行业资讯丨回归医疗本质，解决临床问题——医疗AI如何大规模落地？

3月11日，随着十三届全国人大四次会议的闭幕，全国两会接近尾声。

医疗健康一直是民生之重，强化基层医疗、中医药传承发展、医药创新、加强医保覆盖及商保补充、鼓励扶持医药器械“国产替代”、数字医疗应用等方面是大家关注的重点。

众多医疗相关提案之中，多方对于AI技术的倡导值得一谈。在基层医疗赋能、精准医学研究等领域，这一技术都发挥了至关重要的作用。从目前来看，虽然各家企业都在各类医疗机构寻找人工智能的落地场景，但少有企业能够从“回归医疗本质，解决临床问题”的角度出发，找准这一技术的现实刚需，并实现规模化落地。要解这个问题，我们必须对医疗AI的需求探索、规模化落地与商业化三个阶段进行分析。

探索AI的基层医疗合理性需求

无论是三医联动，还是分级诊疗，政策推动受阻背后的很大原因是因为基层医疗基础设施的缺乏，即薄弱的信息化基础、能力和数量都非常有限的医生资源。两者进一步导致基层医疗不被信任，相关资源闲置，没有发挥应有的作用。

受限于基层医疗的能力，居民生病之后的首选一般不是基层，因为患者不能判断出来他的疾病到底是一个轻症还是重症，尤其是城市中的居民，一个常见的症状，他也要去一个大医院去看病。所以基层的门诊量小，是有闲置的医疗资源的。因此，很多常见症状、常见病本应在基层解决，却去了大医院，让大医院里面的专家看常见病，这是对基层医疗资源的闲置与对大医院优质医疗资源的浪费，是医疗体系中的‘双重浪费’。

在基层医疗之中普及AI可以解决这一问题。具体而言，利用AI的辅助诊断功能（如乐普医疗的AI-ECG技术），基层医疗可以再“造”一个具备全科医疗知识的助手，辅助医生进行诊疗。

截止2021年2月28日，从基层医疗需求入手设计的AI医生助理，已经覆盖全国170+区县的30000余家基层医疗机构应用，服务超过50000名基层医生，惠及5000多万居民，日均提供超40万条辅助诊断建议，累计提供AI辅助诊断超1.2亿次，有效提高了基层的诊疗服务水平，并在行业之中给出了AI规模化落地的典例。

三级医院的需求与基层医疗大不相同，后者要的是规范化与一致化，前者则需要深入理解医学，去解决临床过程中的问题。

以影像领域为例。在整个诊疗流程中，医学影像位于诊断环节，是医生诊断患者的重要手段，也是AI医疗目前较为成熟的一个子领域，AI确实可以提高医生诊断的准确率与效率，但并非‘替代’。

在长时间的阅片过程中，医生可能因为疲劳忽略的一些可能的影像细节，这时，基于算法的AI便能为医生起到查漏补缺的作用，同时提高医生效率；另一方面，由于AI是受算法和数据两个因素影响，因而给定影像，就不会像人一样受环境、状态影响提出不同的判断，换言之，AI拥有极高的一致性。

从上述分析出发，我们可以清晰判断影像AI的使用场景——影像科、临床科室以及业务繁忙的第三方影像中心的确存在应用需求。

满足需求之后，企业需要解决商业化问题。这时，我们便需要讨论得到医院获得服务所需付出的成本，这里需要从三甲医院与基层医疗两个角度回答“为什么要购置AI”这个问题。

以影像AI产品为例，医院需要考虑它能带来的实际价值。如果一套AI产品为医院带来的仅仅是加速医生的工作效率，而并没有为医院带来实际效益，采购的几率就不高。

我们调研发现，私营医疗机构比公立医疗机构更乐于采购一些先进的设备，因为这些设备能够有效为他们降低成本，并提高患者对于医院的印象分。同样地，要让AI产品真正落到医院场景中，就需要找到在临床流程中，AI产品可以帮助哪些环节降本增效。

在医院场景之外，医疗AI的需求可能就不完全是以成本回报来计量。

疫情之后，国家倡导的分级诊疗、构建新一代公共体系在不断加快。作为新基建的一环，国家也在不断加大对医疗AI的投入。AI的可持续发展将来源于对基层医疗场景的赋能，建立一个拥有健康资源分配的医疗体系。

通往成功的路是曲折上升的，AI亦如此。

从1956年至今，AI经历了三次盛夏与两次寒冬。在这个过程中，科学家们逐渐解决了计算能力的限制和各种各样数据的限制，但又重陷与各种限制之中，然后再度突破，往返上升，往返循序。

在上升的过程中，医疗AI仍要保持初心，回归医疗本源，做好需求、落地、成本分析三个方向，才不至于做出存在而无意义的AI产品。

重拾“AI能解决什么样的医疗问题？”这个提问，在医疗领域之中，或许应该修正为“医疗需要AI解决什么问题？”。站对了角度，才有广阔且存在价值的成长空间。