在埃里克·托普《深度医疗》的类比框架下，理想环境与交通条件下自动驾驶汽车已达 L3 水平，而 AI 医疗整体仍处在 L1 到 L2 的路上；托普进一步认为，受制于更严重的伦理问题，AI 医疗不太可能超越自动设备的 3 级水平——阅片、诊断等工作可由 AI 辅助完成，但任何时候、任何情况下都不能容忍没有人类医生和临床医生监督。就全球格局而言，AI 医疗目前整体仍处于探索阶段，中国凭借医疗数据体量与场景优势具备一定的追赶空间，但同样面临数据权属与数据流通的现实约束。
为什么 AI 医疗的等级比自动驾驶更难往上走
托普将自动驾驶汽车与人工智能的医学实践相提并论，但两者的约束条件并不相同。在高速公路上用自动驾驶“摸鱼”的司机，也绝对不希望是机器人给自己主刀——这一对比指向的是 AI 医疗更为严重的伦理问题。正因如此，AI 医疗的定位是辅助而非替代：诊断、阅片等环节可以借助 AI 完成，但对医学整体而言，人类医生与临床医生的监督不可移除。
中国的相对位置：数据体量与场景是优势
AI 的三大基石是数据、算法、算力，数据被称为 AI 时代的“石油”，是基石中的基石；而对 AI 医疗来说，医疗数据既是第一驱动力，也是永远的痛点。中国在医疗数据规模与临床场景丰富度上具备基础条件，这构成了参与全球 AI 医疗探索的相对优势。
数据流通侧已有实际进展。根据动脉网的报道，国内各个大数据交易所已有不少将“医疗卫生”数据纳入交易品类，但目前仅有贵州大数据交易所上架了一款“儿童构音障碍早筛语音数据”产品，售价 25 万元，已交易两笔。该产品主要用于 3-6 岁儿童在自闭症、构音障碍、发育迟缓以及言语障碍等疾病的早期筛查 AI 算法训练。这一现状说明，医疗数据的交易与规模化利用仍处在早期。
差距不在“拿到数据”，而在“理解数据”
医疗数据属于患者隐私，所有权理应属于患者，但实际中医疗大数据的权属基本在医院方；也有观点认为所有权在患者个人、控制权在医院、管理权在政府，第三方机构需借助政府支持和医院配合方能进行商业化开发和利用。目前 AI 模型训练所需医疗数据大都通过企业与医院签署研发协议获得，实际操作中会有专门模块进行数据清洗，只保留必要数据，且医院与企业之间做好物理隔离，通常是数据不出院、模型出院。
托普在分析 IBM 医疗 AI 沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”对现阶段的 AI 医疗产品来说，理解医疗数据远比获得数据更重要也更困难。这也意味着，中国在全球 AI 医疗格局中的位置，更多取决于能否把数据体量与场景优势转化为对医疗行业的深度理解，而非单纯的数据持有量。
常见问题
AI 医疗目前相当于自动驾驶的几级？
按照《深度医疗》的类比，在理想环境和交通条件下自动驾驶汽车已达到 L3 水平，而 AI 医疗仍处在 L1 到 L2 的路上。托普认为，由于伦理约束更为严重，AI 医疗不太可能超越自动设备的 3 级水平。
中国在全球 AI 医疗格局中处于什么位置？
全球 AI 医疗整体仍处于探索阶段，中国凭借医疗数据体量与临床场景优势具备一定追赶空间。从数据交易所的实际情况看，医疗卫生数据虽已被纳入交易品类，但上架产品与成交笔数仍然很少，规模化利用尚在起步。
医疗数据为什么难以支撑 AI 医疗快速发展？
医疗数据属于患者隐私，所有权理应属于患者，但实际权属基本在医院方，第三方机构需借助政府支持和医院配合才能商业化利用。同时，训练数据多通过研发协议获得，并采取数据不出院、模型出院的隔离方式，流通效率受到限制。