人工智能蓬勃发展，对各行各业都产生了影响，那么人工智能对医疗保健行业的影响会是怎么样的呢。我结合freshbenies首席战略官的文章，并加入自己的理解，联系国内的实际情况谈谈人工智能对医疗保健行业的发展。
一机器学习（包括深度学习）和人工智能是有区别的
机器学习使用人工智能算法来处理大量的数据，并允许机器自己学习。如电子邮箱中的垃圾邮件分类，而机器学习在医疗行业的应用主要局限于医疗影像行业。如CT影像扫描与快速诊断。
而人工智能是在机器学习基础上的升级，不再是具有单一的功能的简单应用，而是结合某一领域专业知识后的具有一定咨询，综合辅助功能的系统应用，如科大讯飞的翻译件，以及科大讯飞的晓医，辅助诊断系统。
二医疗，医药行业的知识专业性和场景复杂性
医疗，医药行业的专业性复杂性，特别是医药行业本身就是和人工智能一样的高科技行业，其在科技树的高度甚至比人工智能还要高，比如如果一个人工智能工程师需要对CT进行诊断分类，他只需要和医生交流并且有足够的CT数据就可以了，再比如讯飞的晓医在利用语音识别和自然语言技术的基础上，融合了，医学考试教材的知识和大量医疗案例，也能差不多做到。但是制药行业，就涉及化学，生物，物理等基础学科，不仅如此还有化学合成，药物合成，有机物副反应，物料系统的合成路线，到前沿的计算化学，以及现在的免疫，靶向治疗所涉及的基因组学，蛋白组学，免疫学，以及药物代谢动力学，没有哪一项不是和人工智能一样专业，而艰深的学问，一个人工智能工程师如果想深入制药行业做出好的应用，就必须对上述学科有一定程度的掌握和足够的行业经验才有可能将机器学习，人工智能技术用来解决医药的调研，研发，临床试验，生产合成，以及后期的效果追踪等方向中的痛点，难点。
下面举几个医疗方面的人工智能应用，目前在制药方面还处在实验室阶段，应用乏善可陈
1一个医疗对话机器人对临床交流工作的应用：http://www.healthcareitnews.com/news/google-powers-ai-machine-learning-accelerator-healthcare
2谷歌的医疗行业应用：Google powers up AI, machine learning accelerator for healthcare
3利用机器视觉技术，进行情绪跟踪来观察病人：https://www.wired.com/tag/mental-health/
4谷歌的机器学习算法诊断乳腺癌：https://www.mercurynews.com/2017/03/03/google-computers-trained-to-detect-cancer/
三：想办法获取患者数据，打破数据壁垒。
众所周知，当下的AI的成果是离不开数据的支撑的，可以说是数据滋养了人工智能的迅猛发展。但是从现有的国内行业经验看，医疗行业和医药行业的数据壁垒非常严重。
举个例子：一个省里面，不同县的社区医院的数据库是不共享的，同一个城市的，不同市属医院的数据是不共享的，甚至我们遇到过同样一家医院，不同的区的数据是不共享的，这里面的原因非常复杂，其中一部分原因是早期医疗信息化建设的时候，大大小小的医疗信息化公司为了各自的利润造成的重复建设，反复建设造成的。
对了，再告诉大家一个秘密：很多医院不喜欢用公有云，以为自己搭建个服务器，数据就不会泄露了，其实，数据早就落入了信息建设的乙方公司手上，目前医疗信息数据掌握最多的是很多早期的医疗信息公司，具体名字我就不说了。
所以，国内现在的情况是AI公司有技术没有数据，传统医疗信息公司有数据没有技术，医疗AI想往前发展还是狠难的，不过个人感觉，未来传统医疗信息公司比AI公司更有优势，你问我为啥？呵呵，人家有数据啊，但技术的门槛会随着发展，越来越低的。
四：最后说一下，国内医药行业的AI情况
目前除了极个别的外企建立了大数据部门，药明康德搞了点研究，这块几乎是空白，但是国外其实已经再研究了。
我真心期望国内再这个交叉领域能有所突破，后面我会逐步科普AI在医疗和医药化学行业的相关研究成果和行业信息