岁末将至，医疗AI依然十分火热。
那些写书、开会的人、制定计划的人、投资创业的人，没有人愿意错过这一趋势，而且没有减弱的迹象。
不过，这个领域的风头主要是大公司把持，尤其是进口产品，比如从自动驾驶到百度医疗大脑；从 AlphaGo 到 AlphaGo Zero，再到 IBM Watson 认知医学。
俗话说，医疗领域对AI的态度分为两个极端：乐观者抱有赞美神的心态，常说“人工智能即将取代XX职业”、“XX即将失去他的职业”。
工作”，甚至人工智能将统治人类，很有可能在5-6年内造出医院。
停工导致医生失业；悲观主义者从未停止过对AI的质疑：算法不先进、数据质量差、训练困难、“人为迟钝”以及缺乏使用场景等，说它是医生的辅助工具就够了。
不客气。
Unicorn Studio的观点通常是“搁置争议，共同实践”。
今年9月，它组织了国际医疗人工智能大会，与国内众多医疗人工智能专家和企业进行了交流，并就多个课题进行了研究。
数千名一线临床医生对医疗AI的看法显示，临床对AI的总体反应是“拒绝但接受”。
虽然问题很多，但他们还是期待有机会使用。
因此，“AI无用论”和“AI优势论”都是混杂的。
这是无稽之谈。
抛开那些无意义的空谈，从具体的临床案例和实用性出发，才是医疗人工智能的方向。
目前应用于临床的医疗AI主要有四种类型：一是智能影像，二是智能语音，三是医疗机器人，四是临床智能决策。
医疗智能影像和语音是基于图像和语音识别技术而发展起来的。
由于获取医学影像数据的门槛更低、更规范，且语音数据识别技术成熟，所以智能医学影像目前最为成熟，临床接受度也最高，但仍没有跻身医学核心领域之列。
关心。
以Watson在中国的应用为例。
它大力推广国际治疗标准和最新临床文献，但也明显承受着美国MSK肿瘤学的影响。
该中心的治疗方式和习惯缺乏与中国“本土化”疾病特点、治疗习惯和药物选择的结合。
比如，没有考虑国内的治疗指南、医保目录、常用的治疗方案等。
另一方面，由于现阶段临床需求最为困难。
对于晚期癌症、罕见肿瘤等杂种疾病的诊断和治疗缺乏数据和经验。
由于临床病例较少，只能给出模糊的建议。
这为本土医疗AI企业提供了一些突破。
专注于中文语义识别，如森易智能等，能够全面布局智能医疗决策的项目还很少。
直到上周参加杭州国际智能医疗大会时，看到了浙大锐医和微医推出的“微医云”平台，并在会场观看了两位基于微医云开发的锐医智能医生和华佗智能医生。
该工具还包括医学影像辅助诊断系统和全科辅助诊疗系统。
据说，锐医智能医生对某些疾病的敏感度已经超越了AI巨头谷歌。
我真的不看就知道了。
原来本土医疗AI这么厉害！此外，微医云在定位上与Watson有着明显的区别：在会上，微医强调了“基层医疗机构”二字，这意味着微医这两款产品并非主要针对重大疾病。
它不是一家大型医院，但却切入基层、常见病场景，服务基层医生和患者的日常需求。
其作用是“帮助”和“增强”基层医疗，重点关注挂号分诊、疾病定位，提高筛查效率，减少漏诊、误诊。
此外，微医云不仅“学习”顶级三级专家的诊疗经验、快速检索临床文献，还拥有人工智能最重要的机器学习和自我进化功能，使其不仅仅是一个超级知识库。
这不仅降低了开发的技术难度，也降低了可能的医疗风险。
也满足了基层医生和机构的需求，也贴近国家分级诊疗政策，自然具有较高的临床接受度。
其定位和策略决定了其拥有丰富可行的使用场景和大规模应用的潜力。
大规模应用不仅可以带来可观的商业效益，从而进一步支撑技术研发；它们还可以从应用程序返回海量的使用数据，其价值远远超出静态收集的数据，从而实现技术→应用→数据→技术改进的“滚雪球式”正循环，将其他AI项目远远抛在后面。
这就是马云所说的“数据化业务+业务化数据”的力量。
这来自于对中国国情的准确把握，这是中国本土企业和研究机构的独特优势。
人工智能的普及预计将持续很长一段时间。
与此前被奉为神祇的少数人工智能公司相比，越来越多的国产医疗AI开始大放异彩。
我相信微医云产品只是一个开始。
随着政策不断惠及人工智能，各级政府持续投入对人工智能的补贴，中国作为全球网络应用第一大国，将有更多本土产品反超医疗AI。