医疗是关系公众切身利益的话题。
一直是社会高度重视和密切关注的民生问题。
政府相关政策的落实和医疗行业的不断改革，无不涉及对人民群众医疗健康问题的讨论和研究。
但无论考虑得多么周全，由于当前医疗环境的限制，仍然有很多困难是我们无法考虑和解决的。
特别是随着人口老龄化程度不断加剧，医疗资源极度不平衡，未来如何解决日益老龄化人口的医疗健康问题将成为国民医疗的巨大压力和负担。
人口老龄化带来医疗资源严重短缺。
截至年底数据显示，我国60岁及以上老年人口超过2.3亿，占总人口的16.7%。
预计到2020年，中国老年人口将达到4。
8亿，占世界老年人口的四分之一，超过美国、英国和德国人口的总和。
老龄化问题将成为我国社会经济发展转型的新挑战。
与此同时，解决庞大老年人口的医疗健康问题也面临巨大挑战。
纵观当前国内医疗环境，城乡医疗资源分布不平衡、医务人员严重短缺、专业水平巨大差距，在很大程度上给全国医疗资源带来了巨大压力。
因此，在医疗资源迫切的需求下，迫切需要一种既可靠又全面的方法来解决医疗资源的缺乏。
恰巧的是，人工智能快速发展，在赋能各行业方面取得了良好的表现和比较成功的实施项目。
尤其是赋能医疗方面取得的成就，让公众看到了希望。
不少业内人士纷纷转向智慧医疗的研究，希望能够在智慧医疗方面取得大的突破。
AI+医疗有效缓解医疗资源不足的压力。
目前，人工智能大致分为三个阶段：弱人工智能、强人工智能、超人工智能。
当前，我们正处于弱人工智能时代，即人工智能在某些方面或特定领域的能力比人类强，但就综合能力而言，人类比人工智能更强。
AI医疗也是如此，目前处于弱AI医疗阶段。
简单来说，目前人工智能医疗的应用场景仅适用于医疗行业的某个简单环节或者某个重复固定的流程和工作。
但人工智能目前还无法完成临床诊断、医学研究等需要深入、灵活的大脑锻炼的环节。
例如，速途研究院发布的上半年AI医疗行业研究报告明确显示，目前AI医疗的应用场景主要适用于虚拟助手、药物挖掘、医学影像、健康管理、辅助医疗等。
诊疗、医院管理、疾病风险预测和辅助医学研究报告等。
目前最热门的AI医疗应用是医学影像和疾病风险预测。
虽然目前处于弱人工智能医疗阶段，但仍然可以在很大程度上缓解人口老龄化加剧带来的医疗资源严重短缺的压力。
例如，AI通过大量医疗数据进行深度学习后，可以辅助医生判读CT扫描图。
影像学和癌症早期筛查将大大缓解医疗人员不足的压力和误诊误判的压力。
事实上，这些问题已经被互联网巨头BAT解决了。
2020年7月，阿里健康联合万里云发布医疗人工智能系统“你医生”，半小时可读取9000张CT图像。
可以说效率和人类一样高。
数千次。
2020年8月，腾讯发布AI医学影像产品“腾讯觅影”，利用人工智能医学影像技术辅助医生进行食管癌早期筛查。
同样，百度研究院也在今年6月发布了名为“神经条件随机场”的AI算法。
具有强大的肿瘤病理切片检测能力，将为癌症诊断和治疗提供重要帮助。
其检测精度甚至超越了专业病理学家，打破了以往的记录。
人工智能医疗还有很多障碍需要突破。
虽然人工智能医疗在一定程度上取得了实质性的成果和突破，但由于人工智能自身的技术限制和整体环境的影响，人工智能在赋能医疗方面并没有取得太大的成果。
完美的状态下，还有很多障碍无法突破。
例如，亿欧智库发布的《中国医疗人工智能发展研究报告》提到，人工智能医疗发展存在四大挑战：一是数据量问题：我国整体医疗数据量很大，但数据量和质量问题。
不同类型的疾病表现参差不齐。
缺乏疾病类型的训练数据；健康大数据的孤岛问题已经得到缓解，但尚未达到深度学习的阶段。
二是数据质量问题：AI数据处理中标注的准确性关系到结果的准确性。
近两年，仍有大量医生需要贴标签。
药物研发的数据质量对于提高研发效率至关重要。
第三个问题是人才问题：AI算法人才和医学人才的知识体系不同。
如何整合各自优势，实现价值最大化，值得企业思考。
第四是市场问题：医疗被认为是人工智能最早落地的领域，但医疗的特殊性会对产品提出更高的要求，从认可和接受到相应支付系统的完善和就医的可及性保险。
这需要一个漫长的过程。
写到最后，无论AI医疗还有多少障碍无法突破，总之，如果回归正题，在一定程度上，AI医疗很大程度上解决了严峻的压力。
人工衰老造成医疗资源短缺。
另一方面，人工智能医疗未来带来的巨大市场价值，将带动巨头企业和资本大力投入人工智能医疗研究。
这将很大程度上解决AI医疗研究所需的资金支持，为AI医疗铺平道路。
进一步突破提供后驱动力。