人工智能是當今科技界最熱門的領域，而醫(yī)學人工智能更是熱門中的熱門。谷歌、微軟、IBM、百度等科技巨頭都積極布局智能醫(yī)療產業(yè)，美國麻省理工學院、斯坦福大學、卡內基梅隆大學以及我國的清華大學等知名學府均把醫(yī)學人工智能作為未來發(fā)展重點，美國、中國、日本、英國等世界各國人工智能計劃也都把醫(yī)療作為重要的應用領域。

眾所周知，現代醫(yī)學建立在循證醫(yī)學的基礎之上，單次拍攝、幾秒鐘獲取的x光片便可反映病人的大部分病情狀況。數據顯示，有超過90%醫(yī)療數據來自醫(yī)學影像。然而，受我國專業(yè)醫(yī)生缺口大，工作繁瑣重復等因素影響，醫(yī)學影像診斷效率較低，服務模式亟待創(chuàng)新。

依托于“圖像識別”和“深度學習”兩項技術，人工智能+醫(yī)學影像成為“AI醫(yī)療”領域中最成熟的應用場景。“圖像識別”技術主要應用于感知環(huán)節(jié)，將非結構化的影像數據進行分析與處理;隨后，將大量臨床影像數據和診斷經驗輸入人工智能模型，可以對神經元網絡進行“深度學習”訓練;最后，基于不斷驗證與打磨的算法模型，人工智能即可借助影像進行智能推理，輸出個性化的診療判斷結果。

醫(yī)學一直是專家系統(tǒng)應用最有效的領域。人工智能幾乎一誕生就應用于醫(yī)學領域。1954年，美國華人科學家錢家其就使用計算機計算劑量分布、進行放射治療。1959年，美國喬治敦大學教授萊德利(Robert S. Ledley)首次應用布爾代數和貝葉斯定理建立了計算機診斷的數學模型，并成功診斷了一組肺癌病例，開創(chuàng)了計算機輔助診斷的先河。1966年，萊德利正式提出了“計算機輔助診斷”的概念(Computer Aided Diagnosis，CAD)。1968年，DENDRAL專家系統(tǒng)誕生。不久，MYCIN醫(yī)學專家系統(tǒng)就研制成功。該系統(tǒng)首次采用知識庫、推理機系統(tǒng)結構，引入“可信度”概念，進行非確定性推理，對用戶咨詢提問進行解釋回答，并給出答案的可信度估計，形成了一整套專家系統(tǒng)的開發(fā)理論，為其他專家系統(tǒng)的研究與開發(fā)提供了范例和經驗。

AI與醫(yī)學影像的結合起步很早卻難有大的突破。醫(yī)學影像是指為了醫(yī)療或醫(yī)學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。自第一張X光片出現后，隨著20世紀科學技術的發(fā)展，逐漸形成了以X射線、CT、磁共振成像、超聲和核醫(yī)學等為代表的多種醫(yī)學影像技術設備，成為醫(yī)療絕大多數數據的來源。

提升醫(yī)療效率，完成對醫(yī)生的智力解放，讓醫(yī)生資源專注到核心業(yè)務中，從而實現醫(yī)生群體業(yè)務能力的提升，通過多地域多醫(yī)院的介入，提升醫(yī)療體系的運行效率及診療規(guī)范性。同時把頂級診療機構的診療能力賦能到基層，提升基層醫(yī)療機構的診療能力，緩解當前中國最為急需解決的優(yōu)質醫(yī)療資源短缺及分布不均的問題，讓更多基層百姓享受到技術進步帶來的診療體驗提升，最終實現整體醫(yī)療資源醫(yī)療水平的提升。

醫(yī)療數據結構隨意、差異化大、病歷格式不同、描述不同，臨床語言屬于自然語言范疇，同時具備醫(yī)學表述所特有的語法結構特點和語義特點，特定醫(yī)學實體識別相對容易，全量信息解析提取沒有現成可用的成果。

人工智能打破了醫(yī)院與醫(yī)院的邊界，延長了服務半徑，能直接快速的提高本院及基層醫(yī)療服務水平，助力分級診療。可比較高效的提升醫(yī)療體系的運行效率及診療規(guī)范性，提升基層醫(yī)療機構的診療能力，緩解當前中國最為急需解決的優(yōu)質醫(yī)療資源短缺及分布不均的問題，讓更多基層百姓享受到技術進步帶來的診療體驗提升。