时至今日，人工智能的发展呈现全面开花的形态，在各行各业都有渗透，而医疗垂直领域相较于自动驾驶、智能广告，智能家居等，发展还处于初级阶段，并不十分成熟。但是这并不表示医疗行业对人工智能的实际需求低，相较于其他行业对AI的实际需求来讲恰恰是只多不少。
从医疗基础设施来说， 随着低剂量螺旋CT、核磁共振等技术的发展和推广，影像检查正变得更为安全、高效、准确，也更广泛地应用于定期体检和疾病诊断之中。仅2016年，全球诊断成像设备市场价值就高达227亿美元，增长率为2%。海量的医疗影像数据在帮助诊断之余，也让影像科医生的负担日益加重。深度学习AI算法的用武之地正在于此。
计算机辅助诊疗技术(Computer Aided Diagnosis: CAD)借助机器视觉算法，对医疗影像进行自动分析，帮助医生锁定病灶，提供诊断建议和依据。传统上，基于人工设计规则的算法在功能、准确度和速度上均有较多局限。深度学习算法的引入，让CAD的应用场景大大扩展。从早期癌症筛查到心血管异常，从神经疾病诊断到骨骼肌肉损伤，CAD系统的AI化浪潮已是如火如荼。
电子病历的设计本来是为了实现高效诊疗和数据共享，但实际操作中仍然需要耗费大量的时间录入病例。据调查显示，50%以上的住院医生每天用于写病历的平均时间达到4小时以上;据美国医学会(AMA)统计，医生职业生涯约15%~20%的时间用在病历书写等文档工作上。这一痛点对应的主要解决方案为语音录入。
国家和行业越来越重视科技， AI则是整个科技版图里比较重要的一个模块。AI技术成熟度越来越高，底层技术会发展的越来越快。时至今日，智慧医疗最大的突破，仍然主要限于基于计算机视觉技术的医疗影像辅助诊断和语音录入之上。AI，距离完全取代医生，可能还差了一个比邻星到地球的距离。
曾经做过一项调查， 2013年时，一家企业当时某项AI识别的准确性为87%。2016年时再做追踪，准确性提升到89%。技术确实在成长，但成长速度并没有我们想象的那么快。假如基于这89%的准确性推出一款产品，相信没有任何三甲医院愿意采用。所以说只要人工智能一天达不到100%准确，安全性就是智慧医疗发展中绕不过去的阻碍。
就算人工智能的准确性完全达标，无缝嵌入临床诊疗流程仍旧是个大难题。临床是一个超级庞大的系统工程，但由于安全性是医疗的第一要素，嵌入人工智能后新的规范和流程必须要在反复验证之后才可以被实施。而机器往往既达不到这样的系统鲁棒性，也无法做到与既有人工流程的完美耦合。
除此之外，商业模式问题也不容小觑。发展格局未定型，国内做医疗大数据、医疗AI的，普遍还发展缓慢，就是因为产业下游缺少了成熟的商业医保和药企作为最终的买方。没有商业医保的强烈控费诉求，以及药企的强烈研发需求，数据的作用会大为减弱。中国的商业医保和药企，基本只有一个诉求：卖的越多越好，至于准不准、精不精、科学不科学，是他们不关心也没有能力关心的问题。而数据和AI的威力就在于后者。
总体看，医疗行业对人工智能是有需要的，但基于医疗行业的保守性、中国文化的独特性、AI当前的成熟度以及智慧医疗企业的竞争格局，行业前景并不只有光明和美好。
