点击上方“智业人”可以订阅哦
业界对AI有个公认的公式：算法+大数据+算力=人工智能，其中算力（或云计算资源）是基础IT支撑服务，大数据及相关技术在Hadoop生态圈日益成熟的今天已经走下“神坛”，而随着Google、Facebook、百度等巨头开放智能算法平台，算法也已经成为公共资源，那AI就是三者结合应运而生的那颗耀眼明珠。当然，人工智能作为一项新技术，一般也会符合“Gartner技术成熟度曲线”， 目前AI就是处于上升泡沫期，对照2017年资本市场对人工智能的热度也可见一斑。搞得出来混技术的，嘴上不谈点AI热词，都会自觉掉价了。
在人云亦云的人工智能风口下，要如何鉴别真假AI，抛开人工神经网络算法、监督学习等专业术语，大致可从以下两个维度来判断：
1、 持续优化：随数据量持续增长，模型学习结果可以不断优化，直至最优解。
2、 相关规则：在预设的算法模型下，智能分析可得到非预想的相关结果，犹如意外之喜。
目前，语音和图像这两个是业界相对成熟且能在实际场景中落地的应用领域，而最热的无人驾驶汽车也仅是辅助驾驶阶段。对照AI技术最新前沿应用，在智能医疗市场也是符合这一趋势，做医疗影像及语音智能分析的创新公司获得更多资本支持与关注。所以，那些现在就大谈“AI医生”的大都是耍流氓或为博眼球，大家实际上都在各自更垂直细分的领域默默耕耘。有种说法，当前人工智能技术还是依托冯·诺依曼计算机体系结构，属于传统电磁机器范畴，而人脑却是由量子效应（不确定性原理）而产生意识，所以在真正的量子计算机成熟之前，都不可能有类人机器通过图灵测试。
在这股人工智能热潮下，医疗业界也燥动起来，不管有的没的，张口闭口总要和智能扯上点关系，好点的把原来基于规则引擎的知识库包装一下，胆大一点的直接大谈“PPT智能医疗”。实际上，医疗AI领域真正应用的标杆——IBM Waston系统，也仅在特定癌症诊断分析给临床治疗带来帮助，在中国落地时还是遇到水土不服，概因中外临床病历数据样本的差异。
因而，有远见的创新公司早就开始跑马圈地抢人抢数据，最典型的莫过于医渡云，通过免费为大型医院架构大数据服务集群，一家客户投入近百万，前期大都以科研名义接入临床病历数据，虽然敏感的临床数据不出医院，但用大数据处理分析加上深度学习，得出的临床病历规则与模型却是可以拿出来到处复用，就如同AlphaGo现在仅凭已学习到的规则就能战胜围棋高手。另外，医渡云应该也考虑以大数据医疗科研的名义和医院联合申报相关项目补助，如此一来既可得名又能得利。当然，临床医疗数据目前还是很原始粗放，很多未能有效标化融合，所以通过挖掘临床病历来跑通医疗智能，还有不少坑要填。相比而言，同样是智能医疗大热门，基于医疗影像的智能识别就幸运多了，早早就有DICOM统一标准遵循，且国家也在大力扶持区域影像中心建设，有标准的大量数据加智能算法，智能影像识别在个别临床病种诊断上取得突破也不足为奇。
对智业公司来说，在这一波AI浪潮中可以扬长避短。通过2017年努力，技术团队掌握了Hadoop大数据基础架构体系，且在项目中部署运维（T级规模），对基于人工智能的医疗场景还在摸索中，相关AI算法与建模技术也有待提高。但公司拥有傲视业界的区域全程健康档案数据，且医疗诊断治疗的客观数据标准化程度较高，研发目前已在做特定病种的门诊诊断与药品处方相关性分析，自动形成科室和医生摘要介绍、门诊临床路径等方面取得进展，为后续智能全息健康档案做好技术预研准备。
人工智能这颗皇冠上的明珠，早晚会如同云计算一样成为易用的IT基础架构对外提供服务，但在医疗领域要取得广泛商业应用，还有很漫长的路要走。
