說到長期以來國內(nèi)的醫(yī)療行業(yè)的痛點，最為顯著的兩點就是看病難和看病貴，實際上這也是世界性的醫(yī)療難題。即使是醫(yī)療水平更高的發(fā)達國家的民眾，在看病就醫(yī)時同樣面臨這樣的困境。二十一世紀以來，在政府部門和醫(yī)療行業(yè)的共同努力下，國內(nèi)的醫(yī)療條件得到較大程度提高。然而，醫(yī)療資源地區(qū)分布不均衡的問題卻越來越顯著，一方面優(yōu)質(zhì)的醫(yī)療資源集中在一二線城市中，而偏遠地區(qū)醫(yī)療資源存在不足;另一方面國內(nèi)各地的患者都熱衷于前往大城市求醫(yī)，導(dǎo)致一線城市醫(yī)療資源較為緊張。

　　一定意義上而言，無論是城鎮(zhèn)還是農(nóng)村，都面臨醫(yī)療資源不足的問題，患者接觸優(yōu)質(zhì)醫(yī)療資源的難度都很大。如果有充足的醫(yī)療資源作為支撐，城鄉(xiāng)民眾都能夠獲得更優(yōu)質(zhì)的醫(yī)療服務(wù)。而實際上，具體來看醫(yī)療資源不足的問題，很大程度是由于“醫(yī)生荒”。當前國內(nèi)為患者提供服務(wù)醫(yī)生人數(shù)不足，導(dǎo)致在業(yè)的醫(yī)生往往需要超負荷工作，這種情況更是加劇了醫(yī)療人才的流失。

　　數(shù)據(jù)顯示，從2005到2015的十年間，國內(nèi)大學(xué)一共產(chǎn)生470萬醫(yī)學(xué)畢業(yè)生，然而實際增加的醫(yī)生人數(shù)僅為75萬，同比增長幅度約為16%，意味著大約有400萬醫(yī)學(xué)相關(guān)人才流失。

　　顯然，醫(yī)科畢業(yè)生轉(zhuǎn)化為醫(yī)生的比例極低，導(dǎo)致這種情況的原因有兩個。其一是醫(yī)學(xué)知識的實際運用難度較大，解決簡單的臨床問題很可能涉及到多方面分散的醫(yī)學(xué)知識;其二是醫(yī)生的培養(yǎng)過程相較于其他行業(yè)，更為嚴格且漫長，過程中有很多人被動淘汰或主動放棄。

　　從國內(nèi)醫(yī)療行業(yè)現(xiàn)狀來分析，如果有優(yōu)秀的醫(yī)生資源作為補充，將能夠有效提高國內(nèi)的醫(yī)療水平。業(yè)內(nèi)人士指出，人工智能與醫(yī)療領(lǐng)域的結(jié)合，或許能夠緩解國內(nèi)醫(yī)療資源不足的現(xiàn)狀。

　　一直以來，公眾對于人工智能技術(shù)存在擔(dān)憂，認為AI機器取代人類工作者，可能會導(dǎo)致失業(yè)率大幅上升。但結(jié)合醫(yī)療行業(yè)醫(yī)生人數(shù)不足的實際情況，人工智能加入將是人類醫(yī)生的有益補充，避免人類醫(yī)生長時間的超負荷工作。雖然當前受限于技術(shù)水平，人工智能還只能夠承擔(dān)輔助診療的角色，但隨著AI醫(yī)療研發(fā)的不斷深入，未來讓人工智能為患者進行診療并不是不可能。

　　更重要的是，人工智能還能在培養(yǎng)醫(yī)學(xué)人才的階段發(fā)揮作用。醫(yī)學(xué)人才的教育一大困難在于，除了理論的醫(yī)學(xué)知識之外，醫(yī)生還需要大量的臨床經(jīng)驗的積累。而人工智能發(fā)揮強大的數(shù)據(jù)處理能力，能夠為醫(yī)科學(xué)生模擬出針對性癥狀的病人，讓醫(yī)生更好的掌握所需的醫(yī)學(xué)知識，并幫助醫(yī)生更高效的積累實際經(jīng)驗，從而有效提高培養(yǎng)醫(yī)療人才的效率。