智能“阅片”、临床决策、护理机器人……近年来，随着人工智能的蓬勃发展，人工智能与医学结合的相关技术开发也进行得如火如荼。
　　 就像“互联网+”一样，“人工智能+”的模式必然会给我们的生活带来翻天覆地的变化，但在涉及生理和生命的医学领域，人工智能落地还将面临哪些挑战？
　　质与量并重 基础数据仍需“精炼”
　　 不论在何种领域，数据都是让机器聪明起来的根本。
　　 “人工智能若想在医学领域长足发展，数据质量、数据量和标准化方面还有待改进和完善。”8月6日，天津市肿瘤医院副院长徐波在接受笔者采访时表示。
　　 “医疗大数据如何‘降噪’是个关键问题。”徐波指出，医疗大数据涉及的类型近年来呈多模态发展。而病例数据覆盖面广，服务用户多样，如何构建以病人、医生、医院和政府等多中心的数据治理体系，进而面向不同的用户提供不同的数据视图和分析结果，是医疗大数据采集及研究中亟待解决的问题。
　　 “尽管我国医院的数据庞大，但由于疾病的复杂性，数据维度、特性各不相同，质量参差不齐，导致很多细分的病种实际可用数据量少，尤其是较为罕见的疾病类型。如果是多学科交叉的病症可使用的数据量就更加有限了。”徐波表示。
　　 此外，数据共享也存在壁垒。我国当前医院与医院、同一家医院内科系互不相连，没有统一标准的临床结构化病历报告，不同地域甚至不同医院之间的数据库无法通用。
　　医工结合 学科交叉人才紧缺
　　 “既懂医疗又懂AI技术的复合型、战略型人才极其短缺，其中10年以上资深人才尤为缺乏。同时，医务人员对AI的接纳度不足，部分医务人员甚至对AI抱有抵触心理。”上海市卫生和健康发展研究中心（上海市醫学科学技术情报研究所）健康科技创新发展部执行主任何达曾在相关期刊发表文章时提到，AI技术的使用需要对医务人员进行专业化规范培训，在此背景下，建立完善的人才培养和人才引进机制是重中之重。
　　 徐波告诉笔者，智能医学领域是人工智能和医疗健康这两个专业性极强领域的结合，如今二者都能深入研究的人才是“香饽饽”。而正是因为二者专业性极强，人才培养的模式才更加复杂、更值得深入探讨。
　　 在徐波看来，智能医学领域发展时间短，能大范围推广的培养模式尚需一定的时间摸索。但归根结底，如果让部分有兴趣的医学生在校期间就能接触到一些人工智能相关的工科基础知识，将会对其后续向着智能医学方向发展起到一定的引导和辅助作用。
　　市场良性发展 监管体系亟须加强
　　 合理的商业化模式尚在“摸着石头过河”的阶段，而相配套的监管机制也亟须完善。清华大学法学院院长申卫星此前在接受笔者采访时表示，目前只有《民法总则》第127条提出，“法律对数据、网络虚拟财产的保护有规定的，依照其规定”。但具体如何保护数据，并没有详细说明。
　　 以往，机器被归为工具一类，工具造成的损害责任通常是产品设计者、制造者来承担，但如果工具经过人工智能深度学习，成为自主型产品后造成损害，这到底是谁的责任？依旧是产品的责任还是智能系统开发单位的责任？这些疑问都需要明确的法条来解答。
　　 笔者了解到，我国不仅对智能医学数据的隐私保护、责任规范、安全性等没有明确的法律指示，人工智能在医疗健康领域应用的质量标准、准入体系、评估体系也未设置详细的准则，无法对AI数据和算法进行有效验证和评价。
　　 “目前国际上也没有成功的案例经验可供借鉴，发展出一套符合我国国情、相对完善的智能医学监管体系还需要一定的时间和多学科、多行业的研究者和实践者共同努力。”徐波表示，较为科学的监管体系之下，人工智能企业在符合各项标准和法规的范围内探索良性的商业化营收模式，各院所、高校、医院等单位合理利用各自资源，进行有效合作，有助于整个智能医学领域的健康、稳步发展。