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。

本次“兩會”舉辦之際正值十四五規(guī)劃的開局之年，也是我國進(jìn)入新發(fā)展階段的第一年。醫(yī)療健康一直是民生之重，動脈網(wǎng)對參會代表及委員們有關(guān)醫(yī)療健康領(lǐng)域的部分議案建議和提案進(jìn)行了整理。總的來說，強(qiáng)化基層醫(yī)療、中醫(yī)藥傳承發(fā)展、醫(yī)藥創(chuàng)新、加強(qiáng)醫(yī)保覆蓋及商保補(bǔ)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(jī)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)化是三個階段進(jìn)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(jìn)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。

科大訊飛智慧醫(yī)療事業(yè)部總經(jīng)理陶曉東認(rèn)為：“受限于基層醫(yī)療的能力，居民生病之后的**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（CDSS），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(jìn)行診療。

從這個思路出發(fā)，BAT、科大訊飛、各大信息化企業(yè)都開發(fā)了相應(yīng)的全科AI+CDSS，提升基層醫(yī)療的信息化水平、基層醫(yī)療診斷有效性，試圖從根本解決基層醫(yī)療問題。

值得注意的是，CDSS的確可以解決單個機(jī)構(gòu)資源缺失等問題，但并沒有解決醫(yī)療數(shù)據(jù)標(biāo)準(zhǔn)化這個問題。2019年，廣西一地市衛(wèi)生健康局曾發(fā)布的《實施三醫(yī)聯(lián)動的新舉措、存在問題及建議》中指出，三醫(yī)聯(lián)動難以執(zhí)行的問題之一，便是“聯(lián)”字的貫徹不徹底。具體而言，監(jiān)管機(jī)構(gòu)沒有一個包含完整患者信息的數(shù)據(jù)庫作為基礎(chǔ)，便無法對患者就醫(yī)行為中涉及的機(jī)構(gòu)進(jìn)行監(jiān)督與管理。

對于這個問題，科大訊飛找到了一種有效的方法進(jìn)行解決。具體而言，該公司與區(qū)域衛(wèi)健委進(jìn)行合作，制定標(biāo)準(zhǔn)，而進(jìn)在區(qū)域范圍內(nèi)推行CDSS，解決了各基層醫(yī)療之間以及基層醫(yī)療與上級醫(yī)療機(jī)構(gòu)的互聯(lián)互通問題。

截止2021年2月28日，從基層醫(yī)療需求入手設(shè)計的智醫(yī)助理，已經(jīng)覆蓋全國170+區(qū)縣的30000余家基層醫(yī)療機(jī)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?/p>

探索AI的三甲醫(yī)院合理性需求

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，而非唯一手段，年齡、既往病史、血常規(guī)乃至病理切片信息都是醫(yī)療做出最終決策的證據(jù)。因此，我們需要將AI能力定位于放射科醫(yī)生或是臨床醫(yī)生的需求。

科大訊飛智慧醫(yī)療事業(yè)部總經(jīng)理陶曉東告訴動脈網(wǎng)：”放射科AI是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(xì)節(jié)，這時，基于算法的AI便能為醫(yī)生起到查漏補(bǔ)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。這種需求來源于“解放勞動力”。

AI語音錄入是一個更為成熟的三級醫(yī)院AI應(yīng)用技術(shù)，其落地最早可追溯至6年前。

醫(yī)院口腔科中，該科醫(yī)生在診斷治療過程中往往兩只手都被占用，無法書寫病歷。因此，他們要么選擇在診療完成之后憑借回憶書寫病歷，要么再找一位護(hù)士幫忙記錄。

前者的缺陷在于，非實時記錄的病歷極易忽視細(xì)節(jié)，出錯概率大大提升，后者的缺陷在于人力資源的額外支出，將為患者、醫(yī)院帶來治療支出的上升。

以此需求為切入，國內(nèi)AI上市企業(yè)科大訊飛曾開發(fā)了一套口腔科醫(yī)生專用的電子病歷，通過”語音錄入+AI分析”即可書寫電子病歷，有效幫助醫(yī)生提升診療效率。

該AI滿足兩點條件：首先存在廣泛的市場，各大科室都存在語音錄入病歷需求；其次其局限性——嘈雜的錄音環(huán)境影響錄音質(zhì)量——存在被突破的可能，科大訊飛采用了一系列手段縮小局限性帶來的影響，譬如開發(fā)指向性麥克風(fēng)、降噪器等聲音采集優(yōu)化設(shè)備。這是一個正向的AI發(fā)展過程，也是科大訊飛的語音AI能夠迅速落地200多家醫(yī)院的原因。

CT-FFR是另一個存在AI真實需求的例子。CT-FFR為臨床提供了一種新型、無創(chuàng)的功能學(xué)評估手段，是做醫(yī)生僅憑影像不能做的事情，主要目的是幫助醫(yī)生增效，具備創(chuàng)造性的臨床價值。目前，科亞醫(yī)療、數(shù)坤科技、博動醫(yī)療均在此賽道上迅速落地，其中科亞醫(yī)療的AI產(chǎn)品率先獲得了國藥監(jiān)局三類證審批認(rèn)證。

從規(guī)?；涞氐缴虡I(yè)化，AI需要政策助力

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(jī)構(gòu)比公立醫(yī)療機(jī)構(gòu)更樂于采購一些先進(jìn)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。

全國人大代表、科大訊飛董事長劉慶峰在兩會期間提出了8個建議，其中 2個建議均與基層醫(yī)療的賦能有關(guān)，希望迎來自上而下的改革。

具體而言，他希望由國家衛(wèi)健委牽頭，從基層醫(yī)療出發(fā)，依靠AI等科技力量助力傳染病防控。其次，建議科技部和國家衛(wèi)健委加大對醫(yī)學(xué)人工智能的科研支持力度，對已經(jīng)規(guī)?；瘧?yīng)用的“智醫(yī)助理”等人工智能輔助診療技術(shù)進(jìn)行推廣；加速評估、落地智能語音電話機(jī)器人等能夠輔助家庭醫(yī)生工作的AI；加快醫(yī)療人工智能產(chǎn)品的標(biāo)準(zhǔn)體系和認(rèn)證體系建設(shè)，推動AI的規(guī)范化認(rèn)識。

劉慶峰認(rèn)為，“面對我國優(yōu)質(zhì)醫(yī)療資源相對匱乏和基層醫(yī)療服務(wù)能力不足的結(jié)構(gòu)性問題，AI技術(shù)在提高基層醫(yī)療水平、提升醫(yī)療保障的力度等民生領(lǐng)域已經(jīng)取得顯著成效。”換言之，加快推動AI應(yīng)用于我國基層醫(yī)療，不但可以提高基層醫(yī)療服務(wù)能力，還可以起到“防控治未病”的作用，這是AI能給為基層醫(yī)療帶來的未來價值。

這背后，就需要AI幫助基層醫(yī)療提升醫(yī)療質(zhì)量、留住患者、培養(yǎng)年輕醫(yī)生。但由于基層醫(yī)療機(jī)構(gòu)本身缺乏資金實力，正如兩會部分提案中所建議，這樣的升級過程也需要衛(wèi)健委牽頭完成。

寫在最后

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。