加大人工智能技術醫療創新應用快速提升基層醫療服務能力

◎ 全國政協委員、山東省濟南市政協副主席 段青英

近年來，我國政府堅持保基本、強基層、建機制、補短板的基本原則，針對基層看病就醫“瓶頸”問題，創新醫療服務舉措，著力提升基層服務能力和水平，并取得了初步成效。在此項工作推進過程中，新一代信息技術起到了極其重要的支撐作用。當前，我國健康醫療大數據產業發展已進入快車道，各級人口健康信息化也持續推進，在大數據技術的催生下，醫療人工智能技術迎來新一輪的發展熱潮。通過機器學習等算法可以使計算機理解各類健康醫療大數據，這使得以數據密集、知識密集為特征的醫療產業與人工智能的深度融合成為可能。

從世界范圍內看，醫療領域最突出的問題就是優質醫療資源不足，同時，診斷準確度和效率還有非常大的提升空間。而醫生的培養需要周期，供給量也不可能無限增加。為解決此問題，世界范圍內醫療人工智能技術和產品不斷涌現。結合我國實際，加快人工智能技術的研發與應用，促使優質醫療知識資源下沉，解決醫療服務資源的供給瓶頸，讓老百姓在家門口就能享受到優質醫療服務，為快速提升我國基層醫療服務能力，提供了一條可供選擇的途徑和支撐。

當前我國基層醫療和人工智能應用存在四個主要問題：

一是優質醫療資源不足。這是世界性難題，據預測美國未來10年會短缺6萬到9萬名內科醫生。老齡化嚴重的日本也面臨同一問題困擾，每千人中僅有2人從醫。就連每千人擁有4名醫生的瑞士，近年也開始重視醫生數量不足的問題。而醫療資源不足的問題，在我國還會因為分布不均而加劇。大量的優質醫療資源高度集中在大城市和三甲醫院，基層醫生，尤其是全科醫生嚴重不足，且相當一部分醫生不具備承擔基層醫療服務的全面能力。從2016年的衛生統計公報看，醫院醫療技術人員數同比增長5.57%，低于診療人次6.17%的增幅，供給跟不上需求的增加。從當前看，如何快速、有效地提升基層的診療服務水平，仍是醫改工作的重中之重。

二是醫療費用支出持續增加。醫療負擔上升是多種因素共同促成的結果，包括人口老齡化、慢性疾病增長等。醫療費用增加直接導致財政支出和社會負擔的壓力越來越大。人工智能在解決此問題方面被寄予厚望有幾個方面的原因：首先，通過人工智能提高患者自查自診和自我管理的比例，降低醫療支出；其次，通過人工智能手段實現更早期發現、更好管理，減少后續的醫療費用支出；第三，通過人工智能手段提高醫療機構、醫生的工作效率，降低醫療成本；最后，通過人工智能制定科學合理的健康醫療方案，減少不合理的醫療支出。

三是下沉分級診療需求巨大。我們醫療服務體系正在向分級診療方向演進，落實分級診療一直是我國醫改的核心工作，基層醫療機構將成為未來居民健康的“守門人”和“健康管理者”，基層首診意味著基層醫療將成為首要就醫入口。從2016年的衛生統計公報看，全國全年共79.3億診療人次，其中有43.7億診療人次來自基層醫療機構。現階段，分級診療的難點在于基層醫療服務水平的薄弱，導致了患者對于基層醫生的廣泛不信任，造成分級診療難以落實。而人工智能的引入有望將頂尖醫學專家的知識和診治經驗進行快速復制，為基層醫生提供有效、適時的決策支持，可以提高廣大經驗不足的醫療工作者的工作能力。

四是開發融合存在技術短板。對于主要提供輔助診斷意見的人工智能產品來講，需要很好地嵌入醫生原有的工作流程當中，并且能夠實現區域居民個體與群體健康醫療大數據的充分共享與認知分析，且需要醫療機構和高水平醫生群體的高度參與，以便沉淀醫療經驗與知識。但從目前來看，還遠遠不能滿足我國基層醫療機構的使用要求，需深入繼續推動健康醫療大數據的質量與整理技術，并制定出具有中國特色自主創新的標準與指南。

為此，建議在三方面做足文章：

一是加大系統研發相關投入，提供良好支撐。組織社會力量，以常見慢性病為切入點，面向我國基層醫生工作需求，加強醫學影像識別、語音識別、自然語言處理、機器學習、醫學知識圖譜、醫學知識庫、大數據分析處理等核心技術的原始創新與集成創新，研發推廣全科醫生診療機器人系統，以協助基層醫生開展家庭醫生簽約服務、智能診療、慢性病管理、疾病預警、健康評估、健康管理等功能，為基層醫生提供統一的診療知識檢索體系和診療決策支持體系，從而大大提升基層醫生的診療能力和基層醫療機構的服務效率和服務水平，有效解決基層醫務人員服務能力不足問題，為我國分級診療與家庭醫生簽約服務提供良好的支撐。

二是加快醫療數據系統建設，爭取盡早推廣。加快嵌入人工智能產品的區域人口健康信息體系建設，解決健康醫療大數據的收集、共享和知識提取、利用等基礎問題。智能診療輔助產品的核心技術是基于非結構化健康醫療大數據的分析處理，產品性能的提升、應用效率需與人口健康信息化建設密切配合。因此，該類產品的研發、推廣應進一步納入人口健康信息化的規劃，在進行人口健康信息化建設的基礎上，部署人工智能診療產品，才能取得事半功倍的效果。加快區域內人口健康信息化建設工作，是健康醫療大數據采集、共享和應用的前提，也是醫療人工智能技術研發與應用的基礎。在人口健康信息化建設中，加大對基層醫療人工智能示范應用的支持，建議實施一批示范應用項目。

三是解決標準質量難題，突破基礎瓶頸。人工智能的研發與應用水平，與健康醫療大數據緊密相關，但我國臨床數據的整合還迫切需要統一標準的醫學術語系統。我國雖自2002年起已采用了國際疾病編碼和國際手術編碼，但這兩大術語還不能覆蓋醫療記錄中所有的臨床信息，且具體使用中準確率偏低。需要從數據整理、數據質量方面切實做好基礎工作。