行業(yè)資訊丨回歸醫(yī)療本質(zhì)，解決臨床問題——醫(yī)療AI如何大規(guī)模落地？

3月11日，隨著十三屆全國人大四次會議的閉幕，全國兩會接近尾聲。

醫(yī)療健康一直是民生之重，強化基層醫(yī)療、中醫(yī)藥傳承發(fā)展、醫(yī)藥創(chuàng)新、加強醫(yī)保覆蓋及商保補充、鼓勵扶持醫(yī)藥器械“國產(chǎn)替代”、數(shù)字醫(yī)療應(yīng)用等方面是大家關(guān)注的重點。

眾多醫(yī)療相關(guān)提案之中，多方對于AI技術(shù)的倡導(dǎo)值得一談。在基層醫(yī)療賦能、精準(zhǔn)醫(yī)學(xué)研究等領(lǐng)域，這一技術(shù)都發(fā)揮了至關(guān)重要的作用。從目前來看，雖然各家企業(yè)都在各類醫(yī)療機構(gòu)尋找人工智能的落地場景，但少有企業(yè)能夠從“回歸醫(yī)療本質(zhì)，解決臨床問題”的角度出發(fā)，找準(zhǔn)這一技術(shù)的現(xiàn)實剛需，并實現(xiàn)規(guī)?；涞?。要解這個問題，我們必須對醫(yī)療AI的需求探索、規(guī)?；涞嘏c商業(yè)化三個階段進行分析。

探索AI的基層醫(yī)療合理性需求

無論是三醫(yī)聯(lián)動，還是分級診療，政策推動受阻背后的很大原因是因為基層醫(yī)療基礎(chǔ)設(shè)施的缺乏，即薄弱的信息化基礎(chǔ)、能力和數(shù)量都非常有限的醫(yī)生資源。兩者進一步導(dǎo)致基層醫(yī)療不被信任，相關(guān)資源閑置，沒有發(fā)揮應(yīng)有的作用。

受限于基層醫(yī)療的能力，居民生病之后的首選一般不是基層，因為患者不能判斷出來他的疾病到底是一個輕癥還是重癥，尤其是城市中的居民，一個常見的癥狀，他也要去一個大醫(yī)院去看病。所以基層的門診量小，是有閑置的醫(yī)療資源的。因此，很多常見癥狀、常見病本應(yīng)在基層解決，卻去了大醫(yī)院，讓大醫(yī)院里面的專家看常見病，這是對基層醫(yī)療資源的閑置與對大醫(yī)院優(yōu)質(zhì)醫(yī)療資源的浪費，是醫(yī)療體系中的‘雙重浪費’。

在基層醫(yī)療之中普及AI可以解決這一問題。具體而言，利用AI的輔助診斷功能（如樂普醫(yī)療的AI-ECG技術(shù)），基層醫(yī)療可以再“造”一個具備全科醫(yī)療知識的助手，輔助醫(yī)生進行診療。

截止2021年2月28日，從基層醫(yī)療需求入手設(shè)計的AI醫(yī)生助理，已經(jīng)覆蓋全國170+區(qū)縣的30000余家基層醫(yī)療機構(gòu)應(yīng)用，服務(wù)超過50000名基層醫(yī)生，惠及5000多萬居民，日均提供超40萬條輔助診斷建議，累計提供AI輔助診斷超1.2億次，有效提高了基層的診療服務(wù)水平，并在行業(yè)之中給出了AI規(guī)?；涞氐牡淅?/span>

三級醫(yī)院的需求與基層醫(yī)療大不相同，后者要的是規(guī)范化與一致化，前者則需要深入理解醫(yī)學(xué)，去解決臨床過程中的問題。

以影像領(lǐng)域為例。在整個診療流程中，醫(yī)學(xué)影像位于診斷環(huán)節(jié)，是醫(yī)生診斷患者的重要手段，也是AI醫(yī)療目前較為成熟的一個子領(lǐng)域，AI確實可以提高醫(yī)生診斷的準(zhǔn)確率與效率，但并非‘替代’。

在長時間的閱片過程中，醫(yī)生可能因為疲勞忽略的一些可能的影像細節(jié)，這時，基于算法的AI便能為醫(yī)生起到查漏補缺的作用，同時提高醫(yī)生效率；另一方面，由于AI是受算法和數(shù)據(jù)兩個因素影響，因而給定影像，就不會像人一樣受環(huán)境、狀態(tài)影響提出不同的判斷，換言之，AI擁有極高的一致性。

從上述分析出發(fā)，我們可以清晰判斷影像AI的使用場景——影像科、臨床科室以及業(yè)務(wù)繁忙的第三方影像中心的確存在應(yīng)用需求。

滿足需求之后，企業(yè)需要解決商業(yè)化問題。這時，我們便需要討論得到醫(yī)院獲得服務(wù)所需付出的成本，這里需要從三甲醫(yī)院與基層醫(yī)療兩個角度回答“為什么要購置AI”這個問題。

以影像AI產(chǎn)品為例，醫(yī)院需要考慮它能帶來的實際價值。如果一套AI產(chǎn)品為醫(yī)院帶來的僅僅是加速醫(yī)生的工作效率，而并沒有為醫(yī)院帶來實際效益，采購的幾率就不高。

我們調(diào)研發(fā)現(xiàn)，私營醫(yī)療機構(gòu)比公立醫(yī)療機構(gòu)更樂于采購一些先進的設(shè)備，因為這些設(shè)備能夠有效為他們降低成本，并提高患者對于醫(yī)院的印象分。同樣地，要讓AI產(chǎn)品真正落到醫(yī)院場景中，就需要找到在臨床流程中，AI產(chǎn)品可以幫助哪些環(huán)節(jié)降本增效。

在醫(yī)院場景之外，醫(yī)療AI的需求可能就不完全是以成本回報來計量。

疫情之后，國家倡導(dǎo)的分級診療、構(gòu)建新一代公共體系在不斷加快。作為新基建的一環(huán)，國家也在不斷加大對醫(yī)療AI的投入。AI的可持續(xù)發(fā)展將來源于對基層醫(yī)療場景的賦能，建立一個擁有健康資源分配的醫(yī)療體系。

通往成功的路是曲折上升的，AI亦如此。

從1956年至今，AI經(jīng)歷了三次盛夏與兩次寒冬。在這個過程中，科學(xué)家們逐漸解決了計算能力的限制和各種各樣數(shù)據(jù)的限制，但又重陷與各種限制之中，然后再度突破，往返上升，往返循序。

在上升的過程中，醫(yī)療AI仍要保持初心，回歸醫(yī)療本源，做好需求、落地、成本分析三個方向，才不至于做出存在而無意義的AI產(chǎn)品。

重拾“AI能解決什么樣的醫(yī)療問題？”這個提問，在醫(yī)療領(lǐng)域之中，或許應(yīng)該修正為“醫(yī)療需要AI解決什么問題？”。站對了角度，才有廣闊且存在價值的成長空間。