Human Diagnosis Project(Human Dx)的创始人兼主席Jayanth Komarneni表示：“AI就像技术一样，既可以填补差异，也可能会加剧差异，而在加剧差异的能力方面，没有任何事物能与AI媲美。” 如今AI正走进各行各业，在基础应用和浅尝试上屡屡获赞。基于行业特殊性，AI在医疗领域的落地显得有些坎坷。主要原因是以下几点：
1.市场认知尚需过程
任何一项产生变革或颠覆性的新技术，其产生、发展和应用必然要经历一个漫长的被市场认可的过程。目前，消费者对人工智能+医疗仍处于远观和存疑的态度。普华永道2017年就人工智能+医疗的应用意愿进行了调查，有近4成的消费者不愿意接受人工智能来看病，即使对人工智能+医疗相对宽容的用户，也仅愿意用人工智能进行常规指数监测、心率监测、健身监测等非治疗环节。
2.法律伦理的挑战
人工智能的基础技术和应用仍是一个科技的黑匣子，具体计算过程是无从知晓和预测的，更无法掌控，由此带来的法律、伦理挑战是人工智能应用面临的通用性难题。同样以医疗影像为例，人工智能目前扮演的角色还主要是辅助读者，医生仍需要对影像决策负全部责任。
随着技术的不断成熟，当人工智能成为主要读者时，监管部门如何认定其资格并进行监管?2017年6月，美国食品药品监督管理局(Food and Drug Administration，简称FDA)批准了Arterys公司的产品Arterys Cardio DL可用于分析心脏核磁共振图像，这是首个被批准可应用于临床的基于云计算和深度学习的分析软件，但主要是帮助医生辅助心脏成像。而如何厘定人工智能应用于临床所需承担的法律责任，以及避免算法偏见、歧视等都是不容回避的挑战。
3.隐私安全隐患增大
人工智能时代，大数据价值加速溢出的同时，也加大了数据泄露的安全隐患，个人隐私安全面临前所未有的挑战。
2017年，安全研究机构Kromtech Security Researchers发现，一家医疗服务机构存储在亚马逊S3上的大约47GB医疗数据意外对公众开放，其中包含315363份PDF文件。据Kromtech Security Researchers估计，这些文件至少涉及15万病人，泄露的内容包括验血结果、姓名和家庭住址等个人信息，以及医生和他们的病例管理笔记等内容。
AI+医疗的商业格局
众多AI+医疗的企业在一年内出现，甭管它是中途转型加入还是新进加入还是贴概念加入，这个赛道已经变得有点拥挤。我们看到大部分企业现在的主要区别，在于针对不同的疾病影像图像展开识别，可以想象这个各个击破的过程往后发展会演变成大家彼此进入对方的领域，到最后随着技术的开源程度越来愈高，技术可能不是决胜负的真正关键，市场反而成为制约企业发展的关键。
未来AI+医疗领域有竞争力的企业会是这么两类，一是纯技术驱动型企业，掌握着一般企业克服不了的技术壁垒，能诊断某些其他企业诊断不了的疾病;一是技术整合性企业，能把这些逐步成熟起来的AI技术集大成，通过良好的市场渠道提供给医院。
