機器人與互聯(lián)網的結合向來被眾人看好，在醫(yī)療領域，智能機器的應用更是屢見不鮮，可是在這繁榮的背后，更值得我們深思的是，基層醫(yī)療的發(fā)展，是否真正因為AI的深入而更好的發(fā)展。

遠程會診機器人屬于“互聯(lián)網+醫(yī)療”的模式。英特爾醫(yī)療與生命科學部亞太區(qū)總經理李亞東曾表示，這一模式提高了整個醫(yī)療系統(tǒng)運行的效率，比如在掛號、網上輕問診、在線支付等方面做了很多工作，取得了很多成績，但是還沒有走進院內，沒有觸及醫(yī)療本身。

李亞東指出，醫(yī)療健康的需求端急劇上升和供給端的嚴重不足都驅使人工智能等技術與醫(yī)療健康行業(yè)的結合。

有數據顯示，應用智能輔助診斷系統(tǒng)，可將醫(yī)生的看片時間平均減少4.25個小時，準確度提高到90%以上，這樣，不僅使醫(yī)生有更多的時間提高自身水平，還能夠把醫(yī)生“還給”患者，讓醫(yī)生有更多的時間對患者解釋病情病因。作為“基礎薄弱、人才缺失”的基層地區(qū)，AI技術無疑可以為這些地方提高診斷率、分擔三甲醫(yī)院所承擔的就診壓力提供巨大的幫助。

但是廣大基層醫(yī)療機構是否能用得起看似昂貴、技術壁壘強的AI技術?本文將論述AI在基層醫(yī)療落地是不是靠譜，我們采訪了醫(yī)院放射科教授、AI技術創(chuàng)業(yè)公司創(chuàng)始人等，從“基層醫(yī)療需不需要AI?”、“基層醫(yī)療從業(yè)者會不會用AI?”、“基層醫(yī)療用不用的起AI?”等方面，探討“AI在基層醫(yī)療落地?”這一問題。

基層醫(yī)療需要AI嗎?

在我國，基層醫(yī)療機構是醫(yī)療體系的末梢神經，而硬件設施、人才缺失則是擺在基層機構面前的一道難題。2014年，全國醫(yī)療機構總診療人次超過76億，而基層醫(yī)療衛(wèi)生的診療人次從2009年的62%下降到58%。在這樣的背景下，國家提倡分級診療，而基層首診是分級診療制度的重要基礎。

2015年3月，國務院辦公廳印發(fā)《關于進一步加強鄉(xiāng)村醫(yī)生隊伍建設的實施意見》，要求基層醫(yī)療衛(wèi)生機構：社區(qū)衛(wèi)生服務中心(站)3.5萬個，鄉(xiāng)鎮(zhèn)衛(wèi)生院3.7萬個，村衛(wèi)生室63.8萬個，診所(醫(yī)務室)20.5萬個。每千服務人口不少于1名的標準配備鄉(xiāng)村醫(yī)生。

2015年9月，國務院辦公廳下發(fā)了分級診療制度建設的指導意見，旨在解決醫(yī)療資源不平衡問題，其關鍵在于完善基層醫(yī)療建設，多級解決就診難問題。

理想條件下，一個患者就診順序是：通過社區(qū)內全科醫(yī)生診斷，獲得初步診療，根據病情再向上級醫(yī)院轉診。事實上基于患者自身原因，大多患者會直接選擇“更加靠譜”的上級醫(yī)院，其中最大的原因是對醫(yī)生的不信任。

騰邁智醫(yī)創(chuàng)始人曹繼平對此表示，這種不信任源于基層全科醫(yī)生本身經驗，一般大型醫(yī)院單個醫(yī)生接診數量較高，積累了豐富經驗;基層醫(yī)生和一般三甲醫(yī)院醫(yī)生接診數量有限，經驗較少?；鶎俞t(yī)生缺乏診療經驗，診療能力進一步被質疑，分級診療更難以落實。

深圳市科恒力電腦軟件有限公司總經理車飛淪曾在自己的一篇文章中認為，智能診療最大的市場機遇是在基層，輔助基層醫(yī)生診療。三甲醫(yī)院的知名專家教授擁有精尖的?？萍寄?、儀器設備，因此對于人工智能輔診的需求并不強烈，可以說是一個“可有可無的點心”。而基層醫(yī)療醫(yī)務人員能力不足，又需要承擔大量常見病、多發(fā)病、慢性病的病人，因此他們更需要提高診療水平和效率的工具。智能診療技術創(chuàng)新有助于推動原來需要專家才能做到的診斷、治療。讓基層醫(yī)生在缺乏高端儀器設備的情況下，也能為患者提供初步的診治工作。

推想科技CEO陳寬在接受雷鋒網采訪時表示，醫(yī)療人工智能產品在基層的產品需求其實是非常強烈的，這些產品可以幫他們降低漏診率，在基層的聯(lián)動醫(yī)聯(lián)體和三級分診中起到很大的作用，降低基層醫(yī)院搭建診斷團隊的門檻?；鶎俞t(yī)院對AI產品的依賴度甚至要高于一般的三甲醫(yī)院。

基層醫(yī)療會用AI嗎?

基層醫(yī)療對于AI科技公司來說，是一個未開發(fā)的“巨大金礦”。但是，這塊金礦真有想象中那么好挖?設備條件落后，醫(yī)生專業(yè)知識的匱乏，這些既是人工智能在基層發(fā)揮作用的出發(fā)點，同時也成了難點。

AI產品推進到基層醫(yī)療過程中存在哪些困難?基層醫(yī)院在應用AI產品時有哪些難點?陳寬從企業(yè)的角度表達了自己的觀點：基層醫(yī)療一方面是渠道比較難覆蓋，雖然基層的市場空間非常大，但相應的渠道挑戰(zhàn)也更大。第二，基層有很多的IT系統(tǒng)都是相對比較欠缺的，這個跟三甲醫(yī)院不一樣，IT系統(tǒng)欠缺的情況下，怎么樣才能做到把AI系統(tǒng)對接上去。這是一個比較大的命題，包括我們有一些上線的基層醫(yī)院可能連基本的設備都沒有。醫(yī)生還是采取一個膠片閱片的方式，這就對AI的技術和產品的帶來了更大的挑戰(zhàn)。

騰訊架構平臺部高級工程師顏克洲在做乳腺癌病理圖像識別項目，他遇到的數據問題來自于醫(yī)生的習慣?！拔覀兏枰ㄆ瑨呙璧臄祿?，這個數據非常少，它需要把整個波片全部數字化，但是這個機器現(xiàn)在很多醫(yī)院沒有普及，很多醫(yī)生也比較抵觸使用這樣的機器，他們從醫(yī)學院開始接觸到的訓練都是使用顯微鏡。”

除了渠道和醫(yī)生工作習慣的問題，AI在落地基層醫(yī)療的過程中，還有一個不可避免的因素——數據。

數據中存在大量的冗余數據，如果不處理好，很可能產生數據污染，清華大學教授張勤認為，醫(yī)療數據并不是越多越好，數據質量高才行。依靠高精尖儀器設備的技術、手術治療、價格昂貴新特藥等等醫(yī)學數據源，都是不適合基層醫(yī)療的，適宜基層的專家經驗、文獻資料才是基層智能診療系統(tǒng)所需的數據源。

醫(yī)療數據對于人工智能而言等同于維系生存和成長的主食，有了數據才能訓練人工智能機器，應用轉化也需要跟臨床數據相對接。對于國內企業(yè)而言，獲取數據的渠道主要是跟公立三甲醫(yī)院合作。此時，醫(yī)院與醫(yī)院的數據沒有實現(xiàn)互聯(lián)互通就成了主要的絆腳石。

湯衡指出：“中國醫(yī)院都有私有云，各個私有云都是獨立的，數據不共享?，F(xiàn)在有一部分數據被互聯(lián)網掛號平臺占據，但數量少，數據質量達不到醫(yī)療研發(fā)級別。也有企業(yè)幫醫(yī)院做系統(tǒng)對接然后抓取數據，一般是有選擇性的抓取，無法獲得完整版的數據資源?！?/p>

基層醫(yī)療用得起AI嗎?

除了數據難題，醫(yī)療人工智能開始邁入產業(yè)化，但這一領域國內的審批和監(jiān)管還處于空白階段。

學術界和院方人士又是怎么看待AI在基層醫(yī)療中遇到的商業(yè)化問題?近期在北京舉辦的北大醫(yī)學部影像醫(yī)學學系的學術年會上，北京大學人民醫(yī)院放射科原主任杜湘珂教授提出了一個現(xiàn)實性問題——AI的盈利和消耗是一個很大的問題，那么醫(yī)院的投入誰來承擔?

車飛淪表示，智能診療系統(tǒng)只是軟件基礎上使用人工智能技術切入醫(yī)療的一種工具。軟件的邊際成本(甚至價格)是接近于零的，所以智能診療系統(tǒng)的實際定價不應過高，尤其在基層。讓基層醫(yī)療機構花費上萬元、十幾萬元買一套系統(tǒng)，這不現(xiàn)實。

就此問題，陳寬在接受雷鋒網(公眾號：雷鋒網)采訪時也表示，企業(yè)在現(xiàn)階段也處在摸索的階段。AI產品從目前來看是比較難從病人的身上去收費的，現(xiàn)在還無法實現(xiàn)，這對我們企業(yè)的商業(yè)模式也形成了很大的挑戰(zhàn)，特別是在醫(yī)院可能自由資金比較少的情況下怎么樣能夠收費，這還需要結合政府政策、醫(yī)院方等各個方面。

AI診療系統(tǒng)在商業(yè)模式有待探索。對此，高特佳執(zhí)行合伙人湯衡認為，現(xiàn)階段應用層面的醫(yī)療人工智能企業(yè)商業(yè)模式創(chuàng)新已經遭遇瓶頸期，基本依靠篩查服務、分析報告來變現(xiàn)，后期的技術升級、數據積累是否能夠帶來一些質變還需要驗證。

湯衡表示：“未來是根據醫(yī)療器械、系統(tǒng)還是其他的方式進行監(jiān)管還沒有定論。國內已經在臨床使用的產品基本都是打擦邊球，借鑒臨床同類項目的收費標準進行定價，也很難開出一個比較高的價格?！?/p>

AI如何在基層醫(yī)療中落地，專家怎么說?

那么，在商業(yè)化變現(xiàn)、數據有效性等問題的背景下，AI怎么才能更好地在基層醫(yī)療中站穩(wěn)腳跟?北京大學公共衛(wèi)生學院周子君教授在學術會議上曾表示，AI在基層醫(yī)學影像中的醫(yī)療場景，未來需要一個整體的數據解決方案來解決基層醫(yī)療這個問題。鄉(xiāng)鎮(zhèn)衛(wèi)生院的拍照水平、醫(yī)生水平可以通過培訓達到要求，但診斷確實是一個問題。未來能不能通過云的解決方案來用基層大數據進行診斷。

從篩查角度，基層是要解決早期發(fā)現(xiàn)的問題，如果基層是用CT解決的話，從經濟學角度來講，它不是一個成本效益很高的方法。如果用AI-DR來解決就很好了，即用低成本來解決，這樣就面臨了AI怎樣早期發(fā)現(xiàn)的問題。其次，我們不建議在AI-DR層面上把假陽性控制很好，其實假陽性可以放得高一點，下一步是用CT或者其他方法進行確診。這樣就可以節(jié)省大量的社會資本。我們現(xiàn)在有些方法，比如肺癌全人口篩查，乳腺癌全人口篩查，這個費用是非常高的。從經濟學角度講，這是非常不適合做的方法。

如果要用常規(guī)的檢查，假如基因家族史是高發(fā)的，再加上AI的診療技術，這可能把這個經過的代價拉高，所以，整個社會的成本就降低了，這是AI未來從數據的角度來應用的一個方式。這樣，分級診療就出來了，比如說基層，把所有的醫(yī)生都培養(yǎng)成像人民醫(yī)院那種那是不現(xiàn)實的，但假如全國通過AI這種方法，再結合專家的診斷，完全可以在很小范圍內把13億人口的健康問題解決了。

首都醫(yī)科大學教授顧湲從基層教育的角度提出，通過全科醫(yī)學服務模式的推廣和全科醫(yī)生隊伍的速成建設，讓包括村醫(yī)、鄉(xiāng)醫(yī)、城市全科醫(yī)生和護士、健康管理師等在內的數百萬基層醫(yī)療衛(wèi)生服務人員盡快掌握“居民健康守門人”必須的本領，從而展現(xiàn)基層醫(yī)療的優(yōu)勢與基礎作用。

更多資訊請關注工業(yè)機器人頻道