近年來，作為主導新一代產業變革的核心力量，人工智能在醫療方面也展示出了新的應用方式，在深度融合中又催生出新業態。尤其是影響識別方面，將人工智能技術應用于醫學影像診斷中，是在醫療領域中人工智能應用最廣泛的場景。

　　在人工智能醫學影像發展應用初期，肺結節和眼底篩查為熱門領域，近兩年隨著技術不斷成熟迭代，各大Al醫學影像公司也在不斷擴大自己的業務半徑，乳腺癌、腦卒中和圍繞骨關節進行的骨齡測試也成為市場參與者重點布局的領域。

　　然而，雖然聽起來將人工智能應用于影響識別是很火熱的場景，但真實情況卻讓人們有所失望。事實上，如今，各級醫院中的醫學影像AI已不罕見。不過，無一例外的是，它們都是以“試用”的名義進入醫院。這在某種程度上反映了醫學影像AI落地的現狀——免費試用有余，花錢購買不足。

　　究其原因，一方面，作為新興產品，AI產品在其中還有著不少不成熟之處。比如，據2014年最新版《采購法》的廢標條件規定：符合專業條件的供應商或者對招標文件作實質響應的供應商不足三家的，予以廢標。這意味著，在本就不多的醫療AI產品競爭者中，但凡有一位“掉鏈子”，招標流程就可能從頭再來。

　　例如，重慶市大坪醫院的AI輔助診斷項目于2021年11月24日就公示了采購意向，直到今年3月10日才公示預中標結果。這其中便經歷了兩次廢標，原因分別是有公司的技術支撐材料、財務審計報告未通過資格性審查，以至于剩余的供應商不足三家。而該項目采購的還是醫學影像AI中數量最多、最為成熟的CT肺結節產品。上述銷售高管告訴界面新聞，類似的招采困境，在技術門檻更高、廠商更少的冠脈和頭頸產品的情況更是如此。

　　另一方面，在AI產品的“養料”方面，依然有著數據體量小、維度少、質量不高，存在“數據孤島”等問題。各級醫院的信息化水平也存在差距。歐億智庫的數據顯示，2019年，我國三級、二級、一級醫院安裝醫學影像傳輸與歸檔系統的滲透率分別為87.8%、62.2%、40.1%。實際上，直到今天，在現實世界中，受制于數據的分散性、低復制成本以及價值聚合性，數據仍呈高度分散的狀況，“數據孤島”依然明顯。

　　最后，醫療事關生命，AI醫療影像的假陰性顯然十分重要，即使存在1%的漏診也將有可能造成巨大傷害，此外，就算只存在1%的漏診，醫生仍需要將所有片子都重審一遍。因此，只有零假陰性，才能真正幫助醫生省時省力。

　　作為新一代基礎設施建設，人工智能在醫療行業的應用將對傳統醫療機構運作方式帶來變革，從長遠有效緩解醫療資源壓力。但目前來看，人工智能想要實現自主閱片，或許還有很長一段路要走。