醫療健康是我國大力支持人工智能應用落地的四大產業之一。近年來，國家也出臺了多項政策文件推動醫院病歷電子化、數字化以及人工智能的落地，分級診療制度在逐步建立，在我國面臨醫療資源供給不足、分布嚴重不均衡的背景下，人工智能在醫療健康各細分領域紛紛落地，覆蓋全產業鏈各應用場景。人工智能醫療企業的產品和服務帶來行業的降本增效，在醫學影像分析、疾病風險預測等領域相對成熟，賽道逐漸擁擠競爭激烈進入紅海戰役。

　　醫療人工智能會在云計算、AI芯片、大數據、深度學習、類腦智能等基礎上，用于臨床輔助決策、影像識別、病理輔助診斷、個人健康管理、基因測序、新藥研發等。

　　醫療健康終端正在從專業領域向大眾領域擴展，應用范圍從醫院、體檢機構到社區、家庭再到個體，產品也已開始從專業醫療檢測設備到家用、社區醫療檢測終端再發展到可穿戴醫療健康設備。而且，目前的三大關鍵技術使得智能終端為用戶實現了定制化的數據采集傳輸，分別為：一、高性能高可靠生物體征感知技術，包括智能傳感、識別、算法等；二、低功耗輕量級底層軟硬件技術，包括低功耗芯片、操作系統、應用開發工具等；三、低功耗廣域智能物聯技術，包括物聯解決方案、芯片等。

　　目前，國家正在提倡分級診療，而基層首診是分級診療制度的重要基礎，分級診療需要基層醫療機構做好 “守門人” 和 “健康管理者”。這里說的基層主要是指醫療服務能力比較薄弱的地方，比如說具備“老三件”、簡單生化儀器的社區衛生服務中心或村衛生室等。

　　值得注意的是，雖然智慧醫療在基層的推廣和普及，可能是一種“攪局式”創新，但是這些技術創新有助于推動原來需要專家才能做到的診斷、治療，讓基層醫生在缺乏高端儀器設備的情況下，也能為患者提供初步的診治工作。

　　其次，從技術應用來看，比較常見并且高效運轉的智慧醫療，主要是自然語言處理類輔助診斷系統和醫學影像識別類輔助診斷系統兩個細分領域。實際上，醫療人工智能作為一種提高效率的工具，目前已經覆蓋了醫療產業鏈條上的醫療、醫藥、醫保、醫院四大環節，主要應用于醫學影像、虛擬助手、藥物發現、醫院管理、健康管理、疾病預測、精準治療以及輔助診療等方面。

　　眾所周知，目前國內面臨優質醫療資源的供需不平衡，醫生培養周期長，疾病譜變化快，技術日新月異，人口老齡化加劇，慢性疾病增長等問題待解決。公開數據顯示，全球醫療行業，平均每萬人擁有醫生14人，在中國這一數字也是14人，美國在27人左右。隨著人們對健康重視程度提高，大量需求催生了醫療AI的快速發展。

　　不同領域的人才之間的交流還是會存在比較大的困難，一個領域的專業人才去了解另外一個自己不熟悉的領域，其困難也是顯而易見的。因此，復合型人才在智慧醫療行業尤為重要，如果讓越多具備醫學知識和AI知識的復合型人才加入，必然對AI醫療的發展起到事半功倍的效果。

　　總的來說，我國在人工智慧醫療方面仍有很大的進步空間，絕大多數的產品都還沒到商業化階段。對于那些掌握人工智能技術的計算機專家和技術的公司來說，AI+醫療就是興奮劑，但依然存在諸多需要突破的壁壘。毋庸置疑的是，只有那些真正有實力的公司，才能在大浪淘沙的競爭中留存下來。隨著AI+醫療的進一步融合、深入，政策和資金層面的大規模投入，AI輔助技術也在多個醫療細分領域提供了幫助。未來，基于大數據的深度學習將改變醫療行業，對疾病提供更快速、準確的診斷和治療，將變得不再可怕。