中国医学科学院国家癌症中心统计，2015年中国肝癌新发病例46.6万例，而根据2017年的相关数据，早期肝癌的漏诊率高达40%。截至2019年数据，我国医学影像数据的年增长率约为30%，而放射科医生的年增长率仅为4.2%，这意味着未来影像科医生处理数据的压力会越来也大。无独有偶，美国疾控中心（CDC）2018年数据显示，14%的美国成年人患有糖尿病，这一慢性健康问题困扰了约3000万人。其中，每年有超过2.4万人因糖网而失明（糖网是糖尿病的严重并发症，也是主要致盲的眼病之一）。AI诊断的呼声越来越高。

需求巨大，AI筛查在多类检测中出现

　　生活中，我们可以看到AI筛查的需求量非常大。Google Health除了在糖网上的筛查研究，他们着手了其他的项目，其中就有女性乳腺癌的筛查。数据显示，每10万女性中，就有超过42位患有乳腺癌。跟其他很多癌症一样，乳腺癌的一大治疗难点也是早期的筛查问题，如果能在早期就查出患病的话，治疗就能打大大降低风险。谷歌分享的筛查系统训练了9万多张乳房X光片后，取得了比人类放射学专家更好的效果。
　　另一方面，国内联想研究院也在尝试用人工智能来帮助诊断肝癌，提升肝癌的诊疗效果，目前，这套系统的肝脏八段分割准确率达到了90%以上，但还没有进入临床阶段。此外，在新冠疫情下，阿里达摩院联合阿里云共同研发了一套针对新冠肺炎的AI诊断技术。这套技术可以在20秒内对新冠肺炎疑似病例的CT影像做出研判，从而为临床医生提供辅助诊断依据大大提升诊断效率，目前，这种AI诊断技术的准确率可以达到96%以上。

AI筛查仍离开人工诊断

　　就当下情况而言，无论AI筛查的诊断准确率有多高，诊断结果的判定都不能离开人工核验。也就是说，AI筛查只能成为一个辅助性的工具。有业内人士表示，谷歌的这套AI筛查系统的问题其他很多AI研究项目很可能也存在——科研与临床的结合并不紧密。从流程上看，AI筛查系统最终都必将走到临床这一阶段，然而临床有其特殊性。筛查系统要求相关开发人员不仅要懂技术，还得懂得检测流程、医生的需求、病患的接受度和关心的事情。只有这样才能打造出真正解决问题的系统。
　　此外，还有相关人士表示，在筛查疾病的时候，医生与患者关心的不止是“是否患病”，对于病症处于哪个阶段、是良心还是恶性、需要什么治疗方案等同樣是双方都非常看重的问题。AI筛查任重而道远。