随着技术的进步和市场的逐渐成熟，人工智能在医疗领域的应用日益广泛和深入。基本涵盖了从发现病情、分析诊断到治疗、管理等流程，广泛应用在各个医疗细分领域如医疗影像、辅助诊断、药物研发、健康管理、疾病预测、医院管理、虚拟助理、医疗机器人和医学研究平台等场景，其中，医学影像率先落地、率先应用、率先实现商业化，是应用最为广泛的场景大。从医疗各参与方来看，医疗人工智能在患者端、医院端和生态端均有较大的应用价值：

■患者端：重塑就医体验。在人工智能技术的助力下，医疗服务得以突破医院的物理边界，延伸至诊前、诊中、诊后每一个环节。使医疗机构更能践行以患者为中心的理念，从而有效提升患者就医体验。

■医院端：重构管理体系。人工智能技术将深入病人管理(电子病历)、药械管理(器械设备与药品智能化闭环管理)、病房管理(智能手术排班)、绩效管理(DRGs绩效)、后台管理(人力财税等智能后台综合管理)等方面，为医院管理体系带来整体升级重构。

■生态端：完善医疗服务生态。在整个医疗服务体系中，医院是各项信息数据汇聚与整合的中间枢纽，此外还有其他医疗服务机构、医疗健康产品提供方、支付方、监管方等多方。人工智能将在实现医疗服务体系中多方的信息和服务有效流通、协同等方面发挥重要作用。

从应用场景到应用价值，我们不得不承认人工智能为医疗带来的巨大赋能。但是，如何在智能化的浪潮下，找到医疗的人文特质与技术之间的平衡点也是随之而来的重要问题。医疗的背后，是对生命的探索，是对人与自然关系的把握。医疗若缺少了人文本质，医患关系——医学的核心将被打破，后果将不堪设想。如果我们能够发掘技术的潜能，并找到一个更好的互助模式，就能够解决至今依然困扰医疗领域的诸多难题。在《深度医疗》中，世界医生领导者、智能医疗发展领航人埃里克·托普揭示了人工智能将如何为医生提供帮助，以及如何为医疗人文关怀的建立创造空间。

《深度医疗》总结人工智能在医学上的各种应用前景，为人工智能如何实现医疗变革提供了一幅全景图。也对“数据驱动的医疗”作了进一步的剖析，例如，如何提供个人医疗数据的复杂全景图、如何优化临床医疗决策、如何减少误诊，以及过度医疗操作等。书中对大量有价值的案例进行了分析，例如，在一次拯救癫痫发作的婴儿过程中，从全基因组测序到电子健康档案的自动分析、结合机器学习筛查遗传变异，到快速找到引发代谢缺陷的基因，最终，婴儿成功得到诊治。又如，2016年创立的AliveCor公司专注于人工智能心电图分析和进行房颤监测，是较早通过FDA认证的人工智能医疗软件公司。医疗人工智能算法很大程度上依赖于所获得数据的准确性和广度，尤其是后者。在医疗决策过程中，对于哪些变量和数据要纳入分析范围，不同的医生、不同的机构之间存在很大的差异，没有统一的标准。过早地过滤数据固然不利于治疗，但究竟什么时间节点又是最合适的呢？这导致了FDA等监管机构在医疗人工智能算法的评审上遇到诸多困难。该书在这些方面也进行了发人深省的探讨。

“深度医疗”更是深度共情。斯坦福大学医学院教授亚伯拉罕·维基斯在推荐序中指出：“在过去的40多年里，医疗技术取得了巨大的发展，但作为医生，我们往往没能遵循有效的指导方案，而是沉迷于技术，忽视了眼前的一个个独特个体。我们了解患者的基因组，却不聆听他们的故事，对他们的失望置之不理。全身皮肤因神经纤维瘤而诱发的肿块与突发性高血压密切相关，这一症状只需要医生在检查时脱下患者的外套就能发现。然而，我们经常未将注意力放在患者身上，而是盯着计算机屏幕；我们总是忽略老年患者嵌顿疝导致的呕吐症状，反而等着昂贵的计算机X射线轴向分层造影扫描（CAT）的结果，等着放射科医生告诉我们有关患者的情况。事实上，对于一些基础指标排名，如婴儿死亡率，在医疗健康领域花费巨大的国家通常落后于花费甚少的国家。”同样糟糕的是，在美国大部分医院被广泛应用的电子健康档案设计初衷是方便收费，却并未考虑医护人员的操作便利性，因此其带来的工作量常常令医护人员筋疲力尽。由于电子健康档案的“入侵”，很多医生无法把精力专注在患者身上：注意力被计算机屏幕吸引，从而忽视了眼前的患者。医患之间的“同理心”是医疗的本质，再先进的技术都不可替代它。

技术的兴起应该伴随着更高的人性化，让医生有更多的时间陪伴患者、感同身受，这才是真正地实现优质医疗。