钛媒体APP@AI抗疫时刻中，中外的异与同( 三 )

这样患者在不同医院就诊时，数据被医务人员共享使用，许多重复治疗、检查可以避免，自然能够很好地提升就诊效率，缓解医疗资源紧张问题。
而中国医院体系的数字化、智能化程度相对不高，并且呈现出分散性、地域性，这就导致当研究者需要进行算法训练、开发，以及诊疗交流时，往往需要打破不同医院和地区的壁垒，才能实现数据交换共享，由此也限制了AI在医疗领域的发展。
另外，科技企业界的重度参与，为美国等AI提供了强大的技术助益。
谷歌从2015年开始，就将AI作为每个部门的战略核心，尤其是在Deepmind的助推下， Google在癌症、糖尿病、心血管疾病等疾病的预防和治疗方面，创造了许多领先业界的突破。并且谷歌母公司Alphabet旗下还有多家生物科技和医疗公司，能够协同发展。
此外，美国还有微软、苹果，以及多家医疗领域创业公司，也是其在一些医疗细分领域的AI进展较快。
日本政府的AI医疗战略，也与企业达成了非常紧密的合作关系。比如从2011年开始，索尼、富士通、松下、欧姆龙、山佐、A＆D、AQ、泰尔茂等公司，就推出了大批以NFC为主的居家医疗、照护产品，促进了家庭移动智能医疗护理系统的建构。
2016年，日本Qol公司打造的健康支援药房，也可以通过实时上传到云端健康管理平台的监测数据，来为高血压、糖尿病等常见慢性病患者提供诊断和药品发放，来减少治疗成本。

本文插图
目前来看，中国医疗机构与产业在数据互联和信息共享上还没有形成覆盖全社会的网络体系，社区级无法帮助中心医院完成一些较为复杂的诊疗。各大科技企业的医疗大脑、AI体系目前还属于推广建设阶段，渗透到更广泛的公共医疗和病患个人终端，还需要一段时间的建设。
同时也应该看到，移动互联网、智能硬件、科技巨头算法超市等的出现，让中国基层社会在抗疫事件中，表现出了独一无二的高效。
比如智能测温在各大地铁、火车站等的应用，甚至有无人机飞行测温；AI机器人承担着消毒、安防、送餐等各种各样的无接触任务，降低感染风险；移动支付、小程序等快速解决了民众互动、流行病学调查、机构协作等难题。
与之相比，美国、欧洲等公共AI应用的不到位，或许也展现出了其长于算法、短于基础设施的弊端。
我们知道，受史上最严隐私法案的影响，欧洲许多国家禁止采集公众信息，对人脸识别等前沿技术的使用也出台了相关限制，并屡屡开出巨额罚单。尽管这在一定程度上保护了公众信息安全，而对社会智能化的防范与迟缓，也使其在面对大型公共卫生事件时，展现出了应对能力薄弱、救灾过程滞后、人员有限重复劳动等问题，在防疫效率上还有很大的提升空间。
就连美国《华尔街日报》也指出，利用数字设备，能够追踪每名患者的具体行程，快速确定人员流动轨迹，甚至可以精确到分钟，为防控“做了前所未有的努力” 。
防疫终结站，和AI的下一站
当我们与世界共命运的时刻，或许也可以从中外不同的AI路径中，汲取下一站的力量。
必须承认，中国在AI能力上并不输给老牌科技强国。想要比它们做得更好，还有一些值得注意的经验：
1.有选择性地应用AI ，并对数据本身怀抱合理的期待。
值得一提的是， AI疾病预警并非如想象中那么有用，它就如同汽车报警器一样，既容易触发，也容易被忽略。一个主要的原因是，不同机构、不同平台的数据都可能会阻碍算法。
哈佛大学(Harvard University)流行病学家Andrew Beam表示，扫描在线报告中的关键词有助于揭示趋势，但准确性取决于数据的质量。