当AI在医疗领域难以蓬勃发展时，问题通常不在于算法本身，而是更深层次的原因。
本周，三位不同领域的专家撰写了三篇观点文章，都聚焦于这一主题。
在点击链接阅读完整文章前，请先阅读以下每篇的摘录。
1. 医疗AI就像从靠近的船只上看到的冰山
人们往往关注AI可见的层面——引起注意的算法、界面和输出。但这些元素仅代表决定成功因素的一小部分。
表面之下是使AI在实践中可行的一切要素：数据标准化、互操作性、治理、安全性和临床及运营工作流程的集成。当这些要素缺失或发展不足时，即使是最先进的AI解决方案也难以产生有意义的影响。在干净、精心整理的数据集上训练的模型，在实际部署环境中往往面临截然不同的条件。不一致的编码、不完整的记录和分散的数据源会迅速降低性能。
这就是许多组织遭遇瓶颈的地方。
问题不在于AI不起作用，而在于其周围的系统尚未准备就绪。
——摘自HL7国际首席执行官Rachel Dunscombe在《MedCity News》（5月5日）发表的文章《医疗行业没有AI问题；而是准备不足的问题》
2. 大多数医疗系统仍然缺乏AI所需的关键IT组件
基础设施很容易被忽视和投资不足。道路、桥梁和电网会逐渐淡出人们的视线——直到出现故障使其无法被忽视。
医疗领域的AI也是如此。在过去的几年里，医疗系统开发或研究了数百种AI解决方案。许多解决方案显示出强大的技术性能，但临床或运营影响有限。有些已被证明与现有系统不兼容；有些则无法超越试点阶段。
因此，目前的格局充满了孤立的概念验证，而不是能为组织带来有形和无形价值的持续、全系统工具。
短缺不在于工具本身。而是大多数医疗机构缺乏必要的基础设施——如可靠的数据架构、治理、监控和工作流程集成——这些是AI安全有效地大规模运行所必需的。
——摘自斯坦福大学生物医学信息学讲师Justin Norden医生、MBA及其同事在《Healthcare IT News》（5月5日）发表的文章《不修复基础设施，AI无法改善医疗》
3. 医疗AI的失败并非因为模型薄弱
它失败是因为实施与需求不匹配。
事实上，医疗AI只有作为工作流程的一部分部署，而不仅仅作为工具时，才是有用的。
每当首次引入AI工具，或组织看到演示时，都会感到兴奋。测试显示出惊人的初始结果，但关注点很少放在需要实现的最终目标上。这一过程通常处于"进行中"状态——直到技术与日常工作的现实相遇的那一天。当这种情况发生时，输出开始变得不一致。它无法满足引入时所需的要求。
正是在这一点上，信任度下降——在技术价值得到充分证明之前。
——摘自业务分析师Sai Teja Rayabarapu在《印度教徒报》（5月3日）发表的文章《缺乏工作流程规范，为何医疗AI会失败》
【全文结束】