不知不觉间，人工智能已经渗透到医院日常的各种工作当中，无论是问诊、分诊、还是影像诊断、支付等，在各个环节中，智能咨询、“刷脸”医疗、医学影像辅助诊断、疾病风险预测等服务已经开始，一大批医学人工智能初创公司应运而生。国内外互联网巨头积极部署医学人工智能，传统医疗企业引进人工智能人才和技术。随着可穿戴的医疗跟踪设备越来越便宜，穿戴设备的使用越来越多，消费者现在可以随时测试他们的健康状况。大数据和人工智能预测分析可以在更多重大疾病出现之前不断测试和提醒用户，再加上医疗和定量生物数据的提供，将使政府医疗部门能够以更低的成本向更多的人提供高质量的个性化医疗服务。
1. 从前沿技术到应用现实
在二十一世纪，人工智能如何应用于临床医疗上，是非常重要的研究课题。就当今技术而言，应用人工智能深度学习能够帮助计算机理解大量图像、声音和文本形式的数据，识别率已经能够达到商业化应用的水平。同时，新技术的介入能推动传统行业的发展，例如医疗行业。人工智能的应用，能够帮助提升基层医疗水平，在医院建设中，能够缓解由于医疗资源相对不足造成的建设困难。
目前，在我国的医疗体系当中，最好的设备和一流的专家都汇聚在三甲医院当中，相对的，基层医院建设资源不足，医生的经验也不够，在医院建设中应用人工智能技术的意义就在于此：
首先，应用人工智能技术能够强化基层医院医生的能力，能够提高他们的从医经验，提高基层医院的医疗水平。
其次，应用人工智能技术，能够缓解医生的疲劳强度，降低重复性的劳动程度。
一些技术含量低、重复性高的工作可以交由人工智能去做，一些医生可能注意不到的小病灶，也可以由人工智能进行提醒，甚至是代替医生诊断、治疗，从而达到防漏诊的目的，相当于多了很多的“编外医务人员”。据了解，目前我国许多医院都引进了对肺癌、乳腺癌、儿童生长发育异常等疾病进行辅助诊断的人工智能检测系统，如复旦大学附属肿瘤医院，浙江大学附属儿童医院、华中科技大学附属医院，同济大学医学院等。
以人工智能阅片为例，以往医生需要大概5到8分钟才能看一张片子，而应用了人工智能技术后，这个时间缩短到了几秒钟，并且能够生成结构化报告，辅助医生对结果进行诊断和审查，提高了医生阅片的精度和效率、减少误诊漏诊。
2. 医疗人工智能的应用领域
人工智能是非常适合应用于医疗行业的，这是因为医生这一职业，非常依赖视觉和听觉等感官对病人进行信息的搜集工作。而人工智能的深度学习功能，利用人工神经网络手段，能够处理大部分的相关工作，例如，CT和X光片。阿里巴巴医疗部门使用人工智能解读CT片，腾讯觅影使用人工智能发现癌症的早期迹象。不仅如此，人工智能技术还可以分析及标注患处。
在医院建设中应用人工智能一体化技术，能够有效缓解我国人口老龄化带来的医疗压力，特别是在医疗服务稀缺地区，缓解了由于总数巨大的病患和紧张的医疗资源带来的压力。在医院建设中应用人工智能一体化技术，如智能诊断、人工智能手术辅助、医疗影像的人工智能识别功能、长期健康监测、基因学等方面，能够提高检测效率和结果的准确性，帮助医生详细掌握病患情况，提出更加有效的治疗方案。
3. 大数据
在国家政府部门搭建统一健康大数据医疗平台的过程中，最需要考虑的问题，就是医疗数据的来源、质量和安全性。目前，我国已经初步计划制定大数据医疗平台标准，并将之下发到各个医疗卫生机构和卫生健康单位，包括医疗相关企业，实现数据的对接和读龋之所以这么做，是因为人工智能医疗需要大数据的支持。
在推广电子病历结构化，病历大数据储存分析标准化的同时，要注意保护患者的隐私。即便是推广应用大数据时，也要隐去个人姓名、特征和地址等。政策要求各个医疗单位和企业，要有一定的安全防范意识。此外，政府也在逐步完善相关法律法规的制定。
由于大数据应用在我国发展的时间很短，我国对大数据安全相关的实践，缺少长期执法的经验，虽然已经设立了相关的法律法规，但还需要进一步地强化对数据保护的执法力度。
一方面要不断借鉴国外经验，提高个人和企业以及医疗单位的自我保护意识，提高全社会对数据安全保护的法律意识；
另一方面，要建立配套的数据安全指南与标准，对大数据应用的健康发展要做出长期指导的准备。为了安全防护大数据的整体安全，行业内部要遵从以下几点：
一是在安全体系建设过程中，要考虑遵守法律法规；
二是要有大局观，做到事前保障系统稳定性、事中实现业务连续性、事后确保及时运维整改；
三是加强信息安全环境下的人事管理和培训；
四要主动保护和建设积极防御信息安全体系。
尽管人工智能在医学领域发展迅速，但在中国医学领域，人工智能的最终形式不是取代医生，而是重建和建设中国未来新医疗体系的基础设施。其中，人工智能在两个方面改变了中国新医疗体系的基础结构：
一是医学方面，包括筛查和预防疾并对肿瘤的诊断和治疗、新药物的发现等；
二是医疗方面，包括对数据的标准的制定、多源数据结构化、病灶勾画的优化、民众的健康管理等。
综上所述，只有数据土壤足够优质，才能让人工智能的应用落到实处。我国医疗数据虽然整体上量很大，但是一旦落到某一类具体医疗问题时还是存在数据量不足、数据质量低下、医疗信息标准缺失等问题。
要解决上述问题，实现大数据人工智能一体化在医院建设中的应用，就少不了合作。这种合作是国家层面的合作，是有意识的资源整合，是医学界、企业和科研单位的合作，是对医学人工智能发展的梳理。要进一步推动医疗人工智能的发展，强化在医院建设中的作用，就少不了多方面、深层化的合作参与，才能最终实现全面医疗人工智能一体化建设。
