过往的五年时间，近千亿资金注入医疗人工智能赛道，AI影像、AI新药研发、AI机器人、智慧医院等细分赛道以前所未有的速度向前发展。外界的持续滋养下，AI已经在医疗中的方方面面落地生根，成为媲美互联网技术一样存在。
AI赋能下的医学影像、新药研发、信息化与机器人是现阶段产业发展趋于完善、具备较强增长空间的四类细分场景，亦形成了相对成熟的商业模式。
作为一项创新性技术，医疗AI的足迹遍布医疗领域的方方面面。根据其应用场景，大致将其划分为四个方面：
决策支持类软件：采用人工智能算法，用于辅助医疗决策，如病变识别、药物计算
影像/数据处理类软件：采用人工智能算法，用于医学影像、数据处理，如影像分割融合、数据计算等的软件
分析和挖掘类产品：采用人工智能算法对医疗相关数据进行分析和挖掘用于药物研发、医学科研、医院非医疗信息管理
医疗助理类产品：基于电子病历或患者主诉信息，采用自然语言处理（NLP）用于医院导诊、健康咨询等用途
伴随AI而来的智能化是自动化的一种新形式，可扩大机器设备、系统或过程（生产、管理过程）的自 动化范畴，进而实现降低单位劳动成本、提升工作制造效率。
AI在特定条件下的数据分析能力可以跨过常规步骤获取结果，其计算过程等价于借助耗材获得数据后进行的分析。在这种情况下，充分发挥AI的数据分析能力，有望减少部分疾病诊断过 程中对于耗材的使用，进而重构临床流程，减少检查过程中患者支付的费用及诊疗受到的伤害。
通过影像学量化分析探索可能的病症变化
在常规诊断流程中，放射科医生通过翻阅CT影像评估患者病灶，可以获得的信息包括病灶密度、病灶形态、病灶数量与病灶大小，但由于缺乏精准量化分析，诊断过程中忽视的一些细节，可能成为左右患者病情的关键所在。因此，AI的介入能够对医学影像进行更为细致地量化分析，甚至能够借助大数据找到一些过去不曾存在的联系。
借助于AI，进行新冠肺炎回顾性实验，结果显示：新冠病毒患者的CT影像中，存在较多磨玻璃影，呈铺路石征，而细菌性肺炎患者的CT影像中实性病变较多且有时伴有胸腔积液的情况。
在实验过程中，通过AI辅助分析系统将肺部分成不同的肺段，把其中的病灶勾勒出来，计算每一个肺段病灶区的感染比例，从而为诊断感染情况提供参考。利用AI算法可以精准地计算感染区域在不同肺叶、肺段的分布。
疫情期间，某公司曾基于1294个肺炎病例进行空间结构归一化与统计分析，形成新冠肺炎在全治疗过程中的图谱结构，可一目了然地看到疾病进展与治疗过程中的变化结果。
通过大数据分析，能够找到某些鉴别诊断的规律，对征象进行精准量化分析，医生也能够对新冠肺炎患者进行轻中重病情程度划分，制定个体化的隔离、治疗方案，对紧缺医疗资源的调度以及患者治疗进行一定程度上的优化。
透过这个案例可知，通过特定方式处理影像，并借助AI进行分析，有可能得到肉眼无法观测到的诊断结果。如果能将AI带来的智能化能力赋能医院，医生或能借助回顾性研究找到更多规律，并借助发现的规律重塑诊断标准与诊断流程。
从1.0到2.0时代，医疗AI大有可为
医疗AI2.0的价值创造方式与AI1.0有所不同。1.0时代是覆盖式创新，即肺部做完了转向脑、心、肝等脏器，而2.0时代的创新是以1.0创新成果为基础的单点式创新，即各企业在各自领域探索AI的深层 次价值，没有形成1.0时代的AI产品矩阵规模。
那么从1.0到2.0时代的跃迁什么最重要？
决定AI品质的算法、算力、数据三要素，真正能够形成壁垒的还是算法与数据。
以辅助诊断类AI为例。AI1.0时全球范围内均缺少开源的医疗大数据，AI企业能够直接获得的数据很少，存在数据量小、标准化低、标准成功率低、数据类型有限（以肺结节为主）。在这个阶段，企业获取有效数据集必须与医院进行合作，在取得脱敏数据后对其进行分类、标注、训练。由于整个过程均需人工进行，单个数据标注成本在10-30元不等，耗时20-40分钟，投入有限但耗时极长，尤其要获得高质量的标注，企业/医院必须找到资深医生进行标注，标注的难度由此大大提升。
伴随AI技术愈发成熟，2020年开始，大量医院自发加入的单病种影像数据库、第三方测试数据库的构建中，数据量呈现指数增长，AI企业进行新适应症开发面临的难度骤减，加之第三方数据库逐渐形成规模，医疗AI的产品丰富程度随之增长，AI企业打造的数据壁垒开始削弱，算法壁垒的作用开始凸显。
另一方面，国家药监局器审中心于2022年3月7日发布了的《人工智能医疗器械注册审查指导原则》 （后简称《指导原则》）重新描述了人工智能医疗器械的概念、注册基本原则、人工智能医疗器械生存11周期过程、技术考量等部分。值得注意的是，该政策对人工智能审批适用的算法进行了完善，在深度学习的基础上加上了迁移学习、集成学习、联邦学习、强化学习、生成对抗网络、自适应学习。
过去，众多医疗智能企业曾在小样本学习、无监督学习等新式AI算法等方向进行尝试研究，这些新的研究结果同样属于当前定义下的AI，但却未被当年的审评审批包含其中。在文件发布后，更多创新算法审评审批流程得到确认后，医疗AI的壁垒逐渐向算法偏移，更为丰富的算法将进入市场，以更为有效的方式赋能诊疗流程。
总的来说，无论是AI1.0时代还是AI2.0时代，医疗AI的价值都在于通过智能化重塑数字化医疗，这是一个缓慢而持续的过程。