近幾年來，伴隨著大數據、云計算、計算機視覺，醫用機器人和可穿戴設備等新興技術的發展，遠程醫療呈現出新的發展方向。人工智能技術其精確，快速處理大量數據的特點為遠程醫療的進一步發展打開了新思路，指明了新方向。

根據BCCResearch的研究，2019年全球遠程醫療市場總體將達到434億美元，年均增長率在17.7%左右。同時，國內遠程醫療市場也快速發展，隨著移動醫療終端普及、醫療物聯網發展、醫療機構參與度提高，中國的遠程醫療市場規模也逐年提升，根據觀研天下數據中心整理，國內市場規模從2015年的40.7億元，增長到2018年的114.5億元，預計2019年將達到190億元。

計算機視覺：計算機視覺能夠通過RGB相機，深度傳感器，或溫度傳感器收集的數據信息自動識別人類活動。例如，在2018年，斯坦福 AI 實驗室與斯坦福大學合作，共同開發了一種新的手部衛生遠程追蹤高級方法。自然語言處理：基于豐富的患者數據庫，機器自動學習病例文本數據中的診斷邏輯，從而獲得一定的病理分析推理能力，更進一步讀懂，分析復雜的病例，輸出診斷結果。

機器學習：機器學習利用歷史和實時數據，構建模型快速分析患者數據并提供個性化治療方案。美國TechEmergence公司的報告中指出目前全美五大頂尖醫院最受歡迎的機器學習應用包括預測性分析，預測性健康追蹤器等和聊天機器人。

智能語音技術：語音技術從最初的語音識別逐步轉向智能化的語音輔助。智能語音技術作為醫生診療過程中的輔助助手，以其快速，準確，出錯率少的特點，可協助醫療工作人員處理大量冗雜的重復性勞動。

精準VR技術: 可用于醫生的遠程教學之中，醫生能以綜合的方式學習，可以體驗到數字化、沉浸式的手術體驗。另外，精準VR技術可輔助外科醫生遠程規劃外科手術過程，這些技術可幫助在地級醫院看病的患者獲取更好的治療方案，地級醫院醫生也能享受更多資源。

其他周邊場景：由于遠程醫療領域的人工智能應用涉及較為廣泛，故本報告并未囊括如用藥咨詢，遠程問診等熱門領域。缺乏相關培訓與激勵機制：人工智能在遠程醫療醫用過程中的應用中，缺乏有效的針對醫務人員的培訓與激勵機制。這讓醫患雙方都對人工智能平臺的缺乏信任度。

相關硬件設備開發周期長：遠程醫療領域對于醫患雙方的湍口級硬件的開發都較為緩慢。因各個不同種類的遠程醫療領域應用往往需要客制化的硬件開發與臨床醫療器械檢查，這都無疑加長了開發周期與時間成本投入。

醫療數據標識難，歸類難：醫療大數據不僅僅指數據量大，還包括醫療數據的復雜性和多維度，涉及到影像、病理、分子診斷、各種治療方法等多學科信息。目前醫療機構之間，甚至同一家醫院不同專業科室之間的信息壁壘，導致大量的臨床相關數據無法集中采集、存儲、分析，從而被束之高閣無法使用。

醫患關系的良性發展：人工智能技術將更側重于加強醫院與病患的聯系：醫療服務機構將不斷建立新的溝通渠道與適應新的參與系統，比如數據分析、可穿戴設備和識別系統等的利用能跟蹤出院患者的基本狀況并將結果發送給醫護人員，幫助醫療服務機構有針對性地加強與患者的聯系，提供預防性治療和個性化服務；同時，新的溝通渠道能協助醫院傳遞更多有效信息給患者，幫助患者建立起良好的用藥或術后康復習慣。

醫療機構間的壁壘突破：大型醫院和地級醫院配合度更高：目前的遠程醫療主要應用于醫生和患者之間，但隨著智能技術的推廣和遠程醫療應用設備的落地，在地級醫院看病的患者能有更多機會得到由地方性醫院專家和頂尖醫院專家共同會診的機會，同時通過知名醫院醫生的遠程實時指導，地方性醫院的醫護人員技術水平可得以改善，地方醫院和頂尖醫院之間的差距可以縮小。