由于沃森的“出场费”不能进入医保，只有经济条件允许的特诊患者提出要求时才会使用，自2017年年底引进以来的约一年时间里，赵铭所在的医院一共只使用过二三十例，占其总患者的病例数1%不到。他透露说，目前，沃森是由经销商免费提供给他们医院使用的，它的“出诊”费用——每次至少5000元。
沃森使用率偏低的另一个因素是“水土不服”。
以鼻咽癌为例，据世界卫生组织统计，全球 80% 的鼻咽癌发生在中国，又以广东省居多，因此又称广东癌。但这种癌症在美国发病率很低，不在沃森学习范围内。赵铭表示，“我们的鼻咽癌治疗是全世界最好的，治疗成熟，基本不用多学科诊治，更用不到沃森。”
在收费模式上，百洋科技最初尝试的是“按服务收费”，即对产品本身不收费，而是以每次使用收取2000元服务费的价格售卖给分销商，再由分销商加价销售给医院，但这种方式并没有取得比较好的推广效果。
现在，百洋改变了策略，销售沃森系统的ID，即医院根据需求采购一定数量的ID，每个ID使用人数不限。王必全告诉记者，每个ID售价范围，是几十万元。目前，百洋科技推广的261家医疗机构已经有81家签约，单家医院最多购买五六个ID。
多位业内受访者表示，目前，国内推销沃森的最大障碍是难以获得医院和医生的认可。因为只有让医生适应沃森的操作方式，养成使用习惯，才能实现收费目的。为推销沃森，分销商们不仅需要对医生进行培训，有时还要帮助医院建立新的沃森会诊中心，甚至承担起室内装修的工作。
对此，全球医生组织中国总代表时占祥却不以为然：“AI确实可以提供更多的参考辅助，但为什么要用AI节约时间、提高效率呢？有人会说之前的医生都干吗吃的？”
AI医疗到底能做什么
1999年冬天，美国人瑞克·克里格带喉咙痛的儿子到明尼阿波利斯的紧急护理中心看病，一等就是两小时。克里格感觉到，需要有一种更便捷的医疗服务来解决家庭常见病。
一年后，克里格与合伙人在当地一家食品店里创立了第一家快捷医疗Quick Medx，并于2002年改名为“分钟诊所”(Minute Clinic)。这家医疗连锁机构设计了一种标准化程序，帮助医生和护士快速看病，平均每位患者只需要15分钟。
当然了，“分钟诊所”并不是万能的，它主要解决普通疾病、轻微外伤和皮肤病这三类常见病，也就是感冒、过敏等40多种，并对糖尿病等慢性病患者进行健康监测。患者每次就医的记录会被记录，电子病历也可以共享到其他医疗机构。
据前CEO迈克尔·豪威公开表示，分钟诊所5万个咽炎病历的治疗程序有效性显示，99%符合最佳做法，远高于行业平均水平55%。
在全球医生组织中国总代表时占祥看来，诸如分钟诊所一类便是AI医疗产品最好的使用场景之一。“AI医疗系统需要帮助人们回答最简单也是最复杂的问题，它要能辨别人们对一种病的不同主诉，在大数据的支持下，最终给出一个合适的答案。”时占祥举例说，对于肠胃感冒患者，有的人说是肚子痛，有的人又说发烧，那么AI产品需要收集这些常见病的大量数据，并将非结构化表述结构化，做成标准化的问答，从而循证看诊。
按照“预防-诊断-治疗-康复”这四个阶段的划分，时占祥认为AI医疗最好的使用场景是治疗方案的选择，而不是诊断。“治疗方案的数量是有限的，但人不一定有办法、或许也不想把每一个都弄清楚，那么AI可以用大数据看看，这个患者的身体状况选择哪种方案最合适。”时占祥说。
诊断却很难说清楚。时占祥举例说，在临床诊断时，医生最常用的就是“待查？”例如有些患者所有指标都是阴性但就是发烧，只能“待查”，标注“？”则表示，患者很可能一觉醒来后症状就显现了，那时才能确定是什么病。
即便是可以确诊的病种，由于AI学习数据有限，也可能无法准确判断是哪种疾病。例如，一个精通乳腺癌分析却没有学习过鼻咽癌的AI系统，在1000份乳腺癌患者病例中塞入10份鼻咽癌患者的数据，AI可以分析出后者不是乳腺癌，却无法说出具体患了什么病。
病历数据可以分为门诊病历、病房病历和会诊中心记录三个来源。门诊病历的内容最空泛，很难获取有效信息；病房病历可筛选部分有效数据；质量最好的就是会诊中心的记录，“但对AI来说最重要的多学科交流的对话过程却往往被忽视，只存在录音或视频中，没有整理成可被读取的文字。”时占祥补充说。
现实数据质量堪忧也是一些AI医疗产品选择学习虚拟病历的原因。
“真实世界的病历错误太多，不能让AI按照不规范的样本学习，我想这也是沃森选择文献的原因。”王泰峰解释说，医疗诊断出错的后果是严重的，所以，即便AI进行了训练也无法取代医生成为责任主体。
除了疾病治疗，多位受访对象表示药物研发是AI在医疗领域运用最成功的场景。药物研发需要投入巨大的人力物力财力。
美国塔弗茨药物开发研究中心2014年的报告显示，一款成功上市的新药，平均花费约25.85亿美元，其中包括约13.95亿美元的直接资金投入和研发失败导致的约11.64亿美元的间接投入，以及其他投入。
AI药研系统能在医药研发过程中减少人力、物力的投入，节约时间，降低药品研发成本，同时基于数据模型，预测药品研发过程中的安全性、有效性和副作用等。以美国药品研发的公司Atomwise为例， 2015年，该公司宣布通过AI计算在一周内找到了两种或许能用来抗击埃博拉病毒的药物，成本不超过 1000 美元。
国内产业泡沫
“人工智能就是代替重复性劳动”，康夫子科技公司创始人张超对《中国新闻周刊》说，“如果工作是重复性的，人工智能就可以很好地解决，如果不是，我觉得目前没有好的解决方案。”
尽管有关AI在医疗领域的最佳应用场景与商业模式还在探索中，投资者与创业者们已蜂拥而至。政策利好是一大重要原因。
2015年8月，国务院发布《促进大数据发展行动纲要》，提出发展医疗健康服务大数据，构建综合健康服务应用。随后，国务院、卫计委相机发布多项政策，促进各省市政府将发展健康医疗大数据提高到战略层面。
