人工智能蓬勃發(fā)展，對各行各業(yè)都產(chǎn)生了影響，那么人工智能對醫(yī)療保健行業(yè)的影響會是怎么樣的呢。我結(jié)合freshbenies首席戰(zhàn)略官的文章，并加入自己的理解，聯(lián)系國內(nèi)的實際情況談談人工智能對醫(yī)療保健行業(yè)的發(fā)展。

一機器學習（包括深度學習）和人工智能是有區(qū)別的 機器學習使用人工智能算法來處理大量的數(shù)據(jù)，并允許機器自己學習。如電子郵箱中的垃圾郵件分類，而機器學習在醫(yī)療行業(yè)的應用主要局限于醫(yī)療影像行業(yè)。如CT影像掃描與快速診斷。

而人工智能是在機器學習基礎(chǔ)上的升級，不再是具有單一的功能的簡單應用，而是結(jié)合某一領(lǐng)域?qū)I(yè)知識后的具有一定咨詢，綜合輔助功能的系統(tǒng)應用，如科大訊飛的翻譯件，以及科大訊飛的曉醫(yī)，輔助診斷系統(tǒng)。

二醫(yī)療，醫(yī)藥行業(yè)的知識專業(yè)性和場景復雜性 醫(yī)療，醫(yī)藥行業(yè)的專業(yè)性復雜性，特別是醫(yī)藥行業(yè)本身就是和人工智能一樣的高科技行業(yè)，其在科技樹的高度甚至比人工智能還要高，比如如果一個人工智能工程師需要對CT進行診斷分類，他只需要和醫(yī)生交流并且有足夠的CT數(shù)據(jù)就可以了，再比如訊飛的曉醫(yī)在利用語音識別和自然語言技術(shù)的基礎(chǔ)上，融合了，醫(yī)學考試教材的知識和大量醫(yī)療案例，也能差不多做到。但是制藥行業(yè)，就涉及化學，生物，物理等基礎(chǔ)學科，不僅如此還有化學合成，藥物合成，有機物副反應，物料系統(tǒng)的合成路線，到前沿的計算化學，以及現(xiàn)在的免疫，靶向治療所涉及的基因組學，蛋白組學，免疫學，以及藥物代謝動力學，沒有哪一項不是和人工智能一樣專業(yè)，而艱深的學問，一個人工智能工程師如果想深入制藥行業(yè)做出好的應用，就必須對上述學科有一定程度的掌握和足夠的行業(yè)經(jīng)驗才有可能將機器學習，人工智能技術(shù)用來解決醫(yī)藥的調(diào)研，研發(fā)，臨床試驗，生產(chǎn)合成，以及后期的效果追蹤等方向中的痛點，難點。

下面舉幾個醫(yī)療方面的人工智能應用，目前在制藥方面還處在實驗室階段，應用乏善可陳 1一個醫(yī)療對話機器人對臨床交流工作的應用：http://www.healthcareitnews.com/news/google-powers-ai-machine-learning-accelerator-healthcare 2谷歌的醫(yī)療行業(yè)應用：Google powers up AI, machine learning accelerator for healthcare 3利用機器視覺技術(shù)，進行情緒跟蹤來觀察病人：https://www.wired.com/tag/mental-health/ 4谷歌的機器學習算法診斷乳腺癌：https://www.mercurynews.com/2017/03/03/google-computers-trained-to-detect-cancer/ 三：想辦法獲取患者數(shù)據(jù)，打破數(shù)據(jù)壁壘。

眾所周知，當下的AI的成果是離不開數(shù)據(jù)的支撐的，可以說是數(shù)據(jù)滋養(yǎng)了人工智能的迅猛發(fā)展。但是從現(xiàn)有的國內(nèi)行業(yè)經(jīng)驗看，醫(yī)療行業(yè)和醫(yī)藥行業(yè)的數(shù)據(jù)壁壘非常嚴重。 舉個例子：一個省里面，不同縣的社區(qū)醫(yī)院的數(shù)據(jù)庫是不共享的，同一個城市的，不同市屬醫(yī)院的數(shù)據(jù)是不共享的，甚至我們遇到過同樣一家醫(yī)院，不同的區(qū)的數(shù)據(jù)是不共享的，這里面的原因非常復雜，其中一部分原因是早期醫(yī)療信息化建設(shè)的時候，大大小小的醫(yī)療信息化公司為了各自的利潤造成的重復建設(shè)，反復建設(shè)造成的。

對了，再告訴大家一個秘密：很多醫(yī)院不喜歡用公有云，以為自己搭建個服務器，數(shù)據(jù)就不會泄露了，其實，數(shù)據(jù)早就落入了信息建設(shè)的乙方公司手上，目前醫(yī)療信息數(shù)據(jù)掌握最多的是很多早期的醫(yī)療信息公司，具體名字我就不說了。 所以，國內(nèi)現(xiàn)在的情況是AI公司有技術(shù)沒有數(shù)據(jù)，傳統(tǒng)醫(yī)療信息公司有數(shù)據(jù)沒有技術(shù)，醫(yī)療AI想往前發(fā)展還是狠難的，不過個人感覺，未來傳統(tǒng)醫(yī)療信息公司比AI公司更有優(yōu)勢，你問我為啥？呵呵，人家有數(shù)據(jù)啊，但技術(shù)的門檻會隨著發(fā)展，越來越低的。

四：最后說一下，國內(nèi)醫(yī)藥行業(yè)的AI情況 目前除了極個別的外企建立了大數(shù)據(jù)部門，藥明康德搞了點研究，這塊幾乎是空白，但是國外其實已經(jīng)再研究了。

我真心期望國內(nèi)再這個交叉領(lǐng)域能有所突破，后面我會逐步科普AI在醫(yī)療和醫(yī)藥化學行業(yè)的相關(guān)研究成果和行業(yè)信息

總結(jié)

以上是生活随笔為你收集整理的医疗，医药人工智能需要知道的几件事情的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。