16年，谷歌的AlphaGo以4：1的成绩战胜了世界围棋冠军李世石，全球范围内瞬间引爆了人工智能，随后BAT纷纷入局，而它们之间角逐的一个重要领域就是AI医疗。
据权威数据不完全统计，2014年至2016年，国内“AI+医疗”领域的创业公司共55家，总融资额超过25亿人民币；这股浪潮同样将全球的研究机构、组织裹挟于内，纷纷剖析与预测“AI+医疗”的发展机会和未来的市场空间；连科技君这种普罗大众茶余饭后的闲谈，也难免涉及诸如“医疗机器人来了，以后看病不需要求人了吗？”
不过，说起AI医疗，到底是什么？又是为什么会成为现在如此大热的风口？
AI医疗到底是什么？
AI医疗，就是人工智能与医疗的结合，又称“AI+医疗”。对AI医疗的定义，目前行业内仅有一个较模糊的概念，即人工智能对医疗领域的改造。
AI医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。根据权威网站的定义，可以简化为“人工智能+医疗”是人工智能技术对于医疗相关领域应用场景的赋能现象。
Al医疗主要体现在三个方面，涉及多个领域，其定义的金字塔如下：
基础层：通过软硬件的基础设施，收集用户、药物及病理数据，并使数据互通互联，为人工智能的应用提供支持与可能。
技术层：通过语音/语义识别、计算机视觉技术，对非结构化数据进行分析提炼。“学习”大量病理学数据文本，使其掌握问答、判断、预警、实施的能力。
应用层：是指人工智能与不同细分领域的结合，以解决医疗行业中的某种业务需求，如智能诊断、药物研发、智能健康管理、智能语音等医疗场景。
AI医疗的应用场景
根据相关资料显示，总体上应用场景主要集中在以下四方面：
1、辅助诊疗
目前，AI正在迅速融入基层社区。“AI+辅助诊疗”，就是将人工智能技术用于辅助诊疗中，让计算机 “ 学习 ” 专家医生的医疗知识，模拟医生的思维和诊断推理。辅助诊疗场景目前是医疗领域中最重要也是最核心的场景。
2、医学影像
医学影像在医疗 AI 领域技术成熟度最高，有望最先实现商业化。
AI＋ 医学影像是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：图像识别和深度学习。
图像识别主要应用于人工智能的感知环节，其主要目的是将医学影像的数据进行分析，获取一些有意义的信息。
3、药物研发
AI＋药物研发也是人工智能在医学健康领域的主要模式。
它是指将深度学习技术应用于药物临床前研究，达到快速 、准确地挖掘和筛选合适的化合物或生物，缩短新药研发周期、降低新药研发成本 、提高新药研发成功率的目的。
通过计算机模拟，人工智能可以对药物活性 、安全性和副作用进行预测 。
4、健康管理
AI智能设备可通过个人健康档案数据分析建立个性化健康管理方案。
同时通过了解用户饮食习惯、锻炼周期、睡眠习惯等个人生活习惯，经过数据处理，对用户整体状态给予评估，并建议个性化健康管理方案，辅助健康管理人员帮助用户规划日常健康安排，进行健康干预等。
据悉，目前AI医疗的健康管理主要集中在风险识别、虚拟护士、精神健康、在线问诊 、健康干预以及基于精准医学的健康管理几方面 。
前景一片大好，AL医疗被捧为“新宠”
现在，社会进步和人们健康意识的渐渐觉醒，人口老龄化问题正在加剧；病患多、医生少，医患关系一直处于微妙状态；医务人员培养成本过高；药物研发周期长、费用高；医生诊断不容犯错。以上国情，充分说明了现阶段对AI医疗的极度需要。
2016年国务院提出开展智能医疗服务，17年7月明确提出“到2020年人工智能总体技术和应用与世界先进水平同步 ”。
政策的利好与国情的需要好大大促进了AI医疗的发展，再加上技术的逐渐成熟，设施设备的驱动，以上种种都为AI医疗提供了大好的前景与舞台，被资本圈捧为“新宠”，也就在情理之中了。
虽然眼下大风正劲，但AI医疗仍面临一些问题。
1、观念问题：随着社会的发展，医疗越来越成为备受关注的领域，但许多人很难相信人工智能可以比人类做得更好，接受人工智能医疗这一事实的过程可能比想象的要长。
2、病人的隐私问题：部分患者表示并不愿意将自己的病症被公开或者用于医疗研究，因而医疗数据的分享也受到了阻碍。数据分享虽促进了科学研究的进程，但是涉及隐私的问题也尤为重要。
3、数据总量与质量问题：医疗数据种类繁杂，标准不统一，并且质量参差不齐。病人的电子病历数据很难保证完全正确同步。 同时，如何获取高质量的教材是大部分人工智能医疗企业共同面临的问题。
4、监管问题：庞大的医疗数据这种涉及到患者隐私的高度敏感问题，必然是政策高度监管的地带。而人工智能刚刚应用到医疗领域，很多监管政策还没有制定，我国的法规依旧需要不断补足。
从投融资的角度来看，目前AI医疗整体依旧处于非常早期的阶段。落地方面，也遇上了一些棘手的问题，前景一片叫好，但发展仍需谨慎。无论是风口还是泡沫，在未来，AI医疗还仍有很长的路要走。
