医疗领域的人工智能发展前景正面临关键挑战。OMNY Health首席执行官米特什·拉奥警告称，由于医疗数据系统的碎片化和可访问性不足，AI发展可能陷入停滞。他强调，要实现可扩展的AI应用，必须建立更互操作的数据基础设施，否则即便最先进的AI解决方案也难以取得突破。
尽管医疗AI初创企业正在数字健康投资市场占据主导地位，Abridge和Ambience Healthcare等企业市值突破独角兽门槛，美国白宫近期也发布了推进AI在医疗等关键领域应用的行动计划，但拉奥指出数据基础设施问题仍是核心瓶颈。
作为全国性数据生态系统平台的运营方，OMNY Health认为医疗AI的可扩展性取决于能否获取广泛、具有代表性和互操作性的数据资源。当前医疗数据系统存在严重碎片化，信息分散在多个缺乏标准格式和共享渠道的平台上。由于现有供应商缺乏数据共享激励机制，这种孤岛化状态持续存在。
美国医疗保险和医疗补助服务中心（CMS）上周启动了新的互操作性计划，但拉奥指出这类措施若缺乏对Epic或Cerner等主流系统的实际激励措施，将难以产生实质影响。这种封闭的数据基础设施格局导致开发者难以获取开发先进AI解决方案所需的关键数据。
"目前医疗领域成功的AI应用主要集中在文档或收入周期管理等数据获取较容易的领域，而这些领域往往不涉及专有的深度患者数据"，拉奥强调。随着AI应用场景向临床领域延伸，数据获取限制正成为创新者必须面对的严峻挑战。他用形象的比喻总结：在开展雄心勃勃的AI项目前，医疗科技领导者需要"先修好道路，再驾驶法拉利"。
【全文结束】
