當(dāng)前，作為我國高質(zhì)量發(fā)展核心動能的數(shù)字經(jīng)濟，正逐步邁入以人工智能為核心驅(qū)動的新階段，而后疫情時代，醫(yī)療人工智能適逢其時。雖然人工智能在醫(yī)療領(lǐng)域的應(yīng)用還處于早期階段，因而商業(yè)化程度相對較低、行業(yè)滲透率不高，但醫(yī)療人工智能具有廣泛的市場空間和業(yè)務(wù)多元化趨向已是業(yè)界共識;隨著我國十四五規(guī)劃的實施，政策利好數(shù)字新基建和智能技術(shù)應(yīng)用，我國醫(yī)療人工智能將乘此東風(fēng)、揚帆滄海。

醫(yī)療健康是我國大力支持人工智能應(yīng)用落地的四大產(chǎn)業(yè)之一。近年來，國家也出臺了多項政策文件推動醫(yī)院病歷電子化、數(shù)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(yī)療資源供給不足、分布嚴重不均衡的背景下，人工智能在醫(yī)療健康各細分領(lǐng)域紛紛落地，覆蓋全產(chǎn)業(yè)鏈各應(yīng)用場景。人工智能醫(yī)療企業(yè)的產(chǎn)品和服務(wù)帶來行業(yè)的降本增效，在醫(yī)學(xué)影像分析、疾病風(fēng)險預(yù)測等領(lǐng)域相對成熟，賽道逐漸擁擠競爭激烈進入紅海戰(zhàn)役。

人工智能醫(yī)療廣泛落地的同時，商業(yè)化難題困擾各創(chuàng)業(yè)企業(yè)，商業(yè)模式尚不清晰未產(chǎn)生造血能力，目前行業(yè)仍處于普遍虧損階段，產(chǎn)品大多處于試用階段。當(dāng)前AI醫(yī)療面臨醫(yī)療數(shù)據(jù)孤島、結(jié)構(gòu)化數(shù)據(jù)不足、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一難以共享，導(dǎo)致算法模型訓(xùn)練優(yōu)化遇到困難，市場教育過程緩慢，醫(yī)學(xué)和人工智能復(fù)合型人才短缺。作為一個特殊的傳統(tǒng)行業(yè)，醫(yī)療健康是一個強監(jiān)管行業(yè)，政策在某種程度上起到了決定性作用。

從目前我國人工智能醫(yī)療領(lǐng)域創(chuàng)業(yè)公司和產(chǎn)品的分布來看，“人工智能+醫(yī)療”的主要集中在八大應(yīng)用場景。主要包括疾病風(fēng)險預(yù)測、醫(yī)學(xué)影像、輔助診療、藥物挖掘、健康管理、醫(yī)院管理、輔助醫(yī)學(xué)研究平臺、虛擬助理等。因計算機視覺與基因測序技術(shù)的發(fā)展，疾病風(fēng)險預(yù)測和醫(yī)學(xué)影像場景下的公司數(shù)量最多，相關(guān)產(chǎn)品相對成熟，產(chǎn)品主要以尚未成熟的軟件形態(tài)存在，算法模型尚處于訓(xùn)練優(yōu)化階段，未完成大規(guī)模應(yīng)用，主要面向B端的醫(yī)院、體檢中心、藥店、制藥企業(yè)、研究機構(gòu)、保險公司、互聯(lián)網(wǎng)醫(yī)療等，業(yè)務(wù)模式主要以科研合作方式展開，引入技術(shù)、訓(xùn)練模型、獲取數(shù)據(jù)與服務(wù)。

人工智能技術(shù)與醫(yī)療健康領(lǐng)域的融合不斷加深，隨著人工智能領(lǐng)域，語音交互、計算機視覺和認知計算等技術(shù)的逐漸成熟，人工智能的應(yīng)用場景越發(fā)豐富，人工智能技術(shù)也逐漸成為影響醫(yī)療行業(yè)發(fā)展，提升醫(yī)療服務(wù)水平的重要因素。其應(yīng)用技術(shù)主要包括：語音錄入病歷、醫(yī)療影像輔助診斷、藥物研發(fā)、醫(yī)療機器人、個人健康大數(shù)據(jù)的智能分析等。

在傳統(tǒng)醫(yī)療模式下，醫(yī)療資源緊張，各醫(yī)院和門診可謂人滿為患，病人常常因為沒能得到及時的治療而錯過了最佳的治療時機。而AI在醫(yī)療領(lǐng)域的出現(xiàn)可謂是雪中送炭，在如下幾個方面大大的緩解了醫(yī)療資源緊張的燃眉之急。一：AI自動化的工作流程可以大幅減輕醫(yī)生、護士們的工作步驟，優(yōu)先處理緊急事件，并且可以自動化的分析病人的數(shù)據(jù)，甚至界面圖形化。二：AI手術(shù)輔助系統(tǒng)可以提供給醫(yī)生更清晰的視角，讓醫(yī)生可以精準(zhǔn)快捷的手術(shù)，并且對病人造成較小的傷害、較小的傷痕和快速的恢復(fù)時間。三：AI在藥物研發(fā)方面可以提高研發(fā)階段的效率，降低成本。

醫(yī)學(xué)是一個前沿學(xué)科，會隨時遇到新問題新的疑難雜癥，而相關(guān)數(shù)據(jù)的積累需要時間，因而算法模型難以迅速得到優(yōu)化，同時AI醫(yī)療產(chǎn)品的數(shù)據(jù)算法也需要不斷更新和迭代，算法技術(shù)難度也會加大，醫(yī)學(xué)領(lǐng)域的高門檻和技術(shù)力量的欠缺也會限制AI醫(yī)療的進一步發(fā)展。