今年初，一篇《流感下的北京中年》刷爆朋友圈，也道出了當前國人生病后面臨的種種無奈。作者的岳父不慎得了流感，最初沒當大事選擇了就近治療，結果病情日益嚴重。等輾轉來到大醫院，醫生發現感染已深入肺部、并且難以確定病毒類型。盡管經過了ICU一系列治療，仍然無力回天，患者最終撒手人寰?？此坪唵蔚牧鞲?，不到一個月時間就奪了人的性命、乃至毀了一個家庭的幸福生活。
這樣的過程和結局讓人唏噓、更讓人共鳴：看病太難了。
當然，這個“難”不是指醫療機構少。從總數看，目前我國各級醫療機構共有99.3萬個，比美國的78.5萬個還多；從平均覆蓋人口數看，我國平均每個醫療機構覆蓋1400人，與日本的1155人基本相當。
“看病難”的真正原因，在于醫療機構分布極度不平衡。
擁有優質醫療資源的高等級醫院數量有限，且主要集中在經濟發達的大城市；而中、低等級的醫療機構雖然數量龐大、但醫療資源和能力不足。國人生了病，往往不信任周邊的低等級醫療機構，再難也都情愿往大醫院跑。對大部分人而言，大醫院意味著“有保障”和“少折騰”。
就拿去年年末的流感高發季來說，一方面是各地兒童醫院紛紛爆滿，排隊候診需要好幾個、甚至十幾個小時；另一方面是很多社區醫院依舊冷清，看病就醫的人極為有限。
這種病人都往大醫院跑的“虹吸效應”，背后反映的其實是醫療服務體系設計和管理的問題。計劃經濟時代我國建立起的三級醫療服務體系，越來越不能與日益豐富的市場經濟環境相匹配。
分析其原因，一從需求角度出發，隨著國人收入的增加、交通日益便利等，病患有更強的意愿和能力尋找優質的醫療資源，為了求好醫越來越不計成本，通過傳統的醫療服務等級差異定價進行市場協調的手段日益失靈。
二從供給角度出發，現實中對基層和高級醫療機構的二元補償機制，導致并強化了醫療資源配置的“倒三角”結構。對高級、大型醫療機構采取的是財政差額補償和醫保按服務項目付費的方式，治療病人的數量與收入直接相關，使得這些機構對病人的態度是“多多益善”；而對基層醫療機構采取的則是收支兩條線和基本藥物制度，治療病人的數量多少基本不影響收入，導致這些機構對病人態度消極，甚至出現“不愿治”、“情愿放”等情況。
“分級診療”被認為是解決目前“看病難”問題的最佳方案。所謂“分級診療”，就是按照疾病的輕重緩急及治療的難易程度進行分級，不同級別的醫療機構承擔不同疾病的治療。這種模式源自西方且目前也正在西方各國被普及，其主要特點是“全科醫生”和“?？漆t生”的劃分與分工協同。
全科醫生大多深入居民社區，私營各種社區診所等基層醫療機構，負責百姓各類日常疾病問題的處理，并決定病人是否有必要送往?？漆t院；?？漆t生一般在各類?？漆t院坐診，負責收治全科醫生轉送的病人，對其重大疾病進行治療。在這種模式下，大量的全科醫生處理了百姓80%的醫療問題，同時?？漆t生資源可以專注于20%的重大疾病救治，使得醫療資源與病患需求能夠實現較為有效的匹配。
實際上我國早已開始分級診療的努力和嘗試。國務院辦公廳2015年9月就已印發了《關于推進分級診療制度建設的指導意見》，希望通過指導和推動分級診療體系的建立，實現各級病患需求和醫療資源之間更有效的匹配。隨后各省市也進行了各項嘗試，以探索分級診療建設落地的方法。
有行政強制類，如青?；卺t保強制首診和轉診的措施；有經濟激勵類，如青島正確首診可降低起付線、提高報銷比例；還有引入私營類，如上?；谏鐓^醫院的家庭醫生機制等。
雖然這些嘗試起到了一定的探索作用，但效果還比較局部和有限。我們通過對比2015-2017三年間，不同等級醫療機構的平均診療人數發現，高等級醫院（如三級甲等）仍源源不斷地吸引著資源和患者，居民就醫流向非但沒有分散反而更加集中。
為什么分級診療這么難落地？
因為光依靠行政手段，不管是強制、還是激勵，都無法解決分級診療面臨的核心問題：優質醫療資源有限。分級診療的有效實施，特別需要大量的有能力、可信賴的全科醫生，來覆蓋和滿足大部分人日常醫療的需求。
而這個體系的有效建立，不僅需要對醫生進行全面培養，還需要醫生與病患間建立穩定且信任的關系，這就需要大量的時間和成本投入，很難一蹴而就。西方國家如英國，通過近七十年、三代人的努力，才構建了今天的全民醫療服務體系。
既然好醫生不夠是核心問題，那么如何又快又好地建立起好醫生隊伍，就成為醫療行業發展的根本。而人工智能技術，恰好非常適合優化和加速這個過程。
醫療行業是一個存在大量數據、目前又特別依靠專家經驗的行業。所謂診斷，大多是醫生對病人的各種化驗、影像等數據和信息的個人經驗處理與判斷。首先，人工智能特別適合快速高效處理海量數據，尤其能夠分析出人無法察覺的數據差異，而這點差異可能就決定了對疾病的判斷；其次通過機器學習，人工智能可將專家經驗轉換為算法模型，使得專家經驗實現低成本復制，大量的基層醫療機構因此可能更方便地用人工智能專家進行診斷，這將有效支持分級診療的實現。
在人工智能技術的融入下，未來老百姓有望更快享受到“家-全-?！蓖暾麉f同的三級系統化醫療服務，即人工智能+家庭醫生/全科醫生/?？漆t生三大角色的應用場景。
對大部分國人而言，擁有一個家庭醫生基本上是不可能的。而隨著亞健康、慢性病的情況越來越普遍，擁有了解自己健康情況、能長期提供治療指導的家庭醫生服務，又顯得越來越有必要。人工智能技術對海量數據的處理能力，能夠有效滿足健康監測的需求，尤其對于患有慢性病的人群特別有用，可以有效降低其疾病風險和看病成本。
例如騰訊針對糖尿病患者推出的智能血糖儀“糖大夫”。這款外觀酷似手機、具有防滑防抖設計的血糖儀，不僅達到了傳統高端血糖儀的檢測水平，還提供了傳統設備所不具備的特殊功能：
1、實時記錄?！疤谴蠓颉蹦芨鶕O置按時提醒用戶采血測試，自動記錄患者的血糖值，并生成可視化圖表和報告便于用戶監測；
2、互助提醒。掃描“糖大夫”開機二維碼能實現與微信綁定，病人家屬可通過綁定微信隨時查詢病人情況，提醒病人及時測量血糖，特別適合健忘的中老年群體；
3、動態預警。糖大夫會設置血糖監測的預警標準，一旦出現異常，就會從本機、且通過微信發出預警信息，有利于對病情及時處理。
4、在線指導?！疤谴蠓颉焙笈_建立了監測、飲食、運動等一系列指導信息，會根據情況推送給用戶，讓用戶能夠更好的應對各種情況。
“糖大夫”型產品的出現，實際上有望填補慢病管理服務市場的空白。過去慢病管理主要靠病人自己，而“糖大夫”則借助互聯網和人工智能技術，將病人、家屬和醫生都拉入了慢病管理體系中，為各方都帶來了益處。
首先是讓用戶更全面掌握病情，用戶能夠隨時查看自己連續的數據記錄和圖表統計；其次讓用戶的家人更放心，能夠通過微信隨時監測用戶的情況；最后讓醫生治療更精準及時，醫生能夠更全面、實時了解病人的體征變化，并提出更有效的保健或治療方案。
為了更好地提供慢病管理服務，“糖大夫”一方面與丁香園合力打造名醫在線計劃，使用戶能夠與清華、協和等醫療機構的知名醫生直接對話，方便獲得更專業的日常保健服務；另一方面基于患者的醫療大數據，“糖大夫”還與眾安保險共同推出針對患者的康復激勵保險服務，為“糖大夫”用戶提供量身定做的保險計劃以及優惠。
從遠期看，“糖大夫”有望為中國慢病管理，探索出一套完整的“互聯網+慢性病管理+保險+…”閉環模式。
分級診療體系的成功建立，需要重點補充大量全科醫生，以滿足廣大群眾中日常病患的處理。而目前我國基層醫療機構中，醫生的學歷、經驗等普遍偏低，全科診療能力明顯不足。利用人工智能學習和復制優秀醫生的經驗，補充并輔助基層醫生的診療工作，是較快推動醫療體系落地的好辦法。
例如騰訊覓影的AI輔診系統，就是一個借助人工智能技術，能夠根據病人癥狀描述，快速給出疾病判斷和診療建議的智能系統。
其工作原理主要包括三步：?基于機器視覺和自然語言處理技術，學習、理解并歸納現有的醫療信息和數據（包括醫學文獻書籍、診療指南和病例等），自動構建出“醫學知識圖譜”；基于深度學習技術，系統自動學習海量臨床診斷病例構建出“診斷模型”，實現根據癥狀輸入、輸出疾病判斷和診療建議功能；實際參與診斷，對比專家醫生的診斷結果進行模型優化。
騰訊覓影的AI輔診，尤其對于缺乏專家等資源的基層醫院特別有用。
一是能幫助提高疾病風險排查率，通過提供疾病的預測建議，降低基層醫生對高危疾病漏診的巨大風險；二是能幫助提高病案管理效率，目前國內的病案一般依賴病案室人力或數據公司整理，要投入大量的人力和資金，準確率也得不到保障。人工智能可以實現病案智能化管理，輸出結構化病例，讓醫生從繁瑣的病案工作中解脫，提升診療效率。
目前騰訊覓影AI輔診已經能夠識別預測500多種疾病，差不多覆蓋了大部分科室，包括白內障、青光眼等常見病和肺癌、宮頸癌等重大疾病。診療風險預測準確率高達96%，已達到甚至超過普通醫生的水平，能夠有效補充和增強基層醫生的診療能力。自去年8月至今，該系統已經在100多家三甲醫院落地。未來有望與更多醫院展開合作，讓人工智能輔診成為真正高效的“助理醫生”。
對?？漆t生、尤其是名醫來說，海量需求帶來的高強度工作是最頭疼的問題。如何能夠為這類醫生節約時間，是人工智能最大的價值。因此在一些需要大量數據處理、重復性規律性較強的環節，可以借助人工智能的技術進行補充甚至替代。
例如騰訊覓影的AI影像，就是以人工智能訓練學習海量的影像數據，實現進行對特定疾病智能篩查的系統。該系統能夠有效助力醫生提升篩查診斷效率，從而提高早期患者的治愈率和存活率。
其主要工作過程是：①把醫療傳統影像系統里的患者影像，傳送到AI影像系統中；②對圖片進行預處理，包括去掉片子里拍到的其他部位、進行3D化增強等，形成機器可識別的圖片；③將圖片放到后臺模型中判斷該部分是否有病變，標識出病變位置，亮點越亮表示病變風險系數越高；④最關鍵的一步——分辨到底是炎癥還是癌癥，除了進行圖像切分和識別外，還可能結合患病位置、大小、周圍環境等其他信息，最終對病變進行判斷，從而達到較高的識別準確性。
目前該系統已實現了對早期食管癌、早期胃癌、早期乳腺癌、糖尿病性視網膜病變等多種重大疾病的識別和診斷，每月可處理上百萬張影像，準確率已達到較高水平（如食管癌90%、糖網97%）。
多家醫院由此與騰訊覓影建立了科研合作關系，包括中山大學附屬腫瘤醫院、廣東省第二人民醫院、四川大學華西第二醫院和第四醫院等都加入了騰訊發起的人工智能醫學影像聯合實驗室。未來計劃將該系統整合到核磁共振等醫療儀器中，讓病人檢查完直接出結果，省去系統間圖像的傳輸過程，實現更高效的病癥篩查。
可見在分級診療的體系中，人工智能確實可以有效實現對醫療資源和能力（尤其是基層）的補充和強化，從而加快整個分療體系的建設完善。
當然人工智能要進入醫療行業，尤其是要承擔部分甚至全部的醫生職責，還面臨很多挑戰。其中最核心的問題，也是當前醫療行業最難建立的就是：信任，尤其是病人對醫生的信任。
在過去的醫療體系改革進程中，商業化、市場化等負面影響逐漸增大，病人對醫生“賺了錢治不好病”的問題越來越耿耿于懷，醫患矛盾時有發生。往大醫院跑成為病人的無奈選擇，因為除了“名院名醫”的招牌，沒有更好的信任建立和維護手段。
人工智能需要在這個信用不太充分的行業，獲得患者、醫生乃至監管部門的信任，可以說非常困難，但這也是必經之路。推動信任建立，至少有四個方面值得研究探索：
一是技術信任。人工智能在醫療行業的應用，需要建立一系列的技術性能指標體系，并重點明確正式商用的指標水平要求，從而確保人工智能達到甚至超過人類醫生的基準要求。比如疾病識別的敏感度、特異度、準確率等。
二是職責信任。人工智能使得傳統人類醫生的工作部分被智能機器接替，那么隨之而來的問題是：這部分工作的質量和出錯的風險應該由誰負責？是使用人工智能的醫生？醫院？還是人工智能供應商？……這種根據具體情況而有所差異的責任歸屬容易讓人產生模糊感。因此需要重點明確責任歸屬的原則，以打消病人對“出了事找不到人”的顧慮。比如在有付費交易的情況下，可按直接發生交易的雙方確認責任主體。病人付費給醫院治療，用了院方提供的人工智能服務，出現問題時應由院方對病人全權負責。
三是隱私信任。病人采用人工智能診療服務，需要提供大量的個人健康醫療信息。這些信息大多私密性較高，一旦泄露會對個人聲譽乃至安全產生風險，在數據隱私重點保護范圍之內。因此應用人工智能進行診療，需要與病人簽訂相關的數據隱私保密協議，讓病人放心。比如協議中可明確規定，治療期間所采集的個人數據，未經病人同意不得作其他用途等。
四是情感信任。疾病治療并非僅是生理治療，心理的、情感的疏導在病人的整個治療過程中也非常重要。而目前由于醫患資源的不匹配，醫生對病人很少會進行有效的心理溝通和疏導，醫患之間難以建立情感信任。而人工智能借助對病人個人情況的連續記錄和洞察，有望提供個性化輔診和陪護服務，從而成為醫患情感信任建立的有益補充。因此對醫療行業而言，推動情感機器人發展，也是未來的一大重要方向。
希望未來的某一天，我們每個人都能擁有一個值得信賴的專屬“醫生”。在他的幫助下，病人不再需要擠破腦袋尋找名醫、醫生也不必心力交瘁地加班治病。如果能進一步打破機構間數據壁壘、更廣泛有效地訓練這個人工智能“醫生”的話，相信這一天不會太遠。
來源：36氪
搜索“智醫療”
或掃描二維碼
