人工智能和大数据正在以比其他任何科技更快的速度改变着现代医疗健康，随之而来的机遇是前所未有的。然而，在我们可以充分利用这项技术带来的机会(如改善癌症诊断和降低药物开发风险)之前，还有一些关键的挑战需要克服，如病人的隐私顾虑和一些人不愿意采用新技术。
广东医谷与广州健谈会、广州市国际投资促进中心、越秀产业基金共同举办的 “AI在医疗健康领域应用中的机遇与挑战”专题讨论会于2018年8月8日下午在广州银行大厦7楼召开，来自中山大学、越秀产业基金和Airdoc的代表分享人工智能在医疗行业的挑战和机遇。
Airdoc商务与市场副总裁张京雷、中山大学中山眼科中心眼科医生吴晓航博士、迈格生命科技CEO吕海岩、腾讯医疗健康事业部首席医学顾问杨昊臻等嘉宾就人工智能影像诊断展开了讨论。
医疗人工智能发展
有人说，未来是人工智能时代，人工智能的每一步发展都吸引着全世界的关注。这一个已诞生61年的概念，正在互联网和大数据的推动下，深刻改变人们的日常生活。
未来万物互连，必将产生大量的数据，它是一项财富。因此数据的计算，分析及运用是总的趋势，所以人类无法推开AI技术，而是必须要亲近它，利用它。
基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，金融、医疗、汽车、零售等数据基础较好的行业方向应用场景在不断被探索。
2017年7月8日国务院印发并实施《新一代人工智能发展规划》是为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系成为了国家战略。
为什么是医学影像
深度学习(Deep Learning)，这是一个在近几年火遍各个领域的词汇，似乎所有的算法只要跟它扯上关系，瞬间就显得高大上起来。但其实，从2006年Hinton在Science上的论文算起，也只有十几年。
在这短短十几年时间里，深度学习颠覆了语音识别、图像分类、文本理解等众多领域的算法设计思路，渐渐形成了一种从训练数据出发，经过一个端到端(end-to-end)的模型，然后直接输出得到最终结果的一种新模式。
而X射线被发现以来被广泛应用在医疗领域，如今已经成为医生诊断疾病的一个重要的方式。
相比其他领域，在医疗中影像的应用更加纯粹，干扰相对更少，并且可以可以发挥更重要的作用，因此医疗被认为是人工智能最早落地的领域，而在国内影像智能识别更是开始临床应用。
横跨科室，助力基层医生
我国医疗资源的配置在地区间、医院间存在巨大的不平衡。减少和消除这些不平衡是政府、社会及相关机构及医改的重要目标。
分级诊疗制度的提出，是提高医疗整体效益、解决看病贵就医难问题的一个重要举措。当前，不少地区已经深入探索分级诊疗制度的应用，逐步形成了“基层首诊、双向转诊、上下联动”的分级诊疗模式。
今年，国务院办公厅印发《关于改革完善全科医生培养与使用激励机制的意见》。到2020年，城乡每万名居民拥有2—3名合格的全科医生。到2030年，城乡每万名居民拥有5名合格的全科医生，全科医生队伍基本满足健康中国建设需求。人工智能技术的快速发展，为实现这个目标提供了一个有力的工具。
张京雷表示，如何不断开拓新的应用场景，最终实现“弯道超车”，于医疗企业而言仍有很长的路要走，而基层是人工智能可持续的应用场景。
国家卫生计生委的一项调查显示，我国居民具备健康素养的总体水平为6.84%，其中慢性病预防素养最低，仅为4.66%。张京雷认为，针对国内慢性病的治疗与预防，正是目前医疗价值链不完善的一环。
Airdoc产品在中国已经陆续应用在社区、医院、工厂、办公室和体检中心等地，给中老年人、慢病患者、白领员工和工厂工人等各种各样的人群做慢病筛查。
在广州，Airdoc和越秀区CDC以及中山眼科中心展开合作，让“AI医生”进社区，通过视网膜影像完成慢性病的识别，将会把AI医生覆盖广东65家基层医疗机构，提供20多种眼科常见病的筛查和诊治工作。到2020年，医疗健康人工智能技术要基本覆盖县医院、乡镇卫生院和社区卫生服务中心。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
