“智慧医疗”是传统医院及医疗机构向数字化、智能化、现代化医疗跨越的最终目标，能够改善行医就医体验，提升医疗效率和质量。但由于人工智能医疗技术仍处于发展阶段，人们的思想意识和接受度仍需提升等原因，“智慧医疗”在落地的过程中还存在很多的问题和挑战。

1、AI原理难以解释，公信力不足

“智慧医疗”运用各类人工智能算法，技术复杂，分析得出的结论难以向医务人员和患者解释，也就造成了医务人员和患者在使用AI服务时对结果的准确性产生疑虑。为解决这个问题，一方面需要对医务人员和患者进行AI服务使用前培训，用通俗易懂的语言让他们清晰的了解AI服务的功能、原理、准确度和局限性，有了全面的了解，才会产生理解和认同。

2、分析诊断的准确性仍需提升

传统医学研究依然较多采用还原论方法，但从生物大分子到细胞组织器官和人体个体，都是一个质变的过程，不能用简单还原的方法来解释人体的机能，因此这些检测数据很难反映疾病的本质，也很难进行准确的科学决策。

医学AI算法的应用有望通过跨维度异构数据的分析解决这个问题，从而实现更精准的医疗诊断，但目前的AI算法还不成熟，多学科联合诊断算法上还存在技术瓶颈，需要经历长时间的学习、实践和反馈，持续迭代算法模型，才能让分析诊断的准确率提升到可以实际应用的水平。

3、潜在风险不可控

目前智慧医疗还未进入成熟阶段，虽然AI医疗的应用场景很广泛，比如虚拟助理、药物研发、健康管理、医疗影像辅助诊断等，但是真正落地、符合医院使用场景的产品还是比较少，因为存在很多难以预测的潜在风险，安全不可控，AI诊断的失误会造成患者的健康受损，必须要将风险控制在最小程度。，因此，相关技术和产品的研发还有待进一步提升。

4、非结构化数据多，难以挖掘数据价值

根据IDC Digital的预测，截至2020年医疗数据量将达到40万亿GB，是2010年的30倍。即使医疗数据量巨大，但其中80%左右都是非结构化数据，发挥不了“大数据”的价值。此外，国内医院电子病历未完全普及，很大一部分患者的数字化病例资料都是不完全的，这就对医疗数据的数字化整合带来一定的难度。同时，不同的医疗机构或者企业，其数据录入标准也是不一样的，而单个医疗机构或者企业积累的数据难以训练出有效的深度学习模型。因此，在不同医疗机构或者企业合作时，容易因标准不一导致优质的医疗数据丢失。

5、政策制度不完备

医院信息化建设发展缺乏顶层建设规划，相关政策制度不健全、不完备，导致“智慧医疗”转型难以大规模推动，行业数字化转型速度缓慢。同时，部分医院及医疗机构管理者及医生四项观念陈旧，对“智慧医疗”重视程度不够，数字化管理和实施细节不够清楚，也阻碍了“智慧医疗”的发展。

由捷瑞数字自主研发的伏锂码云平台，基于“J3D数字孪生引擎”与“RBI商业智能设计器”两大开发工具，以数字孪生与工业互联网为驱动，加速医疗机构及企业数字化转型进程。