AI在醫療領域中的應用

黃艷

醫療領域大家經常談論的是醫療資源的緊缺和結構化供需不平衡的問題，這兩個問題應該說現在已經進入了非常嚴峻的地步。我們看幾組數據，中國到2030年60歲以上的老人占比會到1/4，也就是說到那個時候我們每4個中國人中就會有一個60歲以上的老人，今天中國已經進入了老年化的時代，未來超級老年化的時代會即將到來。這將帶來很多的風險，特別是老年人慢性疾病風險對于國家對于人民來說都會是非常非常大的挑戰。

與此相對應的是我們看到供給方是醫生資源不足的問題。在人均醫生資源方面，我們每萬人擁有的醫生數量是18人，人均醫療支出的占比是人均收入的11%，對于我們這樣一個發展中國家來說，這個負擔其實是非常大的。讓醫療的需求和醫療的資源這樣一個矛盾進一步放大的一個重要的因素是醫療資源的結構化的不均衡。我們經常說，在大醫院人滿為患，在基層醫院門可羅雀。從數量上來看，三級醫院占中國所有醫院的總數只有8%，但是他們卻承擔了40%的診療和住院的需求重任，所以三級醫院在超負荷運轉，但是基層醫療資源其實一定程度上是在閑置的。

為了解決這樣一個矛盾，很多年之前國家就已經在開始去推動分級診療的政策，分級診療的目標可以概括起來就是四個詞，基層首診、雙向轉診、急慢分診、上下聯動。這四個詞對基層有非常明確重要核心的定位，第一個定位是疾病是早期篩查，這里包括常見病、慢性病、癌癥的早期篩查。第二是診斷治療特別是常見病和常見癥狀的診斷治療。第三是慢性病的長期管理。可以說在整個分級診療的體系里面，基層是其中最重要最核心的環節，只有基層問題解決了，才能夠真正的去實現分級診療這樣一個大的體系、大的政策。但是今天我們看中國的基層醫療它的現狀是非常不容樂觀的，存在醫生的能力和經驗不足的問題，藥品目錄匱乏問題、醫療器械不足的問題，這是一個系統性難題。

如果我們看醫生的數量，在城市里面每一千個居民擁有的醫生數量是4，但是在農村里這個數量卻不到2。我們看專業訓練的角度，在等級醫院里面，獲得了本科以上學位的醫生的占比是70%，但是我們看基層社區衛生服務中心、鄉鎮衛生院這樣的比例，獲得本科學位醫生的比例不到15%。所以說，如果說基層醫生不強的話，基層的醫療肯定不強，基層的醫療如果不強的話，患者就不會愿意去基層醫院獲得就診服務。我們說分級診療就非常非常難實現。

政策推動基層醫療

我們看到其實很多政策都已經在推動這件事情往前發展了，以《健康中國2030》為核心的政策體系，在從各個方面推動基層醫療的改革和基層醫療能力的提升，包括有保障基層醫生的收入、加強他們核心能力的培養、擴大技要的范疇以及提升基層醫保比例、規模化投入基層醫療建設、醫療器械以及建設家庭醫生管理體系來管理居民的慢性疾病。政策是一方面，是一個很重要的核心驅動力，但是通過技術的力量原生性的驅動這個行業的發展也是不可或缺的，比如說互聯網的技術，它能夠帶來上下級醫院之間的互聯互通，同時也能夠幫助連接需求和供給，也就是病人和醫生。人工智能和大數據的技術因為它們可以深入影響到醫療的核心環節、核心領域，所以其實具有更顛覆性的價值。比如說這些技術可以幫助推動基層醫療臨床路徑的標準化、規范化，從而顯著的提升基層醫療的能力和質量，這些技術我們相信會給基層醫療帶來巨大的不可逆轉的改變。

在技術的支撐下面，基層的醫療的篩、診、管這三個方面都會迎來很大的變化和提升。第一是篩，篩方面比如眼底疾病、癌癥疾病的早期篩查，這些都可以幫助輔助醫生讓更多患者獲得更優質的早期篩查服務。診的方面輔助問診、輔助診斷、輔助治療、用藥診斷這樣的技術，可以讓基層醫生在臨床上標準化、規范化。管的方面通過智能監測、用藥提醒這些服務，可以幫助家庭醫生更加便捷、更加智能化的為患者提供足不出戶的疾病管理服務。

在這樣的生態里面患者的需求會被看中，我們也相信這會促成整個醫療生態的脫胎換骨的變革和升級。

百度助力基層醫療

百度是全球領先的人工智能公司，百度大腦是百度過去十年左右的人工智能技術的積累和實際應用、實際實踐的一個集大成，包括了計算機視覺、語音、自然語言處理、知識圖譜、深度學習等綜合的AI能力。

百度也憑借著AI技術成為史上首個連續入選MIT Technology? Review十大技術榜單的公司。基于百度大腦的技術能力以及剛剛提及的醫療的實際需求，我們研發了智能眼底篩查系統。基層的臨床輔助決策系統、以及智能家醫管理三大平臺和體系，可以幫助基層醫療的篩、診、管這樣的一個全流程。

首先我們看篩，篩是醫療的第一道防線，現在中國有很多政策都在圍繞著基層的早篩在提出一些要求，但是基層的篩查服務其實遠遠跟不上這些政策的要求以及居民的需求。我們以眼底篩查為例，40歲以上的人群是眼底疾病的高風險的患病人群，大部分的眼底疾病其實都可以通過眼底早篩的服務及時發現治療，降低致盲率，在中國有很少這樣的眼底疾病人口呢？有6.6億，但是中國的專業眼科醫生只有3.6萬人。我們以河北省為例，在河北有超過4千萬的眼底疾病風險人口，但是河北全省的專業眼科醫生只有2000人，也就是說在河北每一名專業的眼科醫生需要服務兩萬的眼底疾病人口，服務缺口是非常大的。政策其實在大力的引導，但是篩查服務的能力現在還是不足的，這正是人工智能的技術可以輔助到、可以幫助到的地方。

針對這樣一個基層眼底早篩的需求，我們研發了智能眼底篩查系統，我們這個系統也是通過學習大量的來自于三甲醫院，有頂級專家標注的眼底影像數據為基礎，具備了多眼底疾病的篩查能力包括糖尿病、視網膜病變等等這樣主要的疾病，系統的準確率突破了專家的能力，同時它速度很快，10秒鐘就能夠給出這樣的篩查結果，對于患者來說非常非常的高效。同時也需要考慮到基層醫院的網絡條件、設備條件有限，所以這套系統的運行它并不要求具備聯網能力，而且可以在多種品牌、多種型號的眼底相機上面配套使用。這套系統目前我們正在國內的多個基層區域在開展科研的試點，比如以廣東肇慶地區為例，目前在服務廣東肇慶的17家基層醫療機構，目前為止篩查了7768名的風險人口，并且幫助其中1136名的患者，及早的發現了他們的眼底疾病和致盲風險，獲得了醫生和患者很好的評價。

剛剛是篩，篩之后就是診，診其實是整個醫療的整體流程里面最最核心的一個環節，基層醫生的能力在診方面的能力是需要非常細致、全面的方案，從問診到病情的評估到檢查檢驗，再到處方，各個環節都會存在錯誤判斷的可能性，因此我們方案也需要融合到整個流程里面去輔助醫生降低錯誤的可能性。比如說在問診環節，我們要幫助去規范問診的流程，減少漏問診的情況。在診斷的環節，需要根據主訴等信息判斷疾病，降低漏診和誤診。在檢查檢驗環節推進相關的方案，幫助醫生能夠更準確、更快的定位疾病。在處方環節確保用藥檢查的安全性和合理性。這樣一個方案做到了三方面，深、全、易。深是指和醫生的診療流程深度的融合，從問診診斷一直到治療方案的推薦，我們會基于權威的醫學知識以及科學的AI決策模型為醫生提供實時的建議和指導。全是指病種覆蓋很全，我們目前覆蓋了大概四千多種的常見疾病，能夠最大限度的降低漏診和誤診的情況。易是指容易掌握和使用，我們系統會和醫院的信息化系統、電子病歷系統進行深度的打通，無縫融入醫生今天使用的日常診療流程里面，好上手易學習。

AI對醫療診中核心能力的提升

下面我想針對診中幾個核心能力稍作展開。

首先是輔助問診的能力。輔助問診這個功能主要的目的是幫助醫生對于患者的主訴和現病史進行搜集，提升整體問診的質量，這樣的功能表現在三方面：1、問診的標準化。如果患者主要癥狀是咳嗽，系統就會提示醫生對于咳嗽的頻率相關的問題，幫助醫生更好的了解患者的病情。2、問診全面化。系統指導醫生詢問咳嗽的誘因，詢問患者飲食情況，幫助醫生了解更多的情況，縮小目標疾病的范圍。3、問診的效率化。我們可以將問診過程產生的信息自動的生成專業的電子病歷文書，一鍵可以自動生成電子病歷，減輕醫生手動輸入電子病歷的負擔，在提高問診效率的同時，也會保證病歷書寫質量。

第二個功能是輔助診斷。輔助診斷的目的是為了降低誤診和漏診率，結合患者的主訴及詳細的現病史，系統會主動提示疑似的潛在疾病以及疾病的疑似程度，針對基層常見的300種疾病有針對性的進行重點的優化，TOP3疾病的推薦準確率可以達到95%，同時依托知識圖譜技術我們進行輔助和推薦的同時，也會給出系統判斷的醫學依據和醫學邏輯，讓醫生不僅是看到其然，同時也可以看到其所以然。

第三個功能是治療方案的推薦。這個功能的目的是結合所在醫院的藥品和行醫的習慣，去推薦合理的治療方案或者提示治療方案中可能存在的一些潛在的風險。比如說，其中有一個重要的能力是合理用藥的能力，我們可以把它想象成為是一個智能的藥劑師或者說數字的藥劑師，為醫生提示潛在的配伍禁忌和過敏反應這樣的風險。又比如，系統也可以針對醫生開出的檢驗檢查項目進行風險判斷和提示。舉一個具體的例子，潰瘍性結腸炎的患者如果他接受鋇餐的檢查的話，鋇餐會引發中毒性的巨結腸，如果有個患者初步診斷是潰瘍性結腸炎，醫生又開了倍餐檢查的話，我們系統就會提示有這樣的沖突風險。

目前為止，我們的臨床輔助決策系統已經在全國16個省市自治區得以應用，正在服務500多家的醫療機構數萬名的醫生。以北京市平谷區為例，平谷有46萬人口，當地居民主要的醫療需求是依賴于當地主要醫療機構。今年年初開始，我們和北京市平谷區衛健委展開深度的合作，將臨床輔助決策系統應用到當地18家社區衛生服務中心。，平谷衛健委信息科焦主任告訴我們，我們的合作開展大半年以來，平谷的基層醫生對于診療更加有信心了，患者也更能夠信任當地的基層醫院，越來越多患者可以來當地社區中心就診，醫生也有機會接觸更多患者，進一步地豐富醫生本身的醫療經驗和能力。焦主任這樣一個贊許正是我們研發這套產品的初衷和目標所在，我們希望能夠通過幫助提升基層醫生的能力和基層醫療的水平，讓基層做好人民健康的守門人。

診和篩之后是管。為了解決管的問題，我們打造了智能家庭醫生管理平臺。家庭醫生今天面臨的問題是非常嚴峻的，中國有很多基層醫生在承擔家庭醫生工位的職能，他們疲于簽約但是無力履約，他們缺乏數據、工具甚至缺乏能力，使得他們沒有辦法真正的承擔應該承擔的患者的健康管理和慢性疾病管理的這樣一個重要的職責。為了這樣一個目的，我們打造了智能家庭醫生管理的平臺和體系。這是一個以患者為中心的慢性病的管理體系和平臺，它可以自動連接、采集和分析患者的血糖、血壓等體征數據，自動分析提示異常風險并且通知家庭醫生。它具有專業的臨床路徑，臨床的管理路徑，可以幫助醫生進行個性化的調藥，即有自動的用藥提醒功能，也有自動的隨訪功能。它依托百度的小度在家智能音箱的載體，在患者的客廳或者床前可以和患者進行語音交互，它可以讓患者隨時可以和他的家庭醫生進行視頻通話和咨詢。這樣的平臺我們認為它的意義非常重大，對于家庭醫生能夠真正的幫助到他們高效、有效、高質量的管理患者的慢性疾病，而對于患者來說，他們足不出戶就可以享受到專業的慢病管理服務，每個患者都能夠真正的擁有自己的家庭醫生。

在整個分級診療和強基層的大背景下，我們相信我們在做的這些嘗試，未來都會成長成為參天大樹。但是在這個過程中，傳統的醫療和人工智能技術的結合其實是兩個不同世界的結合，是兩種理念的結合，是傳統和創新的結合，這個過程本來就是非常艱難的，再加上醫療是這么一個關乎民生的行業，它的過程是非常坎坷的。比如說我們需要解決非常非常多的挑戰，包括AI的定位問題，比如AI的結果如何能夠被相信，如何能夠讓結果變成可解釋？醫療數據的安全問題也是重中之重。AI的產品和應用怎么去融入到醫生今天的服務流程里面，AI怎么能夠獲得不管是醫療服務人員還是患者的廣大信任的問題，這些問題都需要一個一個的被解決、被攻克，這樣我們才能夠真正的看到AI和醫療相結合的一個很好的未來。

我們堅信AI和醫療的未來，AI和醫療的結合必將在基層醫療體系的演進和強化過程中起到至關重要的作用，百度也愿意傾AI之力助力基層醫療的健康發展。

（本文根據中國國際數字經濟博覽會速記整理，內容未經本人確認）