在“互联网+”的时代背景下，各行各业都在迫切的探索着革新与进步。自“十三五”规划中明确提出大健康概念后，人们对诊疗保健的需求也开始发生了质的变化，从被动、应对性的就医诊疗，逐渐转向主动、常态性的预防保健。中国作为人口大国，医疗卫生资源却仅占世界的 2%，医疗资源分配不均，城乡医疗服务水平悬殊等问题都在推动着众多医疗机构走向智能化、信息化。
去年12月，上海在全国率先发布首批10大领域、19个点位的AI应用场景需求，面向全球征集解决方案。最终有12家单位入选“上海市首批人工智能试点应用场景”，应用领域包括医疗、教育、金融等。
上海市第十人民医院放射科主任医生汤光宇说，作为一名放射科医生，他或许最能够直观地感受到人工智能技术带来的便利。“近年来肺部“结节”给放射科医生带来的压力实在太大了”，有肺结节的人实在太多，但并不是每个结节都有治疗的必要。医生每天都要耗费大量的时间在“读片”这道工序上。但是毕竟医生也是人，有时难免会在读片时产生疏漏。
AI影像辅助筛查系统很好地扮演了质控的角色。它可以不受任何客观因素，如疲劳、情绪、经验的影响，确保医师高效、准确地检出及诊断病灶。“现在我们只要按几个按钮，机器就会代替我们，把所有问题的部分读取出来”，医生要做的是在机器读片的基础上做进一步确诊。“有时候，AI也会过于敏感，‘报假警’，最终还是需要医生的鉴别来‘盖棺定论’。
虽然目前人工智能在医疗中的使用还处于辅助阶段，并未正式进入临床，但它确确实实地帮助了医生有效节省了劳动力，让医生可以把时间更有效地花在和患者沟通、了解患者的病情，从而实现更精准的治疗。
但是，仅仅依靠AI，还不足以充分发挥这些预测在医疗保健方面的作用。人类仍然必须做出可能对健康和资金产生巨大影响甚至后果的决策。由于AI系统缺乏人类的一般智力，系统的预测或许模棱两可、令人困惑。如果医生和医院毫不保留地相信AI，可能会酿成大祸。
针对这一点，微软研究院高级研究员Rich Caruana曾于去年在杂志《Engineering and Technology》上利用一个经典案例进行解释。20世纪90年代，Caruana参与了一个使用早期的机器学习形式来预测肺炎患者生存风险高低的项目研究。但是，机器学习模型在预测哮喘患者时出现了差错。该模型将这些患者视为低风险，仅需进行小型治疗而无需住院治疗（若采用人类医生诊断，一定会选择后者。）。而实际上，这些患者的生存风险很高，因为哮喘导致的呼吸困难极易引发肺炎。
2月，《Nature Medicine》杂志发表了一项由中国广州和圣地亚哥研究人员展开的研究。该研究基于超过56.7万名儿童的电子健康记录，可以诊断出许多常见的儿童疾病。
但即使数据库足够大，仍无法确保100%的准确率，特别是当研究人员尝试将算法应用于新的人群时。在上述该项研究中，参与研究的50万名患者均来自广州某医疗中心，这意味着从该数据库得到的诊断经验无法保证在其他地区的儿科诊断中适用。不同的医疗中心拥有不同特征的患者群体。例如，以心血管闻名的医院可能会吸引更多更严重的心脏病患者就诊；从一家患者大多数为华人的广州医院得到的研究成果，也不适用于一家患者大多数为非华裔外国人的上海医院。
虽然AI模型可能并不通用，但多伦多大学计算机科学家和生物医学工程师Marzyeh Ghassemi认为该技术仍值得探索。“我非常赞成将这些模型从实验室带向临床，但是必须采取非常积极的预防措施。”
