互聯網+醫療，再造醫學模式不是夢想

顧泳

近日召開的首屆“醫生云”大會——“互聯網+醫學教育”高峰論壇暨“醫生云”Re研究-“助診因子”啟動會上，中國工程院院士鐘南山教授提出：我國執業醫師數量遠落后于需求，執業醫師與全科醫師的醫療水平有較大差距。就在不久前，阜外心臟中心針對我國基層醫療衛生體系進行評估，收集31個省、直轄市3602家基層醫療衛生機構的數據顯示，基層醫生中針對高血壓知曉率僅36%、治療率僅32%、能控制率僅6%;8%的基層醫療機構沒有任何降壓藥、僅30%的機構有5類以上降壓藥。

面對我國薄弱的基層診療水平，如何提升慢性病預防及治療？互聯網+醫療被證實是可探索的一大捷徑。與會專家認為，互聯網+醫療在我國探索至今18年，正已飛快速度填補醫患之間的需求鴻溝。互聯網+醫療，再造醫學模式將不是夢想。

傳統培養模式杯水車薪

互聯網可實現“快速培養足量醫生”

早在四年前，我國74位院士、51位醫學大家共同發起大專家.COM，設計并研發了研產學一體化的人工智能+醫學教育云平臺——“醫生云”。據悉，“醫生云”深度融合大數據、云計算和人工智能等技術，創造人工智能醫學大腦，推動醫學教育模式創新，實現“快速培養足量能接住患者的醫生的目標。

傳統模式培養醫生需要20至30年，相比我國患者人群的快速增加，這一模式在我國顯得“杯水車薪”。論壇上專家列出數據：2017年我國一千人執業醫生數量僅2.4人，低于西方國家3.0人以上的平均水平。至于”新興事物“的全科醫師，更是無法滿足實際需求。2016年全國經合格培養的全科醫師20.9萬人，每萬人僅有1.51名家庭醫生，發達國家這一數字為每萬人8-10名家庭醫生。數量少、執業醫師水平也相對落后。鐘南山犀利指出，分析原因執業醫師、基層醫生接受再教育的手段跟不上，即便是推廣的“萬里行”活動、全國巡回演講等，傳播速度及范圍也跟不上實際需求。

互聯網+醫療，為快速提升我國基層醫療水平帶來契機。中國科學院院士樊嘉教授在論壇上指出，傳統時代一家醫院一位醫生，即便一生都在看病人，相信門診能超過10萬加人次也很不容易。互聯網卻改變了這一切，互聯網猶如為醫療插上了翅膀，解決疾病的最新方法在網上發布，基層醫生即便接觸的基礎知識面不同、深度不同，通過互聯網也能快速獲取最先進、現代的知識技術和方法。在樊嘉看來，互聯網提升了醫生教育程度，更有效改善了病家素養，“患者通過互聯網也可以了解疾病知識，信息壁壘打破了時間空間的局限，怎樣預防、怎樣體檢、怎樣提早發現癥狀等，可以幫助人群將疾病防治的關口前移。”

整臺數據與醫學深度融合

經驗“倒推”機制助力個體化醫學

事實上，自2000年起互聯網+醫療至今在我國探索可分為三個階段。專家具體分析，信息門戶、移動醫療、互聯網醫院。互聯網技術也為醫療健康帶來三個由低層次到高層次的價值，依次為信息連接、優化流程、提高服務效率;線下線上服務，提高臨床服務質量;大數據、人工智能等技術與醫學深度融合，推動改變醫學模式。

中國工程院院士曾溢滔教授在論壇上舉例：個體化精準醫學，在互聯網醫療帶動的大數據應用中可以大有所為。什么叫個體化精準醫學？曾經爆紅的春晚節目“千手觀音”演員是一群可愛的聾啞姑娘。她們的病因非常相同，由于線粒體基因中的核苷酸A變成了G，用了鏈霉素導致聾啞，這也就是“一針致聾”。通過基因檢測，將這一情況寫在病史上，明確禁用鏈霉素或氨基糖苷類藥物，便能避免耳聾的發生。他認為，“以往這樣的經驗需要多年來積累，而今通過大數據的總結找到更多具體致病原因，個體化精準醫學也可以更快速獲取。”

互聯網+醫療使整合醫學概念更易于落地，讓優質醫療資源真正為健康服務。中國工程院院士樊代明教授直言：現代醫學一味向技術發展、向微觀滲透，造成了專業過度分化、專科過度細化、醫學知識碎片化的弊端。這樣的弊端導致兩個醫療現狀，一是等待醫學，即醫生坐在診室等到患者得病再治;二是對抗醫學，即明確一個病因有的放矢設計一種疫苗“搞定”。然而，如此模式對慢性病井噴的現代社會顯然有些不適應，“按了葫蘆起了瓢”成為慢性病“頭疼醫頭腳疼醫腳”的最大副作用。互聯網+醫療令資源整合成為現實，也給了與以往“正向醫學研究”截然相反的一種思路——反向醫學研究，從機制因果性到經驗因果性，兼顧前瞻性研究與回顧性研究，通過整合概念讓更廣泛人群從中受益。

讓醫學數據更趨于完整

醫學資源整臺平臺不妨跨界更廣

據悉，“醫生云”作為全球最大醫生平臺，迄今覆蓋近百位院士，4000多位國家級學科帶頭人，14萬余名專家，百萬以上醫生。此次啟動的“醫生云Re研究——助診因子”，院士團隊將多年臨床經驗和研究成果轉化為萬種疾病的智能算法，形成“助診因子”。醫生在應用“助診因子”過程中遇到疑難病例可求助“醫生云”。

從“互聯網+醫療”升級為“人工智能+醫療”，我國會有獨辟蹊徑的探索嗎？大專家.COM創始人姚娟娟認為：眾所周知，人工智能由三個要素組成，分別是數據、計算能力和算法。長期以來，人工智能在其他應用領域有所突破，但在醫療領域發展遲緩，究其原因，對于數據來源、整合和分析成為醫學人工智能研究的一大桎梏。放眼國際，以IBM研發的沃森醫生（Watson Doctor）為代表的人工智能+醫療，其應用數據主要來源于醫療機構病歷數據。可是沃森醫生在我國推廣幾年以來，輸入大量數據訓練學習，卻難以找到正確算法來取代常見病診治，內種原因主要是疾病里的病歷數據是片段性的、不完整的，用不完整數據分析得到答案很可能有缺陷。

讓醫學數據實現完整，將是我國醫學科學家實踐與探索的一個方向。海量基層醫務工作者應用之時，不斷輸送數據給研究團隊，繼而對靈敏度進行調整，可實現精準醫學、整合數據的兼備。中國工程院院士付小兵教授還補充，醫學是一門技術科學，更是人文科學。在整合優質醫療資源之時，未來也應吸收心理學、管理學、甚至美學領域的資源，交叉跨界以此更好地滿足人群對健康、對生活的期望。