臨近年底醫療AI依然熱得一塌糊涂，寫書的開會的，拍磚的互懟的，投資的創業的，誰都不想錯過這個風口，絲毫沒有減弱的跡象。不過這個領域出盡風頭的主要還是大公司尤其是進口的產品，例如從自動駕駛到百度醫療大腦；從AlphaGo到AlphaGo Zero，還有IBM Watson認知醫療。

　　所謂樹大招風，醫療界對AI 的態度分為兩極：樂觀派捧上天的心態，動輒“人工智能即將取代XX職業”、“XX即將失業”甚至人工智能將統治人類，頗有5－6年內讓醫院關門讓醫生失業的架勢；悲觀派對AI的質疑就沒有間斷過：算法不高級、數據質量差、難訓練、“人工智障”“和缺乏使用場景等等，說它是醫生的輔助工具就已經算客氣的了。

　　獨角獸工作室的觀點例來是“擱置爭議，共同實踐”，今年9月組織了國際醫療人工智能大會，跟國內數得上的醫療AI專家和公司都交流過，還調研了數千名一線臨床醫生對醫療AI的看法，發現臨床對AI總體還是“欲拒還迎”，雖然問題不少，但還是期待有機會能使用。所以“AI無用論”和“AI統治論”都是扯淡，拋開那些毫無意義的空談，從具體的臨床病例和實用性入手才是醫療人工智能的方向。

　　目前醫療AI在臨床使用較多的主要是四類：一是智能影像，二是智能語音，三是醫學機器人，四是臨床智能決策。

　　醫療智能影像和語音是基于圖像和語音識別技術發展起來的，由于醫學影像資料獲取門檻較低且更為標準化，語音數據識別技術成熟，所以智能醫學影像目前發展最為成熟，臨床接受程度最高，只是仍然不屬于醫療最核心領域。

　　以Watson在國內的應用為例，其大力推廣國際治療規范和最新臨床文獻，但是也明顯地帶有美國MSK腫瘤中心治療風格和習慣，缺少對中國“本土化”疾病特點，治療習慣和藥品選擇的融合，比如沒考慮國內治療指南、醫保目錄、常用治療方案等。另一方面由于現階段臨床最需要的疑難雜癥的診療決策缺少數據和經驗，如晚期癌癥和少見腫瘤，因為臨床病例少，也只能給出模糊的建議，這就給本土的醫療AI 提供了一些突破口。本土醫療AI 公司也巧妙地在漢語語義識別上發力，如森億智能等，而能全面布局智能醫療決策的項目還非常罕見。

　　直到上周在杭州參加國際智能醫療大會，看到浙大睿醫聯合微醫推出的“微醫云“平臺，并在會場現場觀看了基于微醫云開發的睿醫智能醫生和華佗智能醫生兩款工具，還包括醫療影像輔助診斷系統和全科輔助診療系統。據說睿醫智能醫生在部分病種上，靈敏度已超過AI巨頭谷歌。真是不看不知道，原來本土醫療AI也這么強大了！

　　另外就是微醫云在定位上與Watson有了明顯的區隔：在會上微醫格外突出一個詞“基層衛生機構”，也就是說微醫的這兩款產品，主要針對的既不是重大疾病也不是大醫院，而是切入基層以及常見病場景，服務基層醫生和患者的日常需求。其作用是圍繞“幫助”和“提升”基層醫療，主要發力在掛號分診、疾病定位、提升篩查效率、降低漏診誤診等幾個方面。

　　再者，微醫云不單單是“學習”大三甲專家的診療經驗和快速檢索臨床文獻，它還具有AI 最重要的機器學習和自我進化的功能，已經不止是個超級知識庫了。這樣不僅降低了開發的技術難度，降低了可能的醫療風險。又符合基層醫生和機構的需求，還貼近分級診療的國家政策，自然臨床接受程度高。其定位及策略決定了擁有豐富可行的使用場景和大規模應用的潛力，大規模應用既能帶來可觀的商業收益，從而進一步支持技術研發；又能從應用中返回海量的使用數據，其價值遠遠超出靜態收集的數據，從而實現技術→應用→數據→技術再提高的“滾雪球式”的正循環，將其他AI項目遠遠拋在身后。

　　這就是馬云所說的“數據型業務＋業務型數據”的威力。這來自于對中國國情的精準把握，這也就是中國的本土公司和研究機構的獨特優勢吧。

　　AI的火熱預計還會持續較長一段時間，相比于之前僅有的那幾家被奉若神明的人工智能公司，越來越多的國產醫療AI也開始大放光彩，相信微醫云產品也只是初露端倪。隨著政策對人工智能的持續利好，各級政府對AI的持續補貼投入，中國作為網絡應用全球第一大國，會有更多的本土產品實現醫療AI的彎道超車。