企业刚开始从事医疗人工智能研究的时候，大多数是先从网上下载或者购买数据，关注如何建模、如何计算。
所谓医学人工智能大赛，更多的理解为技术竞赛，很少有医生参与。我们临床医生大多是看热闹的旁观者。
另外那个时候这些公司产品的证据来源，机器学习的数据质量也让人担心。因为一位傻老师、一本傻教材永远教不出优秀学生。
如果一个企业开发医疗人工智能产品，没有临床医生参与，没有从临床的角度出发来提出问题、按临床需求处理数据的话，那么这个公司的产品将是没有灵魂，不能落地的。
临床医生、放射科大夫参与到人工智能的整个大潮流当中去发挥它应有的作用，是赋予整个潮流的一个中轴的灵魂作用。
这个作用就是提出临床问题、对数据纳入制定标准，对高质量标准化数据纳入把关，完善数据库构建。
人是一个很复杂的生物，并不像计算机语言那样只有一或者是二。
中国医疗数据标准化面临的一个非常重要的挑战就是，
中国医疗体系非常复杂，各家医院有自己的医疗特色和诊疗目标，有各自的图像扫描标准。
以肺部CT检查为例，基层医院只关注来检查的人员是否有病，而三甲医院还要关注患者是什么病，患病程度，下一步的治疗方案，不同的标准导致设计的检查方案就完全不一样。
我十分看好人工智能，我相信将来的发展肯定不止简单的判断患病与否，而是判断疾病的良性恶性、疾病的程度，并给出下一步的治疗策略。但这些都需要基于一个标准化的数据来实现的。
另一方面，
在谈论数据标准化的时候，首先我们要设立一个前提，考虑产品将来的用途，具体解决什么问题
。而不是盲目地追求又快又准。
具体来说，首先企业知道自己要做什么，企业制定出标准，然后将标准细化，以肺部为例，具体到CT扫描的厚度、分辨率、方式，三维重建、放射组学等，然后在这个基础上做大样本的数据搜集。
很多人工智能公司目前只是关注肺部结节、肿瘤，其实它在其他领域也有巨大前景，甚至能发现超越我们所认知的东西。
比如说神经退行性疾病，可以利用标准数据建立人工智能模型，来识别临床前期的症状，帮助我们看见人类看不到的微弱的疾病早期变化。
人工智能发现医生看不见、摸不着的变化，预测疾病的发生，这是美好愿景。如果AI可以发展到那一步，那么现在的标准就非常重要，我们应该要有一个整体的宏观设计，这样可以避免每个阶段都重新采集数据。
因为数据采集是一个非常艰难的过程，我们要有一个前瞻性的数据采集设计，来构建数据库以及制定前瞻性的行业数据标准。
