近年來，伴随着深度學習、圖片識别、語音識别和算法能力等人工智能關鍵技術的成熟，以及衆多企業對醫療AI行業的環伺和資本投入，AI正在成為全世界醫療領域技術發展和商業運營的熱點。
市場研究機構麥肯錫的報告顯示：2016年，企業在人工智能上的投資為260億~390億美元，預計到2025年，人工智能應用市場總值将達到1270億美元，其中醫療行業将占到五分之一的市場規模。
因此，全球各國都在加緊布局醫療AI的發展，中國也不例外。雖然近幾年來中國在這一領域表現不俗，但整體發展水平與發達國家相比，仍存不小差距。
源起英美
對于醫療人工智能的探索，最早可追溯到上世紀70年代。
1972年，英國利茲大學研發出了AAPHelp，這是目前已知最早的醫療AI系統，比中國最早的醫學系統還早6年。這個系統主要針對腹部疾病進行輔助診療和相關手術操作，但不成熟。
1974年，匹茲堡大學研發出用于内科疾病輔助診療的INTERNISTI；1976年，由斯坦福大學研發的MYCIN問世，主要用于輔助診斷感染性疾病。當時，引發關注的還有羅格斯大學研發的CASNET/Glaucoma，麻省理工學院研發的PIP、ABEL等。
到了上世紀八九十年代，醫療AI商業化應用雛形開始出現。
當時，美國麻省總醫院發起名為DxPlan的醫療AI項目，涵蓋了内科多種疾病類型，并能夠依據臨床表征提供輔助診斷方案。1990年，美國加利福尼亞州大學聖疊戈分校的威廉巴克斯特醫生在其公開發表文章中第一次提出了“電腦可能比醫生做得更好”的論點。
1997年，美國IntuitiveSurgical公司成功研發出達芬奇機器人手術系統，并在2000年獲得了美國食品藥品監督管理局（以下簡稱FDA）批準，開始應用于臨床。該外科手術系統經過不斷完善，時至今日，已成為世界上應用最廣泛、最先進的機器人外科手術系統。
步入21世紀，圖像識别、語音識别等人工智能技術的進步引人關注。
2006年，加拿大多倫多大學的教授傑弗裡•辛頓首次提出“深度學習”概念，掀起了一陣關于神經網絡研究和應用的熱潮。2013年，“深度學習”開始從學術課題研究變為備受醫療巨頭青睐的技術核心，并漸趨成為現實的應用場景。
此後，醫療AI技術和應用場景開始在其他發達國家開枝散葉。如2015年日本SoftBank公司研發出了情感機器人Pepper，2016年德國研發出了能感知疼痛的人工神經系統。
醫療AI界的“老大哥”
不可否認，中國的醫療AI近幾年發展迅速，但相比之下，發達國家的醫療AI依舊處于領先地位。目前，中國在這一領域還是追趕者。
比如在應用場景方面，發達國家的醫療AI産品均衡且廣泛地布局在醫療影像、醫療器械、健康管理、營養學、人臉和情緒識别、藥物挖掘等領域。
全球領先的醫療科技公司Medtronic，其醫療器械已能夠優化患者治療效果，為慢性病患者提供終身的治療方案；德國的Nuritas生物科技公司通過将人工智能與基因學結合，對人體的健康要素進行監測和記錄，通過分析得出更加準确和有效的健康管理計劃。
美國的IBM公司更是早已在醫療領域開展“大膽豪賭”。2007年，IBM的醫療AI産品Watson問世，開展深度學習醫學專業知識、識别醫學影像、臨床診療和個性化治療等多項工作。
2015年，Watson僅用10分鐘就為一名女性診斷出罕見白血病，并提供了适當的治療方案。目前，Watson已經成為IBM最成熟的AI應用案例。
而在具體準入管理方面，2016年，FDA頒布三條法律：包括規範低風險大衆健康産品、支持醫療器械監管決策和醫療設備準入臨床實驗的适應性設計。這三條法律如今成為了醫療AI創新發展的建設性框架。
2017年，FDA正式授權巴庫拉•帕特爾專員組建了一個針對數字化醫療和人工智能技術審批的新部門，以便更規範地審核不斷湧入FDA大門的各種醫療人工智能産品。
FDA掌門人斯科特•戈特利布在2018HealthDatapalooza大會上說，“我們正在通過新的預先認證項目，在上市之前拓展醫療設備等數字健康工具的安全審查新模式，這是一種新審查途徑。”
相較之下，中國的醫療AI則分布不均衡，目前基本集中于醫療影像領域。更為關鍵的是，中國目前還沒有專門針對數字化醫療和人工智能技術審評的管理部門。
AI不能解決所有問題
“雖然機器能夠在有效的時間内學習複雜解決方案，但真正能夠解決每項挑戰、無所不能的人工智能還不存在，且短時間内不會出現。”美國DigitalReasoning認知計算公司保健研究主任保羅•克拉克曾在一次演講中說。
事實上，IBM的醫療AI“賭局”結果總體上并不樂觀，“原因是選擇太大，目标預計太高。目前的人工智能技術發展水平隻可以幫助解決醫療中難纏的細節問題，比如在複雜的數據庫中找出需要的數據等精細任務。”保羅•克拉克解釋道。
數據的總量和質量是Watson面臨的又一問題，也是全球醫療人工智能面臨的難題。
早在1996年，美國就頒布了《健康保險攜帶和責任法案》，規定建立電子醫療交易保障監督制度，以最大限度地保護醫療信息安全和隐私。随後，美國還相繼頒布了《個人可識别健康信息的隐私标準》《移動醫療應用程序指南》等應對互聯網浪潮的更加全面的規定。
英國對醫療數據也有嚴格的制度保護。2016年，英國倫敦皇家自由醫院在沒有充分保護患者隐私和沒有确保數據來源正當性的前提下，将約160萬名患者的數據交給“深度思維”公司開展醫學研究，被英國信息委員會勒令限期整改。
盡管目前中國關于醫療數據和信息隐私問題的政策性保護尚不明朗，但保護患者隐私和數據安全是各個醫院使用AI産品時會首先考慮的問題。
法律和政策的限制，使研發企業或機構難以快速地獲取海量臨床數據。谷歌耗時1萬個小時，通過标注對話訓練出的“逆天”研究——大神經網絡，就現階段的數據總量而言，仍然遠遠不夠。
此外，有學者對加州大學舊金山醫療中心電子病案系統文本進行分析，得出“高達80%的文本型錄入有複制和粘貼他人記錄的嫌疑”這一結論。數據存在質量問題，最終可能導緻臨床誤診，更嚴重的還會引發權責糾紛。