本文來自騰訊研究院，作者 吳朋陽、王妍，36氪經作者授權發(fā)布。
今年初，一篇《流感下的北京中年》刷爆朋友圈，也道出了當前國人生病后面臨的種種無奈。作者的岳父不慎得了流感，最初沒當大事選擇了就近治療，結果病情日益嚴重。等輾轉來到大醫(yī)院，醫(yī)生發(fā)現(xiàn)感染已深入肺部、并且難以確定病毒類型。盡管經過了ICU一系列治療，仍然無力回天，患者最終撒手人寰?？此坪唵蔚牧鞲校坏揭粋€月時間就奪了人的性命、乃至毀了一個家庭的幸福生活。
這樣的過程和結局讓人唏噓、更讓人共鳴：看病太難了。
當然，這個“難”不是指醫(yī)療機構少。從總數(shù)看，目前我國各級醫(yī)療機構共有99.3萬個，比美國的78.5萬個還多；從平均覆蓋人口數(shù)看，我國平均每個醫(yī)療機構覆蓋1400人，與日本的1155人基本相當。
“看病難”的真正原因，在于醫(yī)療機構分布極度不平衡。
擁有優(yōu)質醫(yī)療資源的高等級醫(yī)院數(shù)量有限，且主要集中在經濟發(fā)達的大城市；而中、低等級的醫(yī)療機構雖然數(shù)量龐大、但醫(yī)療資源和能力不足。國人生了病，往往不信任周邊的低等級醫(yī)療機構，再難也都情愿往大醫(yī)院跑。對大部分人而言，大醫(yī)院意味著“有保障”和“少折騰”。
就拿去年年末的流感高發(fā)季來說，一方面是各地兒童醫(yī)院紛紛爆滿，排隊候診需要好幾個、甚至十幾個小時；另一方面是很多社區(qū)醫(yī)院依舊冷清，看病就醫(yī)的人極為有限。
這種病人都往大醫(yī)院跑的“虹吸效應”，背后反映的其實是醫(yī)療服務體系設計和管理的問題。計劃經濟時代我國建立起的三級醫(yī)療服務體系，越來越不能與日益豐富的市場經濟環(huán)境相匹配。
分析其原因，一從需求角度出發(fā)，隨著國人收入的增加、交通日益便利等，病患有更強的意愿和能力尋找優(yōu)質的醫(yī)療資源，為了求好醫(yī)越來越不計成本，通過傳統(tǒng)的醫(yī)療服務等級差異定價進行市場協(xié)調的手段日益失靈。
二從供給角度出發(fā)，現(xiàn)實中對基層和高級醫(yī)療機構的二元補償機制，導致并強化了醫(yī)療資源配置的“倒三角”結構。對高級、大型醫(yī)療機構采取的是財政差額補償和醫(yī)保按服務項目付費的方式，治療病人的數(shù)量與收入直接相關，使得這些機構對病人的態(tài)度是“多多益善”；而對基層醫(yī)療機構采取的則是收支兩條線和基本藥物制度，治療病人的數(shù)量多少基本不影響收入，導致這些機構對病人態(tài)度消極，甚至出現(xiàn)“不愿治”、“情愿放”等情況。
“分級診療”被認為是解決目前“看病難”問題的最佳方案。所謂“分級診療”，就是按照疾病的輕重緩急及治療的難易程度進行分級，不同級別的醫(yī)療機構承擔不同疾病的治療。這種模式源自西方且目前也正在西方各國被普及，其主要特點是“全科醫(yī)生”和“專科醫(yī)生”的劃分與分工協(xié)同。
全科醫(yī)生大多深入居民社區(qū)，私營各種社區(qū)診所等基層醫(yī)療機構，負責百姓各類日常疾病問題的處理，并決定病人是否有必要送往?？漆t(yī)院；?？漆t(yī)生一般在各類?？漆t(yī)院坐診，負責收治全科醫(yī)生轉送的病人，對其重大疾病進行治療。在這種模式下，大量的全科醫(yī)生處理了百姓80%的醫(yī)療問題，同時?？漆t(yī)生資源可以專注于20%的重大疾病救治，使得醫(yī)療資源與病患需求能夠實現(xiàn)較為有效的匹配。
實際上我國早已開始分級診療的努力和嘗試。國務院辦公廳2015年9月就已印發(fā)了《關于推進分級診療制度建設的指導意見》，希望通過指導和推動分級診療體系的建立，實現(xiàn)各級病患需求和醫(yī)療資源之間更有效的匹配。隨后各省市也進行了各項嘗試，以探索分級診療建設落地的方法。
有行政強制類，如青海基于醫(yī)保強制首診和轉診的措施；有經濟激勵類，如青島正確首診可降低起付線、提高報銷比例；還有引入私營類，如上?；谏鐓^(qū)醫(yī)院的家庭醫(yī)生機制等。
雖然這些嘗試起到了一定的探索作用，但效果還比較局部和有限。我們通過對比2015-2017三年間，不同等級醫(yī)療機構的平均診療人數(shù)發(fā)現(xiàn)，高等級醫(yī)院（如三級甲等）仍源源不斷地吸引著資源和患者，居民就醫(yī)流向非但沒有分散反而更加集中。
為什么分級診療這么難落地？
因為光依靠行政手段，不管是強制、還是激勵，都無法解決分級診療面臨的核心問題：優(yōu)質醫(yī)療資源有限。分級診療的有效實施，特別需要大量的有能力、可信賴的全科醫(yī)生，來覆蓋和滿足大部分人日常醫(yī)療的需求。
而這個體系的有效建立，不僅需要對醫(yī)生進行全面培養(yǎng)，還需要醫(yī)生與病患間建立穩(wěn)定且信任的關系，這就需要大量的時間和成本投入，很難一蹴而就。西方國家如英國，通過近七十年、三代人的努力，才構建了今天的全民醫(yī)療服務體系。
既然好醫(yī)生不夠是核心問題，那么如何又快又好地建立起好醫(yī)生隊伍，就成為醫(yī)療行業(yè)發(fā)展的根本。而人工智能技術，恰好非常適合優(yōu)化和加速這個過程。
醫(yī)療行業(yè)是一個存在大量數(shù)據(jù)、目前又特別依靠專家經驗的行業(yè)。所謂診斷，大多是醫(yī)生對病人的各種化驗、影像等數(shù)據(jù)和信息的個人經驗處理與判斷。首先，人工智能特別適合快速高效處理海量數(shù)據(jù)，尤其能夠分析出人無法察覺的數(shù)據(jù)差異，而這點差異可能就決定了對疾病的判斷；其次通過機器學習，人工智能可將專家經驗轉換為算法模型，使得專家經驗實現(xiàn)低成本復制，大量的基層醫(yī)療機構因此可能更方便地用人工智能專家進行診斷，這將有效支持分級診療的實現(xiàn)。
在人工智能技術的融入下，未來老百姓有望更快享受到“家-全-?！蓖暾麉f(xié)同的三級系統(tǒng)化醫(yī)療服務，即人工智能+家庭醫(yī)生/全科醫(yī)生/專科醫(yī)生三大角色的應用場景。
場景一：人工智能+家庭醫(yī)生—健康監(jiān)測
對大部分國人而言，擁有一個家庭醫(yī)生基本上是不可能的。而隨著亞健康、慢性病的情況越來越普遍，擁有了解自己健康情況、能長期提供治療指導的家庭醫(yī)生服務，又顯得越來越有必要。人工智能技術對海量數(shù)據(jù)的處理能力，能夠有效滿足健康監(jiān)測的需求，尤其對于患有慢性病的人群特別有用，可以有效降低其疾病風險和看病成本。
例如騰訊針對糖尿病患者推出的智能血糖儀“糖大夫”。這款外觀酷似手機、具有防滑防抖設計的血糖儀，不僅達到了傳統(tǒng)高端血糖儀的檢測水平，還提供了傳統(tǒng)設備所不具備的特殊功能：
1、實時記錄。“糖大夫”能根據(jù)設置按時提醒用戶采血測試，自動記錄患者的血糖值，并生成可視化圖表和報告便于用戶監(jiān)測；
2、互助提醒。掃描“糖大夫”開機二維碼能實現(xiàn)與微信綁定，病人家屬可通過綁定微信隨時查詢病人情況，提醒病人及時測量血糖，特別適合健忘的中老年群體；
3、動態(tài)預警。糖大夫會設置血糖監(jiān)測的預警標準，一旦出現(xiàn)異常，就會從本機、且通過微信發(fā)出預警信息，有利于對病情及時處理。
4、在線指導?！疤谴蠓颉焙笈_建立了監(jiān)測、飲食、運動等一系列指導信息，會根據(jù)情況推送給用戶，讓用戶能夠更好的應對各種情況。
“糖大夫”型產品的出現(xiàn)，實際上有望填補慢病管理服務市場的空白。過去慢病管理主要靠病人自己，而“糖大夫”則借助互聯(lián)網(wǎng)和人工智能技術，將病人、家屬和醫(yī)生都拉入了慢病管理體系中，為各方都帶來了益處。
首先是讓用戶更全面掌握病情，用戶能夠隨時查看自己連續(xù)的數(shù)據(jù)記錄和圖表統(tǒng)計；其次讓用戶的家人更放心，能夠通過微信隨時監(jiān)測用戶的情況；最后讓醫(yī)生治療更精準及時，醫(yī)生能夠更全面、實時了解病人的體征變化，并提出更有效的保健或治療方案。
為了更好地提供慢病管理服務，“糖大夫”一方面與丁香園合力打造名醫(yī)在線計劃，使用戶能夠與清華、協(xié)和等醫(yī)療機構的知名醫(yī)生直接對話，方便獲得更專業(yè)的日常保健服務；另一方面基于患者的醫(yī)療大數(shù)據(jù)，“糖大夫”還與眾安保險共同推出針對患者的康復激勵保險服務，為“糖大夫”用戶提供量身定做的保險計劃以及優(yōu)惠。
從遠期看，“糖大夫”有望為中國慢病管理，探索出一套完整的“互聯(lián)網(wǎng)+慢性病管理+保險+…”閉環(huán)模式。
場景二：人工智能+全科醫(yī)生—輔助診療
分級診療體系的成功建立，需要重點補充大量全科醫(yī)生，以滿足廣大群眾中日常病患的處理。而目前我國基層醫(yī)療機構中，醫(yī)生的學歷、經驗等普遍偏低，全科診療能力明顯不足。利用人工智能學習和復制優(yōu)秀醫(yī)生的經驗，補充并輔助基層醫(yī)生的診療工作，是較快推動醫(yī)療體系落地的好辦法。
例如騰訊覓影的AI輔診系統(tǒng)，就是一個借助人工智能技術，能夠根據(jù)病人癥狀描述，快速給出疾病判斷和診療建議的智能系統(tǒng)。
其工作原理主要包括三步：?基于機器視覺和自然語言處理技術，學習、理解并歸納現(xiàn)有的醫(yī)療信息和數(shù)據(jù)（包括醫(yī)學文獻書籍、診療指南和病例等），自動構建出“醫(yī)學知識圖譜”；基于深度學習技術，系統(tǒng)自動學習海量臨床診斷病例構建出“診斷模型”，實現(xiàn)根據(jù)癥狀輸入、輸出疾病判斷和診療建議功能；實際參與診斷，對比專家醫(yī)生的診斷結果進行模型優(yōu)化。
騰訊覓影的AI輔診，尤其對于缺乏專家等資源的基層醫(yī)院特別有用。
一是能幫助提高疾病風險排查率，通過提供疾病的預測建議，降低基層醫(yī)生對高危疾病漏診的巨大風險；二是能幫助提高病案管理效率，目前國內的病案一般依賴病案室人力或數(shù)據(jù)公司整理，要投入大量的人力和資金，準確率也得不到保障。人工智能可以實現(xiàn)病案智能化管理，輸出結構化病例，讓醫(yī)生從繁瑣的病案工作中解脫，提升診療效率。
目前騰訊覓影AI輔診已經能夠識別預測500多種疾病，差不多覆蓋了大部分科室，包括白內障、青光眼等常見病和肺癌、宮頸癌等重大疾病。診療風險預測準確率高達96%，已達到甚至超過普通醫(yī)生的水平，能夠有效補充和增強基層醫(yī)生的診療能力。自去年8月至今，該系統(tǒng)已經在100多家三甲醫(yī)院落地。未來有望與更多醫(yī)院展開合作，讓人工智能輔診成為真正高效的“助理醫(yī)生”。
場景三：人工智能+專科醫(yī)生—疾病篩查
對?？漆t(yī)生、尤其是名醫(yī)來說，海量需求帶來的高強度工作是最頭疼的問題。如何能夠為這類醫(yī)生節(jié)約時間，是人工智能最大的價值。因此在一些需要大量數(shù)據(jù)處理、重復性規(guī)律性較強的環(huán)節(jié)，可以借助人工智能的技術進行補充甚至替代。
例如騰訊覓影的AI影像，就是以人工智能訓練學習海量的影像數(shù)據(jù)，實現(xiàn)進行對特定疾病智能篩查的系統(tǒng)。該系統(tǒng)能夠有效助力醫(yī)生提升篩查診斷效率，從而提高早期患者的治愈率和存活率。
其主要工作過程是：①把醫(yī)療傳統(tǒng)影像系統(tǒng)里的患者影像，傳送到AI影像系統(tǒng)中；②對圖片進行預處理，包括去掉片子里拍到的其他部位、進行3D化增強等，形成機器可識別的圖片；③將圖片放到后臺模型中判斷該部分是否有病變，標識出病變位置，亮點越亮表示病變風險系數(shù)越高；④最關鍵的一步——分辨到底是炎癥還是癌癥，除了進行圖像切分和識別外，還可能結合患病位置、大小、周圍環(huán)境等其他信息，最終對病變進行判斷，從而達到較高的識別準確性。
目前該系統(tǒng)已實現(xiàn)了對早期食管癌、早期胃癌、早期乳腺癌、糖尿病性視網(wǎng)膜病變等多種重大疾病的識別和診斷，每月可處理上百萬張影像，準確率已達到較高水平（如食管癌90%、糖網(wǎng)97%）。
多家醫(yī)院由此與騰訊覓影建立了科研合作關系，包括中山大學附屬腫瘤醫(yī)院、廣東省第二人民醫(yī)院、四川大學華西第二醫(yī)院和第四醫(yī)院等都加入了騰訊發(fā)起的人工智能醫(yī)學影像聯(lián)合實驗室。未來計劃將該系統(tǒng)整合到核磁共振等醫(yī)療儀器中，讓病人檢查完直接出結果，省去系統(tǒng)間圖像的傳輸過程，實現(xiàn)更高效的病癥篩查。
可見在分級診療的體系中，人工智能確實可以有效實現(xiàn)對醫(yī)療資源和能力（尤其是基層）的補充和強化，從而加快整個分療體系的建設完善。
當然人工智能要進入醫(yī)療行業(yè)，尤其是要承擔部分甚至全部的醫(yī)生職責，還面臨很多挑戰(zhàn)。其中最核心的問題，也是當前醫(yī)療行業(yè)最難建立的就是：信任，尤其是病人對醫(yī)生的信任。
在過去的醫(yī)療體系改革進程中，商業(yè)化、市場化等負面影響逐漸增大，病人對醫(yī)生“賺了錢治不好病”的問題越來越耿耿于懷，醫(yī)患矛盾時有發(fā)生。往大醫(yī)院跑成為病人的無奈選擇，因為除了“名院名醫(yī)”的招牌，沒有更好的信任建立和維護手段。
人工智能需要在這個信用不太充分的行業(yè)，獲得患者、醫(yī)生乃至監(jiān)管部門的信任，可以說非常困難，但這也是必經之路。推動信任建立，至少有四個方面值得研究探索：
一是技術信任。人工智能在醫(yī)療行業(yè)的應用，需要建立一系列的技術性能指標體系，并重點明確正式商用的指標水平要求，從而確保人工智能達到甚至超過人類醫(yī)生的基準要求。比如疾病識別的敏感度、特異度、準確率等。
二是職責信任。人工智能使得傳統(tǒng)人類醫(yī)生的工作部分被智能機器接替，那么隨之而來的問題是：這部分工作的質量和出錯的風險應該由誰負責？是使用人工智能的醫(yī)生？醫(yī)院？還是人工智能供應商？……這種根據(jù)具體情況而有所差異的責任歸屬容易讓人產生模糊感。因此需要重點明確責任歸屬的原則，以打消病人對“出了事找不到人”的顧慮。比如在有付費交易的情況下，可按直接發(fā)生交易的雙方確認責任主體。病人付費給醫(yī)院治療，用了院方提供的人工智能服務，出現(xiàn)問題時應由院方對病人全權負責。
三是隱私信任。病人采用人工智能診療服務，需要提供大量的個人健康醫(yī)療信息。這些信息大多私密性較高，一旦泄露會對個人聲譽乃至安全產生風險，在數(shù)據(jù)隱私重點保護范圍之內。因此應用人工智能進行診療，需要與病人簽訂相關的數(shù)據(jù)隱私保密協(xié)議，讓病人放心。比如協(xié)議中可明確規(guī)定，治療期間所采集的個人數(shù)據(jù)，未經病人同意不得作其他用途等。
四是情感信任。疾病治療并非僅是生理治療，心理的、情感的疏導在病人的整個治療過程中也非常重要。而目前由于醫(yī)患資源的不匹配，醫(yī)生對病人很少會進行有效的心理溝通和疏導，醫(yī)患之間難以建立情感信任。而人工智能借助對病人個人情況的連續(xù)記錄和洞察，有望提供個性化輔診和陪護服務，從而成為醫(yī)患情感信任建立的有益補充。因此對醫(yī)療行業(yè)而言，推動情感機器人發(fā)展，也是未來的一大重要方向。
希望未來的某一天，我們每個人都能擁有一個值得信賴的專屬“醫(yī)生”。在他的幫助下，病人不再需要擠破腦袋尋找名醫(yī)、醫(yī)生也不必心力交瘁地加班治病。如果能進一步打破機構間數(shù)據(jù)壁壘、更廣泛有效地訓練這個人工智能“醫(yī)生”的話，相信這一天不會太遠。
聯(lián)系客服
