此外，数据共享也存在壁垒。我国当前医院与医院、同一家医院内科系互不相连, 没有统一标准的临床结构化病历报告,不同地域甚至不同医院之间的数据库无法通用。

　　我国人口数量庞大，医学数据体量也很大，但在某种程度上，人工智能发展却陷入了“无数据可用”的尴尬境地，怎样才能将这座“富矿”充分挖掘出来呢?

　　“数据标准化和规范化是解决该问题的必经之路。”在徐波看来，应加快医疗数据电子化、标准化的进程, 打破医疗机构的数据壁垒, 建立数据共享机制,进一步“精炼”医学领域数据。

　　医工结合 学科交叉人才紧缺

　　“既懂医疗又懂AI技术的复合型、战略型人才极其短缺, 其中10年以上资深人才尤为缺乏。同时, 医务人员对AI的接纳度不足, 部分医务人员甚至对AI抱有抵触心理。”上海市卫生和健康发展研究中心(上海市医学科学技术情报研究所)健康科技创新发展部执行主任何达曾在相关期刊发表文章时提到，AI技术的使用需要对医务人员进行专业化规范培训, 在此背景下, 建立完善的人才培养和人才引进机制是重中之重。

　　徐波告诉科技日报记者，智能医学领域是人工智能和医疗健康这两个专业性极强领域的结合，如今二者都能深入研究的人才是“香饽饽”。而正是因为二者专业性极强，人才培养的模式才更加复杂、更值得深入探讨。

　　去年，南开大学和天津大学首次在本科开设智能医学工程专业，开启了培养人工智能+医学领域专业人才的新征程。今年，包括重庆大学、东北大学在内的7所院校也成功申报获批开设相关专业。南开大学医学院相关负责人曾表示，该专业是挂靠在学校医学院下的一个工科专业，为了满足学生学科交叉的学习需求，会邀请外院的教师上课教学。

　　在徐波看来，智能医学领域发展时间短，能大范围推广的培养模式尚需一定的时间摸索。但归根结底，如果让部分有兴趣的医学生在校期间就能接触到一些人工智能相关的工科基础知识，将会对其后续向着智能医学方向发展起到一定的引导和辅助作用。

　　虽然现阶段交叉人才缺口很大，但值得庆幸的是，家长和学生对智能医学工程专业高度认可。2018年，天大、南开智能医学工程专业首批招生投放涵盖全国十几个省市，招生期间，民众的相关咨询持续火爆，未投放省市同样反响热烈。

　　市场良性发展 监管体系亟须加强

　　除了数据和人才两大基础方向，新兴的智能医学在商业模式和法律监管等方面也需要人们投注目光。

　　以目前人工智能与医学最常见的结合点医学影像为例，现阶段该领域的AI产品在国内主要采用免费试用的合作方式，虽然短期来看，医院是获益的，但长远计算，优质AI企业会因长期无法盈利而难以为继，无法持续为医院提供更好的产品。