥重要作用，比如模拟真实病人供医生学习治疗方法和疗效。“这是全新的高科技培训系统，而不是像过去一样的答题系统。”不过，在医疗行业，AI是医疗服务的一个发展方向，但不论怎样，技术都不是要代替医生，而是把专家、医生的意见和经验总结起来，提升效率。

    AI 医疗已经成为人工智能落地应用的又一个风口，医疗服务的智能需求一直存在，但今天AI 医疗成为风口，主要还是因为医疗数据的采集、存储、处理能力发展到了一定阶段。不过，更完善的医疗数据获取和利用并非一帆风顺，不少医疗机构和医药公司在探索AI 医疗的过程中都走过一些弯路。

    目前，AI 医疗最大的问题在于数据的来源和质量，因为中国的医疗数据在医院和医院之间，医院和家庭之间往往存在信息孤岛，即使在同一个医院内部，要提取和利用数据还是涉及很多手工操作。除了来源、获取和利用方式以外，医疗数据的监管也是未来AI 医疗发展中的一大隐忧。我国对医疗卫生数据的采集、利用尚未形成系统化法规要求，而此类数据往往又含有许多个人隐私。

    在我国，基层医疗机构是医疗体系的末梢神经，而硬件设施、人才缺失则是长期存在的难题。因此导致许多病患对基层医疗的水平和能力不够信任，更喜欢选择“更靠谱”的大医院、上级医院，分级诊疗制度在许多地方也并未完整落实。在医疗资源不平衡的情况下，AI 医疗能否在新一轮医疗制度改革中发挥更大作用，可能还在于能否帮助提升“神经末梢”的质量。AI 医疗的应用如何具体帮助基层医院、提升医生水平尤为重要。“怎么把大量历史的数据，专家的知识，变成成熟的产品，去帮助基层的医生，帮助医联体中的下级医院，这是全行业的挑战。”