医疗资源供需不平衡既是国内医疗行业面临的突出问题

医疗领域是人工智能一个重要的应用方向，近年来人工智能在精准医疗上的应用也越来越成功，人工智能技术和精准医疗结合，可以让医生在治疗和手术中更加精准，实现重大疾病的治疗，并可以大大节省手术时间。

如今，AI转化为可实践的工具用于临床相对较少，并且有不少批评者提出AI用于实际临床的质疑。但目前已有相关RCT研究证明了AI在实际医疗环境中可产生可量化的积极影响。此外，相关临床指南的制定也为AI用于临床提供了理论支持，如SPIRIT和CONSORT 关于AI-specific部分和即将推出的 STARD-AI指南，这些均有助于医疗人工智能应用的标准化，涵盖了规范化临床试验协议和疗效判定等内容。

此外近年来，部分人工智能工具赢得了政策支持。一项2020年的研究提示，美国食品药品监督管理局(FDA)正在批准人工智能尤其是机器学习等产品的加速研发。根据FDA规定，该类这产品将获得更低要求的审批监管标准。值得注意的是，这些获得监管许可的数据集通常是由追溯性的单一机构的数据组成，这些数据大多未公开，被认为是专有的。为了建立对医学人工智能系统的信任，需要更强的报告透明度和验证标准，包括对临床结果影响的演示。

近年来，由于神经网络在图像分类中取得的显著成功，在较严重依赖图像解释的临床专业如放射学、病理学、消化病学和眼科等，医疗相关AI技术也得到了蓬勃发展。

病理学领域，AI模型能够有效地识别病理玻片中的感兴趣区域，帮助加快诊断工作流程;辨别原发性肿瘤的起源，检测病理结构变异或驱动突变;基于AI对不同肿瘤类型做出更准确的生存预测。消化病学方面，AI用于协助结肠镜检查，帮助判断病变良恶性，帮助诊断息肉和其他容易遗漏的病变，提高诊断准确性。眼科领域，通过半自动或全自动人工智能筛查帮助节省眼科普查成本，例如用于糖尿病视网膜病变的筛查。

医疗资源供需不平衡既是国内医疗行业面临的突出问题，也是智能医疗发展的主要驱动力。从需求层面来讲，人口老龄化加速、慢性疾病种类增多、居民健康意识提高等增加大量医疗需求。从供给层面来讲，优质医生和医疗资源不足、资源分配不均，难以与快速增长的医疗需求匹配。

疫情期间，人工智能、大数据等信息技术在实际应用场景中大量试水，加快人工智能技术验证进程。智能影像识别将病灶识别速度降至2～3秒，提高了医生诊疗效率。智能化人体体温测量系统分担了防疫工作压力。多人检测、无接触、多目标体温测量，异常体温筛查大幅提高了检疫工作的效率和准确性。智能语音对话机器人帮助防疫人员在线完成疫情通报、疫情调查、健康回访等多场景任务，降低了防疫人员劳动强度和感染风险。人工智能助力药物研发、疫苗研发、病毒基因测序，可将原来60分钟的新型冠状病毒基因分析时间缩短一半。

人工智能技术的快速发展为医疗行业带来新的机遇，同时也因其发展的不确定性而带来新的挑战。医疗人工智能涉及多学科，需要医工复合型、创新型人才。针对“产业”创新乏力、“学术”偏理论不落地、“医疗服务”缺乏创新技术手段的问题，需要整合优质资源，积极吸纳医疗、互联网科技企业的产业资源，吸引高校科研院所的科技研发智库，积极引入医学专家的力量，建立产学研医创新平台，开展深度交叉创新合作，加速科研成果落地。

从技术角度来看，人工智能作为新一代创新技术，可改变医疗领域的供给端，全方位、多层次改造传统医疗机构的运作方式。从市场角度来讲，人工智能技术使医疗更加高效、便捷、个性化，催生巨大增量市场。因此，智能医疗将成为医疗行业应用“新常态”，相关的科技、产品、服务将成为拉动医疗健康行业的“新基建”。