就医疗行业而言，人工智能的应用已十分广泛。从场景上来看，其主要可分为语音识别、医学影像、药物挖掘、营养学、生物技术、急救室管理、医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共12个领域。有别于“互联网+医疗”解决“线上咨询，线下就诊”的信息汇聚的问题，人工智能对于医疗领域的改造无疑是颠覆性的，将整体拉动医疗行业效率的提升。这是我们在回顾2017年总结到的：“AI+医疗”是医疗行业效率提升的利器。

据统计，目前医疗数据中90%来自医学影像，在我国这一数据正以年增长率30%的速度上升。这些数据大多需要进行人工分析，给医院、医生造成了极大压力。而借助AI技术对医学影像进行分析，结合医学大数据进行交叉对比，能很好地解决这个问题，并在分析效率、精准性方面呈现出质的飞越。

从国际上看，哈佛医学院研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%；美国企业Enlitic公司开发的癌症筛查系统，其癌症检出率超越了4位顶级的放射科医生，诊断出了人类医生无法诊断出的7%的癌症。而国内在医学影像结合AI技术方面的热度似乎更高，催生了如DeepCare、推想科技、图玛深维、依图科技等一大批专注医疗影像的AI企业。资本层面亦是一片火热，仅2016年以来国内相关的融资事件就有近10起，其中一半以上为新成立公司。

除图像技术之外，语音技术在医疗行业的普及，也正在将越来越多的普通医生从日常机械式的医案录入工作中解脱出来。借助智能医疗语音录入技术，可让医生以更快捷的方式录入，并在自然语言理解（NLU）技术辅助下，更轻松地发现输入错误，提升录入的效率，降低失误率。

例如，目前已在包括北京协和医院、福建省立医院等全国近200家完成测试的云知声“智能医疗语音录入系统”，针对医疗垂直领域深度定制的智能语音服务识别率可达95%，在如超声科等部分科室的准确率接近98%。

除了带动医院及医生办公效率，人工智能还被应用于培养新型医疗工作者——“AI医生”。

众所周知，专业医生的培养周期非常长，我国目前医生培养模式主要是“5+3”模式，即在“5年医学类专业本科教育，3年住院医师规范化培训”，结业考核合格后即具有医生的从业资格，最短年限也需8年。加之中国进入老年社会，对医疗和健康的需求急速增加，客观上为“AI医生”提供了用武之地。

借助人工智能技术，“AI医生”可在极短时间内被训练成合格医生甚至是领域内专家。通过涵盖智能语音、自然语言处理、临床大数据、超级计算等技术搭建的“AI医生”新医疗模式，可在短时间内加速提供医疗服务的供给，将医生从重复、初级咨询工作中解放出来，进而提升其人均服务能力。

但是，为了实现这一点，需要的是大数据和人工智能技术的结合。这意味着人工智能创业公司需要与数据拥有方进行深度合作。不久前，平安好医生携手云知声率先展开布局，合资成立上海澔医智能科技有限公司，致力于打造面向普通家庭的“AI医生”，就是基于此的一次尝试。基于前者大量真实患者问诊数据，结合云知声在医疗行业的语音服务及医疗知识图谱，可以为用户提供从问诊、专家预约到健康管理、情感陪伴、中医养生等一站式大健康专属服务。

可以预见的是，伴随着“AI医生”的成熟及普及，将从根本上扭转眼前人们在就医过程中“3小时排队，3分钟问诊”的局面。

上述提到的两点，可以看作是人工智能给医院、医生、患者三方带来的直接利好。除此之外，人工智能在医保控费领域也有妙用。

我国医疗保险基金支出超出收入增速渐成常态，据国家统计局数据显示，2009年、2010年、2013年以及2014年度均超过收入增速，医保控费已刻不容缓。从目前来看，国内医保控费主要为限制药价和支付环节。政府技术和维护能力等方面的限制，导致医院在医疗信息孤岛面前没有足够的大数据支持，医保控费的系列举措难以触及核心矛盾。而伴随人工智能技术的发展，医疗大数据的兴起，医保控费审核走向智能化成为可能。

相较于传统的医保监管形式，医保智能监管优势明显——借助医保信息化系统而建立的科学医疗保险监管体系，可覆盖诊疗全过程，对参保人、医师、医院、药店等实现透明化管理。如果发生违规问题，系统可及时预警，医疗保险经办机构会立即采取措施。当前，由政府机构牵头引入具有医疗信息背景的专业公司，来对医保基金使用的全流程进行监管，已逐渐成为行业主流。

综合来看，人工智能与医疗行业的深度结合，已极大地推动了医院资源调配、新型医生培养、医生办公、患者就医等各环节的效率。但展望即将到来的2018年，“AI+医疗”的结合将会更为深入。