编者注：观点虽然有些悲观，但从应用场景和落地模式的角度阐述了目前人工智能在医疗上应用的关键问题，值得参考。
"医疗人工智能主要不是个技术问题。比如，用深度学习搞医疗图像的诊断、评估，在很多点上都已经开花了。例如：
就是用深度学习读乳腺癌病理切片图像，比病理学家判断的更准。类似这样的场景，在研究领域已经数不胜数。
甚至其实根本用不到深度学习。医疗AI最接近商用化的例子其实是大家跟本想不到的厂商做出来的。既不是GOOGLE这样AI功底雄厚的公司，也不是医疗软件公司。而是西门子和NEC这种传统医疗大型器械厂商。在日本，病理读片大多都需要两名医生共同完成以防止错漏，而NEC很多年前的自动读片系统就在大量的日本医院里开始应用，在很多疾病下已经做到了取代其中一名医生的角色。
医疗AI既然主要不是个技术问题，我认为就不宜过分炒作和夸大深度学习等概念在医疗上的效果。
医疗AI真正的问题是三个：
1. 无缝嵌入临床诊疗流程。临床是一个超级庞大的系统工程，而每个新组件的加入都可能会破坏既有的规范，打造出新的操作规范。但由于安全性是医疗的第一要素，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。
2. 法律和伦理问题。除非机器能做到100%准确，否则这两个就是完全绕不过去的超级阻碍。
3. （中国特色）买方问题，也就是商业模式问题。国内做医疗大数据、医疗AI的，普遍还饿着肚子，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！卖的出去就行，卖的越多越好，至于准不准、精不精、科学不科学，不是他们现在关心的问题。而数据和AI的威力就在于后者"
