利用AI解決基層醫療難題

張禮立+王亞擘

隨著人工智能（AI）技術的日益成熟，人工智能已經漸漸地融入到了我們的生活之中，而“AI+醫療”的應用也漸漸普及，相信在不久的將來，“看病難，看病貴”等醫療問題將迎刃而解。

古希臘時期，數字的演繹化有了實質性的進展。數字化的發展一直伴隨著人類，但是這種顛覆在30多年前就開始改變了。

隨著人工智能技術的日益成熟，數字化已經可以在公共健康，以及眾多醫療領域提供服務。例如，在醫學影像識別方面，它可以幫助醫生更迅速、準確地讀取影像；在臨床診斷輔助方面，它可以應用于疾病的早期篩查、診斷和手術風險評估，包括在藥物研發方面，解決藥品研發周期過長等多方面的問題。

從第一部留聲機的誕生開始，數字化的顛覆就一直伴隨著我們人類社會的進步。人工智能的遠景早在1950年就已被圖靈提出。人工智慧的定義誕生則是在1956年，由Dartmouth College的一些專家共同提出。人工智慧在20世紀70年代受到打擊之后，開始出現新的研究方法。分子生物學已進化到信息科學，出現了新科學——計算生物學和生物信息學。這使統計科學家在醫療健康領域有了用武之地，尤其是微陣列技術創造了新穎的統計學，激發了許多新的生物統計學研究。像是專家系統把問題限定在一個小范圍的領域，結合統計、概率、信息理論等方法，直到深度學習技術，以及類神經網絡有了新的發展，AI才重新受到了關注。

數字醫療產業的環境

從現狀來看，由于公共醫療管理系統的不完善，醫療成本高、管道少、覆蓋面窄等問題困擾著大眾民生。尤其以“效率較低的醫療體系、品質欠佳的醫療服務、看病難且貴的就醫現狀”為代表的醫療問題成為社會關注的主要焦點。大醫院人滿為患，社區醫院門可羅雀，病人就診手續繁瑣等問題都是由于醫療信息不暢、醫療資源兩極化、醫療監督機制不全等原因導致的，這些問題已經成為影響社會和諧發展的重要因素。目前的醫改目標是縣域就診率達到90%，大病不出縣，但是實現起來難度也很大。因為醫生的時間是有限的，通過遠程醫療解決區域分布不均的期盼，也同樣會在醫生的時間花費上受到限制，所以核心的問題是優質的醫生資源不足。

自國家陸續出臺了各項醫改政策，基層首診、雙向轉診、分級診療、資源下沉等便成為了熱門話題。各地區也都積極響應，組建“醫聯體”。我們迫切需要建立一套智慧的醫療健康的平臺體系，使患者用較短的等療時間、支付基本的醫療費用，就可以享受安全、便利、優質的診療服務，從根本上解決“看病難、看病貴”的問題，真正做到“人人健康，健康人人”。

醫生資源在全世界范圍內都仍屬于稀缺資源，這種供求關系在一定程度上決定了病患“看病難”的問題，而我國醫療長期存在“重醫療，輕預防，重城市，輕農村，重三甲，輕社區衛生”的現象。從居民自身來看，過多依賴大型醫院，從醫院角度來看，這種過度依賴加重了就醫困難的問題，“一號難求”的現象頻發。解決基層醫療資源缺乏的核心就在于給基層醫療機構“賦能”，用人工智能給基層醫院“院士級看病的本事”。通俗來講，把一個院士的看病本事，放到一個筆記本電腦里，帶到基層醫院，這就是人工智能追求的境界和需要解決的實際問題。

精準醫療的實現需要人與技術的結合

以精準醫療為主的智慧型醫院是2015年在美國誕生的思路。智慧型醫院從醫療健康產業的整體角度，提出融入更多人工智慧和傳感技術等高科技，使醫療服務走向真正意義的智慧化，推動醫療事業的繁榮發展。利用人工智慧、大數據分析的融合和移動醫療等新技術，結合現代化醫院的管理流程，逐步形成智能化的全面醫療解決方案。智慧醫療開始走進我們尋常百姓的生活。

從概念上來講， 以基層醫療健康為出發點的智慧醫療包含了智慧醫院系統、區域衛生系統，以及家庭健康系統這三部分。從流程管理角度，基層醫療以如何讓病患可以便捷快速地預約掛號為起點。智慧醫院必須經過前沿科技應用對醫療機構信息化的全面創新的過程。從狹義上來說，智慧醫院可以是基于互聯網科技的醫院，在數字化醫院建設的基礎上，創新性地將現代移動終端作為切入點，將移動互聯網特性充分應用到就醫流程中。

AI是讓人實現超越而不是制造超人

AI對醫療領域和產業的改造是具有顛覆性的，它不僅是一種技術創新，更是在生產力上為傳統醫療行業帶來變革。AI作為一種技術方法，大規模地用更智能的系統推動更好的決策，也是最近幾年才發生的事情。直到今天，由于我們解決了以前很多未能解決的問題，才將醫療AI推向了一個新的高度。除了提高醫生的工作效率外，AI還能作為輔助手段，提高診斷準確率，使精準醫療成為可能。

近年來，在醫學領域開始導入人工智能數字挖掘與機器學習的技術來篩選有效的醫療信息。

其中，“AI+醫學影像”就是關鍵性的一步。醫學影像天生適合互聯網+大數據+人工智能。從數量上講，超過80%的醫療數據來自醫學影像數據，優質、大量的數據積累、高性能計算環境和優化的深度學習方法，三者資源配齊，就會構建不斷提高的狀態模型，這正是人工智能的魅力所在。利用三者的關聯，可以大大提高醫學診療效率，并實現精準醫療。圖像智能識別更可以減輕醫生的工作量，這就很好地解決了基層優質醫生資源不足的問題。

醫學影像領域調查數據顯示，無論是在國內還是在國外，放射科醫師的數量增長速度遠不及影像數據的增長速度，也就是說醫師的數量遠達不到閱片的需求量。

就美國與中國對比來看，美國的人工影像閱片誤診人數為1200萬/年，而在中國則達到了5700萬/年。在中國，誤診率高且主要發生在基層，這也更好地說明，人口基數巨大的中國，醫學影像業務更需要人工智能技術的支持，以此來提升基層的診斷質量與效率。

數字科技推動基層醫療發展

總而言之，無論是對患者、醫師還是醫院而言，數字健康的運營平臺需要把智能、供應鏈、財務運營和人才管理有機整合起來。數字健康管理平臺不僅能夠讓患者更快速地完成健康檢查，還能獲得更精準的診斷建議與個性化治療方案。對醫師來說則削減了讀片時間，降低了誤診概率，根據人工智能的輔助診斷還能提高診斷質量。而對醫院來說，采用數字健康管理平臺不僅降低了醫院成本，還能夠建立一個多元數據庫，這是對分級診療和遠程診療的一大技術性幫助，讓醫院更好地響應國家政策，真正有效地做到“資源下沉”。

雖然從目前情況來看，智能醫療還處于剛剛萌芽階段，“AI+醫療影像”才剛開始，但不難想象，隨著人工智能和醫學影像大數據在醫學影像領域的逐漸普及和應用，醫學影像所面臨的準確度和大缺口的問題便可以迎刃而解。

“AI+醫療”的應用未來已在不遠處，人工智能將為整個醫療服務生產力的提高做出貢獻，也會被寫入歷史。