人工智能技術(shù)賦能基層醫(yī)療的幾點(diǎn)思考

基層醫(yī)療衛(wèi)生機(jī)構(gòu)作為我國醫(yī)療衛(wèi)生服務(wù)體系的重要組成部分，是守護(hù)群眾健康的第一道防線。

近年來，國家衛(wèi)生戰(zhàn)略明確將提升初級保健服務(wù)能力作為優(yōu)先事項，通過政策倡導(dǎo)和財政投入持續(xù)推動基層醫(yī)療機(jī)構(gòu)建設(shè)。然而，人員短缺、能力不足等問題依舊是全球初級醫(yī)療保健體系共同面臨的難題。

人工智能（AI）技術(shù)因其高效能和智能化優(yōu)勢，已逐漸成為解決這些問題的重要手段，特別是新興的生成式AI"技術(shù)正在醫(yī)療咨詢、診斷、治療、管理和教育等各個環(huán)節(jié)展現(xiàn)出巨大的應(yīng)用前景。比如，在很多研究中，AI"模型在疾病診斷任務(wù)中表現(xiàn)出色，甚至超越了部分全科醫(yī)生和專科醫(yī)生。

然而，要實現(xiàn)"AI 在基層醫(yī)療衛(wèi)生服務(wù)中的真正落地，除了關(guān)注"AI 本身的技術(shù)能力之外，我們更需要深入思考：在當(dāng)前基層醫(yī)療衛(wèi)生服務(wù)全流程中，AI"到底能解決哪些痛點(diǎn)和難點(diǎn)？哪些是我們亟須去突破且迅速轉(zhuǎn)化落地的方向？

看法："短期內(nèi)只是輔助工具而非完全替代

AI 在衛(wèi)生服務(wù)體系中短期內(nèi)只能是輔助工具，無法代替醫(yī)生進(jìn)行全面的診治。從落地實施角度看，AI"的黑箱、法律、倫理的不完善等這些短期內(nèi)很難被完美解決的問題，都會限制"AI獨(dú)立行醫(yī)。因此，AI"醫(yī)生的診斷能力即使被驗證再強(qiáng)、對應(yīng)的處理方案（下一步檢查及藥物處方）再準(zhǔn)確，在應(yīng)用場景中，依然需要專業(yè)醫(yī)生進(jìn)行細(xì)致判斷和調(diào)整。何況，當(dāng)下訓(xùn)練數(shù)據(jù)偏見、“幻覺”等涉及醫(yī)療安全的問題還沒有很好地被解決。目前部分研究中，用"AI 獨(dú)立答題和人工答題的對比來評估"AI 的能力，與實際應(yīng)用場景是不相符的。因為我們關(guān)注的是最終采取的診療實施方案及效率，而這會因醫(yī)生自身水平定位以及對AI"的認(rèn)知而產(chǎn)生很大差異。

其次，如果以診斷能力和藥物處方作為AI“賣點(diǎn)”，解決的是否是醫(yī)療機(jī)構(gòu)自認(rèn)為的痛點(diǎn)呢？答案顯然是否定的。在"AI 熱潮下，雖然很多專家都在提倡新技術(shù)下的創(chuàng)新生態(tài)，不少醫(yī)療機(jī)構(gòu)也在跟風(fēng)式地接入"AI 大模型，好像誰不用誰就落伍了。但這種盲目的技術(shù)接入到底解決了什么實際問題，應(yīng)用場景又究竟是什么？特別是在縣域基層，我們經(jīng)常看到，雖然智能系統(tǒng)看起來很先進(jìn)，但實際上“用不起來”，甚至很多醫(yī)務(wù)人員根本“不知道怎么用”。為此，我們不妨反思一下，這到底是產(chǎn)品本身的信息平臺不夠友好、操作過于復(fù)雜，還是因為提供的功能并沒有真正切中醫(yī)生和患者的需求？

我們一直強(qiáng)調(diào)技術(shù)要賦能基層，但事實上，醫(yī)生最頭疼的可能并非"AI 診斷，而是寫病歷、與患者溝通以及任務(wù)考核，而這些是目前的大模型并未提供的功能。

因此，在"AI 大多局限于問答或輔助診療之時，其應(yīng)用可能并未有效匹配基層醫(yī)療環(huán)境的痛點(diǎn)。

有些企業(yè)呼吁打造"AI 全科醫(yī)生，聲稱可實現(xiàn)豐富的功能，但是，只要在基層診室待過的人都會知道，目前很多基層醫(yī)生的時間是花在了給患者開藥上，甚至是花在按患者所給藥方開藥上。

其實，輔助診斷系統(tǒng)也并非新玩意兒，十余年來一直都在推廣使用，但不少地方的反饋卻是“使用頻率并不高”。

所以，我們不能只滿足于“上了系統(tǒng)”，更應(yīng)該深入思考：醫(yī)生真正需要的是什么？患者真正希望改善的又是什么？如果不去認(rèn)真理解和回應(yīng)這些問題，再先進(jìn)的技術(shù)恐怕也很難“用起來”，更談不上“用得好、用得久”。

思考：人工智能如何優(yōu)化基層醫(yī)療服務(wù)

從一名臨床醫(yī)生（實習(xí)生）、醫(yī)院行政人員、衛(wèi)生政策研究人員以及患者等多個基層應(yīng)用相關(guān)角色的視角來看，AI"可以在以下兩個方面發(fā)揮重要作用：

一是助力疾病早篩和風(fēng)險預(yù)警。新技術(shù)尤其是算法模型的發(fā)展，為我們提供了一個重要工具，那就是利用數(shù)據(jù)治理來構(gòu)建精準(zhǔn)的疾病風(fēng)險預(yù)測模型，推動疾病的早發(fā)現(xiàn)、早治療和個性化管理。這是"AI 在基層醫(yī)療中可以發(fā)揮價值的重要方面。以慢病管理為例，通過歷史數(shù)據(jù)與算法模型結(jié)合，我們可以主動預(yù)測患者未來一定時期內(nèi)可能發(fā)生的風(fēng)險事件，比如預(yù)測高血壓患者未來"1 年內(nèi)發(fā)生中風(fēng)的風(fēng)險，及時進(jìn)行個性化干預(yù)；學(xué)術(shù)界也有很多基于基層數(shù)據(jù)的疾病的早篩研究，過去疾病早篩面臨成本高、覆蓋人群少等問題，AI"技術(shù)的加入有效降低了成本并提高了效率。

目前，已有很多相關(guān)的文章證實"AI 具備這樣的能力，可以根據(jù)既往數(shù)據(jù)來預(yù)測個體某些疾病發(fā)生的風(fēng)險，或為患者急診、住院提供一定預(yù)測依據(jù)。

在這個功能上，能夠落實醫(yī)防融合，在疾病進(jìn)展的早期階段實施藥物和非藥物干預(yù)，做到早發(fā)現(xiàn)、早診斷、早治療。

比如，在一些研究中提到的腎病、癡呆、皮膚腫瘤以及一些罕見病甚至自殺傾向等，大模型擅長的數(shù)據(jù)分析，尤其是多模態(tài)數(shù)據(jù)（語音、語調(diào)、表情識別等）支持下的分析，將有著顯著的應(yīng)用潛力。包括現(xiàn)在已經(jīng)投入實驗的通過患者的咳嗽聲音、通話交流甚至是閱讀固定文本的語音等來診斷呼吸系統(tǒng)疾病、心理疾病等。

基層醫(yī)院是患者在病情不嚴(yán)重的情況下首先接觸的醫(yī)療機(jī)構(gòu)，也是患者最可能高頻接觸的機(jī)構(gòu)，因此也是能在醫(yī)患交互過程中收集最多信息的機(jī)構(gòu)。利用這些數(shù)據(jù)來構(gòu)建預(yù)測模型，實現(xiàn)疾病的早期預(yù)防、診斷，將是最值得期待的。

二是提供智能檔案和社會共治的非藥物處方。除了疾病早篩和風(fēng)險預(yù)警，AI"也可以幫助醫(yī)生提供更有人文關(guān)懷的服務(wù)，包括提供智能檔案和社會共治的非藥物處方等。AI"在收集和整理數(shù)據(jù)方面與人類相比有顯著優(yōu)勢，AI"可以通過多維度數(shù)據(jù)的整合，幫助醫(yī)生更全面地了解患者。

傳統(tǒng)醫(yī)療往往聚焦于身體健康，而忽視了患者的心理狀態(tài)和生活背景。AI"可以通過問卷調(diào)查、心理測評工具甚至患者授權(quán)的社交行為數(shù)據(jù)，為醫(yī)生構(gòu)建一個全方位的患者畫像。這種畫像涵蓋了患者的生活習(xí)慣、心理健康狀況以及社會支持情況，可以讓醫(yī)生了解到個體在社會中的不同角色，更全面地判斷患者的綜合癥狀，而不是簡單地聚焦在疾病上。

比如，高標(biāo)準(zhǔn)嚴(yán)要求的父母在給子女輔導(dǎo)作業(yè)過程中的情緒波動，望子成龍望女成鳳的家長在子女中高考期間的心理壓力，好勝心強(qiáng)、面臨職業(yè)晉升問題的工作人士的焦慮，突然診斷重癥導(dǎo)致人生計劃完全被打亂的患者的手足無措等，這些場景下，或許真正的解藥不是藥物處方，而是非藥物處方。

那些表面上的疾病癥狀，可能并不是真正的問題。社會的進(jìn)步讓我們每個人的角色都變得多樣且復(fù)雜，對于如何扮演好不同的角色，或許大模型可以提供相關(guān)的經(jīng)驗。這種經(jīng)驗即可以由訓(xùn)練的細(xì)分專業(yè)的AI"產(chǎn)品提供線上虛擬服務(wù)，也可以結(jié)合線下資源實現(xiàn)“社會共治”。

可以將AI"技術(shù)整合到婦聯(lián)、殘聯(lián)、民政部門以及黨群服務(wù)中心等相關(guān)組織開展的活動中，“開進(jìn)”患者的非藥物處方里，通過高效對接醫(yī)療資源與社會資源，根據(jù)患者的個性化需求精準(zhǔn)匹配適合的服務(wù)。

例如，可以推薦患者參加社區(qū)太極練習(xí)班、心理支持小組或健康飲食活動，從而構(gòu)建醫(yī)療、心理和生活相融合的一體化支持體系。人文關(guān)懷，不是更正確的藥物處方，而是知己好友的“我懂你”。這個角色其實和英國國家醫(yī)療服務(wù)體系（NHS）在2019"年提出的社會處方鏈接工作者（SocialPrescribing"Link Worker，SPLW）是類似的，部分研究已經(jīng)證實了社會處方的經(jīng)濟(jì)效益，而"AI 來擔(dān)任SPLW"將能極大地降低這項工作的人力成本

總的來說，在全民"AI 熱中，筆者認(rèn)為，基層醫(yī)療行業(yè)不應(yīng)盲目跟風(fēng)，也不應(yīng)一味地追求超前。醫(yī)療的復(fù)雜性決定了新技術(shù)在醫(yī)療行業(yè)的應(yīng)用不會是一蹴而就的事。醫(yī)療管理作為復(fù)雜的管理問題之一，要在基層中發(fā)揮"AI 良好的作用，就要及時引導(dǎo)基層人員形成對"AI 技術(shù)的正確認(rèn)知、提升其對AI"的接受度和應(yīng)用能力。同時，科技公司也應(yīng)保持對醫(yī)療行業(yè)、醫(yī)務(wù)人員以及對生命的敬畏心，認(rèn)真分析研究醫(yī)療從業(yè)者的痛點(diǎn)問題，幫助醫(yī)療行業(yè)和從業(yè)人員更好地應(yīng)用好AI"工具。