在數據、人才和技術這三座大山的壓制下，AI醫療的發展并非想象中樂觀，其盈利還是存在問題。與人工智能醫療相關的公司要想在AI醫療上實現盈利，必然要攻破數據、人才和技術三大難題，才有可能使更多的AI醫療產品實現真正的落地，從而解決AI醫療難盈利的問題。

　　近年來，AI驚動了各個領域，成為一種新的趨勢，而且AI的東風早已吹到了醫療領域。

　　如今，AI醫療賽道上玩家眾多，很多互聯網巨頭早已紛紛布局了AI醫療。譬如，騰訊推出了AI醫療產品“騰訊覓影”；阿里健康與萬里云聯合推出了醫療AI產品“Doctor You”；科大訊飛推出了“三品一臺”——智醫助理、影像輔助診斷系統、語音電子病歷產品以及人工智能輔助診療平臺。

　　那現在為何有如此多的AI醫療產品涌現在人們眼前呢？而這都要源于優質醫療資源的供需不平衡和人口老齡化，以及醫生培養的周期長、誤診率高等這些因素，才引發了AI風吹向醫療。雖然AI醫療風頭正勁，但是極少有AI醫療產品能夠實現真正的落地。就目前來看，AI醫療仍然存在諸多需要突破的壁壘。

　　一、AI醫療的關隘：數據難題

　　醫療健康作為關乎民生的事業，其數據的重要性不言而喻。

　　根據IDC Digital的預測，截至2020年醫療數據量將達到40萬億GB，是2010年的30倍。但是，即使醫療數據量巨大，而其中80%左右的數據都是非結構化，這樣也發揮不了“大數據”的價值。以下，筆者主要從兩個方面來解釋為什么數據量大不能轉化成大數據的這一情況。

　　一方面，數字化醫療數據難以獲取。目前國家乃至全世界都推行使用電子病例，目的就是將醫療數據信息化、結構化，以便于智能醫療的發展。然而中國大部分患者的數字化病例資料都是不完全的，這就對醫療數據的數字化整合帶來一定的難度，那么企業獲取優質醫療數據的難度也隨之增加。據搜狐網報道，在大醫院，滿足要求的病例數據可能只有10%～20%，而在次級醫院，這個比例僅僅只有1%。

　　而目前，很多AI醫療公司正處于通過醫院“科研合作”免費試用的方式來獲取有限的、優質的數據階段。譬如，科大訊飛智慧醫療事業部總經理陶曉東曾表示科大訊飛跟醫院合作，這才使得它旗下的AI醫療產品能夠獲取一手的醫療數據。這也就說明，企業獲取優質醫療數據的渠道也是有限的。

　　另一方面，醫療數據的錄入欠缺標準。不同的醫療機構或者企業，它們的數據錄入標準是不一樣的，而單個醫療機構或者企業積累的數據難以訓練出有效的深度學習模型。因此，在不同醫療機構或者企業合作時，容易因標準不一導致優質的醫療數據丟失。

　　據羿戓信息所了解，，廣州金域醫學檢驗集團股份有限公司首席科學官于世輝曾說，人工智能做膜性腎病的研究學習需要陽性標本一萬多例，而廣東一家著名的醫科大學專業團隊積累多年才有兩千多份標本，金域醫學雖有兩萬多份標本，但想要合作就要把每一個標本重新標注，讓機器在同樣一個疾病分類標準下深度學習。而我國有很多腎臟病分類體系，標準不統一會導致大量優質數據無法為醫療人工智能的發展服務。

　　可以說，AI醫療是基于大數據來發展的，而其要想為醫生輔助診斷疾病提供最好的支持，首先必須要解決數據的難題。

　　二、AI醫療的發展亟需復合型人才

　　據光明網報道，根據業內統計，目前我國人工智能行業的從業人員不足5萬人，每年通過高校培養出來的技術人員也不足2000人，而在人工智能行業從業者中，我國擁有10年以上工作經驗的人才占比不到25%。

　　而且，據動脈網統計發現，在47名醫療人工智能創業公司的CTO或者首席科學家中，與醫學專業相關的人才僅有7人，占比14.9%。可以見得，在人工智能人才短缺的大背景下，醫療人工智能的復合型人才更是短缺。

　　據了解，醫渡云是一家以數據智能驅動醫療創新解決方案的醫療人工智能技術公司。筆者在醫渡云的官網上了解到其團隊構成，其中，大數據醫學團隊都是來自于全球領先醫院的臨床專家，而既懂醫療又懂技術的復合型人才還是比較少的。

　　而且據搜狐報道，匯醫慧影創始人&CEO柴象飛曾表示，醫學影像是一個非常交叉化和跨學科的東西，原來很多這個行業的人都離開了，但或許因人工智能大潮的推動，這批人又回來了，而且還有不少外行人加入其中。這么看來，雖然AI吸引了很多技術人員，但其中大多數技術人員并不一定懂醫療。

　　其實，在AI醫療的研發中具備醫學和AI的復合型人才是越多越好，這樣就有可能縮短了不同領域專業人才之間的磨合時間。因為不同領域的人才之間的交流還是會存在比較大的困難，都知道，一個領域的專業人才去了解另外一個自己不熟悉的領域，這之間的難處是顯而易見的。因此，復合型人才的重要性也就凸顯出來了，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。

　　三、AI醫療的技術這一大基石尚待鞏固

　　從技術的角度來說，目前AI醫療的醫療還處于弱人工醫療的階段。雖然AI醫療的應用場景很廣泛，比如虛擬助理、藥物研發、健康管理、醫療影像輔助診斷等，但是真正落地、符合醫院使用場景的產品還是比較少，因此，相關技術和產品的研發還有待進一步提升。

　　據了解，云知聲導診機器人一般都放在門診大廳，其通過智能語音以及自然語言理解技術，可以模擬醫生的問診過程，完成病史的采集工作，從而提高醫生的診療效率、減少誤診的概率。但在交互過程中，云知聲導診機器人還是存在方言的識別、使用場景嘈雜、需求指令不明確等問題。

　　而據億歐網報道，云知聲通過改進多MIC陣列、自主芯片降噪等技術來提高了用戶的語音體驗，同時，針對部分患者不習慣語音交互的問題，云知聲也在擴大觸控交互的適用范圍，以擺脫對語音的依賴來提高適應性和用戶的體驗感。

　　雖然云知聲針對這些問題在技術上做了完善，但是仍不一定能完全翻譯出正確的意思，在語義理解上有時候可能仍存在歧義，甚至有時候答非所問。換句話說，自然語言理解技術目前還是處于初級階段，也只能解決一些效率問題，還不足以對醫療問診進行全面的解析。

　　云天使基金副總裁張舒峣曾表示，醫療作為一個較為特殊的傳統行業，對新技術相對保守，這也導致了AI醫療很難取得爆發式的進展。而且目前，智能語言服務也偏娛樂屬性，在醫院場景并不適用。

　　其實，不管是導診機器人還是AI醫療影像、外科手術機器人，都有落地難題。因為醫學算是一個比較前沿的行業，隨時都有可能碰到疑難雜癥，對此就會出現新的數據，那么AI醫療產品的數據算法就要不斷的更新，而數據算法的技術難度也會隨之增大。但目前大多數公司在多學科聯合診斷算法上還存在技術瓶頸，而技術力量的欠缺就會限制AI醫療的進一步發展。

　　總之，醫學領域維度多、門檻高，人工智能突破的難度還是比較大。

　　三座大山壓制下，AI醫療難盈利？

　　在數據、人才和技術這三座大山的壓制下，AI醫療的發展并非想象中樂觀，其盈利還是存在問題。據《2018中國人工智能商業落地研究報告》顯示，2017年，在整個產業鏈上，90%以上的AI企業依然處于虧損階段，絕大多數企業年營業收入不足兩億。那么對于醫療這個重垂直化領域來說，大多數的AI醫療企業也是屬于虧損階段。

　　畢竟，AI醫療的盈利狀況與AI醫療產品的落地情況有著很大的關系。據億歐網了解到，人們對疾病預測的AI產品需求指數是比較大的，而這方面的落地指數卻很??；在醫療影像上面的需求一般，但是其落地指數卻處于比較大的值。

　　這就意味著，需求指數不能很好地與落地指數成線性關系，換句話說，AI醫療產品并不能很好的滿足人們的需求，這就容易導致人們不愿為AI醫療產品買單，因此，AI醫療的盈利就比較低，甚至可能不盈利。

　　況且，目前大多數AI醫療產品都在醫院處于試用階段，因此，它們在醫院里僅僅充當醫生常規檢查過程以外的一個拾遺補漏的工具，并沒有達到其早先的定位。照這么看，AI醫療產品依舊還未完全獲得醫生的信任，那么AI醫療產品短時間內很難在市場上被全面推廣使用就不難理解了。

　　據了解，科大訊飛、云知聲等AI企業在AI醫療業務上至今為止都未實現盈利，按理說，人工智能醫療市場的規模會因此而縮小，但目前的狀況卻是人工智能醫療市場規模在不斷地增大。

　　前瞻產業研究院發布的《2018—2023年中國人工智能行業市場前瞻與投資戰略規劃分析報告》顯示，2016年中國醫療人工智能的市場規模就已達96.61億元，2018年有望達到200億元，預計到2020年我國健康醫療大數據行業市場規模將突破800億元。

　　這么看來，投資方非常注重AI醫療的發展，而我國在人工智能醫療方面仍是蹣跚學步的嬰兒，絕大多數的產品都還沒到商業化階段。其實，要想讓我國的AI醫療成長，就需要更多的產品能夠實現真正的落地，并且大規模的適用于醫院場景，只有這樣，AI醫療產品才會慢慢走向商業化，實現盈利。

　　而在AI醫療產品實現落地這一過程的探索中，就需要使用大量的資金。因此，AI醫療市場規模越來越大，但要完全實現AI醫療產品商業化還需要好長一段時間。

　　綜合來看，對于掌握人工智能技術的計算機專家和技術的公司來說，AI醫療相當于給它們打了一針興奮劑，而就AI醫療的盈利來看，表現出來的情況并不理想，畢竟真正實現落地的產品相當少。

　　總之，與人工智能醫療相關的公司要想在AI醫療上實現盈利，必然要攻破數據、人才和技術三大難題，才有可能使更多的AI醫療產品實現真正的落地，從而解決AI醫療難盈利的問題。但以目前的AI醫療發展狀況來說，企業何時才能達到這一目標呢？