近年来，AI惊动了各个领域，成为一种新的趋势，而且AI的东风早已吹到了医疗领域。
如今，AI医疗赛道上玩家众多，很多互联网巨头早已纷纷布局了AI医疗。譬如，腾讯推出了AI医疗产品“腾讯觅影”；阿里健康与万里云联合推出了医疗AI产品“Doctor You”；科大讯飞推出了“三品一台”——智医助理、影像辅助诊断系统、语音电子病历产品以及人工智能辅助诊疗平台。
那现在为何有如此多的AI医疗产品涌现在人们眼前呢？而这都要源于优质医疗资源的供需不平衡和人口老龄化，以及医生培养的周期长、误诊率高等这些因素，才引发了AI风吹向医疗。虽然AI医疗风头正劲，但是极少有AI医疗产品能够实现真正的落地。就目前来看，AI医疗仍然存在诸多需要突破的壁垒。
一、AI医疗的关隘：数据难题
医疗健康作为关乎民生的事业，其数据的重要性不言而喻。
根据IDC Digital的预测，截至2020年医疗数据量将达到40万亿GB，是2010年的30倍。但是，即使医疗数据量巨大，而其中80%左右的数据都是非结构化，这样也发挥不了“大数据”的价值。以下，笔者主要从两个方面来解释为什么数据量大不能转化成大数据的这一情况。
一方面，数字化医疗数据难以获取。目前国家乃至全世界都推行使用电子病例，目的就是将医疗数据信息化、结构化，以便于智能医疗的发展。然而中国大部分患者的数字化病例资料都是不完全的，这就对医疗数据的数字化整合带来一定的难度，那么企业获取优质医疗数据的难度也随之增加。据搜狐网报道，在大医院，满足要求的病例数据可能只有10%20%，而在次级医院，这个比例仅仅只有1%。
而目前，很多AI医疗公司正处于通过医院“科研合作”免费试用的方式来获取有限的、优质的数据阶段。譬如，科大讯飞智慧医疗事业部总经理陶晓东曾表示科大讯飞跟医院合作，这才使得它旗下的AI医疗产品能够获取一手的医疗数据。这也就说明，企业获取优质医疗数据的渠道也是有限的。
另一方面，医疗数据的录入欠缺标准。不同的医疗机构或者企业，它们的数据录入标准是不一样的，而单个医疗机构或者企业积累的数据难以训练出有效的深度学习模型。因此，在不同医疗机构或者企业合作时，容易因标准不一导致优质的医疗数据丢失。
据光明网报道，广州金域医学检验集团股份有限公司首席科学官于世辉曾说，人工智能做膜性肾病的研究学习需要阳性标本一万多例，而广东一家著名的医科大学专业团队积累多年才有两千多份标本，金域医学虽有两万多份标本，但想要合作就要把每一个标本重新标注，让机器在同样一个疾病分类标准下深度学习。而我国有很多肾脏病分类体系，标准不统一会导致大量优质数据无法为医疗人工智能的发展服务。
