雷锋网消息，近日，位于河南洛阳的栾川县人民医院出现了一个医生助手—— VGo 远程会诊机器人，借助现代网络通讯技术与请求会诊的其他医院进行对接。然后通过网络传输、视频对话等方式，开展医学会诊、咨询和医学教育等活动。
远程会诊机器人属于“互联网+医疗”的模式。英特尔医疗与生命科学部亚太区总经理李亚东曾表示，这一模式提高了整个医疗系统运行的效率，比如在挂号、网上轻问诊、在线支付等方面做了很多工作，取得了很多成绩，但是还没有走进院内，没有触及医疗本身。
李亚东指出，医疗健康的需求端急剧上升和供给端的严重不足都驱使人工智能等技术与医疗健康行业的结合。
有数据显示，应用智能辅助诊断系统，可将医生的看片时间平均减少4.25个小时，准确度提高到90%以上，这样，不仅使医生有更多的时间提高自身水平，还能够把医生“还给”患者，让医生有更多的时间对患者解释病情病因。作为“基础薄弱、人才缺失”的基层地区，AI 技术无疑可以为这些地方提高诊断率、分担三甲医院所承担的就诊压力提供巨大的帮助。
但是广大基层医疗机构是否能用得起看似昂贵、技术壁垒强的 AI 技术？本文将论述 AI 在基层医疗落地是不是靠谱，我们采访了医院放射科教授、AI技术创业公司创始人等，从“基层医疗需不需要 AI？”、“基层医疗从业者会不会用 AI？”、“基层医疗用不用的起 AI ？”等方面，探讨“ AI 在基层医疗落地？”这一问题。
在我国，基层医疗机构是医疗体系的末梢神经，而硬件设施、人才缺失则是摆在基层机构面前的一道难题。2014年，全国医疗机构总诊疗人次超过76亿，而基层医疗卫生的诊疗人次从2009年的62%下降到58%。在这样的背景下，国家提倡分级诊疗，而基层首诊是分级诊疗制度的重要基础。
2015年3月，国务院办公厅印发《关于进一步加强乡村医生队伍建设的实施意见》，要求基层医疗卫生机构：社区卫生服务中心（站）3.5万个，乡镇卫生院3.7万个，村卫生室63.8万个，诊所（医务室）20.5万个。每千服务人口不少于1名的标准配备乡村医生。
2015年9月，国务院办公厅下发了分级诊疗制度建设的指导意见，旨在解决医疗资源不平衡问题，其关键在于完善基层医疗建设，多级解决就诊难问题。
理想条件下，一个患者就诊顺序是：通过社区内全科医生诊断，获得初步诊疗，根据病情再向上级医院转诊。事实上基于患者自身原因，大多患者会直接选择“更加靠谱”的上级医院，其中最大的原因是对医生的不信任。
腾迈智医创始人曹继平对此表示，这种不信任源于基层全科医生本身经验，一般大型医院单个医生接诊数量较高，积累了丰富经验；基层医生和一般三甲医院医生接诊数量有限，经验较少。基层医生缺乏诊疗经验，诊疗能力进一步被质疑，分级诊疗更难以落实。
深圳市科恒力电脑软件有限公司总经理车飞沦曾在自己的一篇文章中认为，智能诊疗最大的市场机遇是在基层，辅助基层医生诊疗。三甲医院的知名专家教授拥有精尖的专科技能、仪器设备，因此对于人工智能辅诊的需求并不强烈，可以说是一个“可有可无的点心”。而基层医疗医务人员能力不足，又需要承担大量常见病、多发病、慢性病的病人，因此他们更需要提高诊疗水平和效率的工具。智能诊疗技术创新有助于推动原来需要专家才能做到的诊断、治疗。让基层医生在缺乏高端仪器设备的情况下，也能为患者提供初步的诊治工作。
推想科技 CEO 陈宽在接受雷锋网采访时表示，医疗人工智能产品在基层的产品需求其实是非常强烈的，这些产品可以帮他们降低漏诊率，在基层的联动医联体和三级分诊中起到很大的作用，降低基层医院搭建诊断团队的门槛。基层医院对 AI 产品的依赖度甚至要高于一般的三甲医院。
基层医疗对于 AI 科技公司来说，是一个未开发的“巨大金矿”。但是，这块金矿真有想象中那么好挖？设备条件落后，医生专业知识的匮乏，这些既是人工智能在基层发挥作用的出发点，同时也成了难点。
AI 产品推进到基层医疗过程中存在哪些困难？基层医院在应用 AI 产品时有哪些难点？陈宽从企业的角度表达了自己的观点：基层医疗一方面是渠道比较难覆盖，虽然基层的市场空间非常大，但相应的渠道挑战也更大。第二，基层有很多的 IT 系统都是相对比较欠缺的，这个跟三甲医院不一样， IT 系统欠缺的情况下，怎么样才能做到把 AI 系统对接上去。这是一个比较大的命题，包括我们有一些上线的基层医院可能连基本的设备都没有。医生还是采取一个胶片阅片的方式，这就对 AI 的技术和产品的带来了更大的挑战。
腾讯架构平台部高级工程师颜克洲在做乳腺癌病理图像识别项目，他遇到的数据问题来自于医生的习惯。“我们更需要波片扫描的数据，这个数据非常少，它需要把整个波片全部数字化，但是这个机器现在很多医院没有普及，很多医生也比较抵触使用这样的机器，他们从医学院开始接触到的训练都是使用显微镜。”
除了渠道和医生工作习惯的问题， AI 在落地基层医疗的过程中，还有一个不可避免的因素——数据。
数据中存在大量的冗余数据，如果不处理好，很可能产生数据污染，清华大学教授张勤认为，医疗数据并不是越多越好，数据质量高才行。依靠高精尖仪器设备的技术、手术治疗、价格昂贵新特药等等医学数据源，都是不适合基层医疗的，适宜基层的专家经验、文献资料才是基层智能诊疗系统所需的数据源。
医疗数据对于人工智能而言等同于维系生存和成长的主食，有了数据才能训练人工智能机器，应用转化也需要跟临床数据相对接。对于国内企业而言，获取数据的渠道主要是跟公立三甲医院合作。此时，医院与医院的数据没有实现互联互通就成了主要的绊脚石。
汤衡指出：“中国医院都有私有云，各个私有云都是独立的，数据不共享。现在有一部分数据被互联网挂号平台占据，但数量少，数据质量达不到医疗研发级别。也有企业帮医院做系统对接然后抓取数据，一般是有选择性的抓取，无法获得完整版的数据资源。”
除了数据难题，医疗人工智能开始迈入产业化，但这一领域国内的审批和监管还处于空白阶段。
学术界和院方人士又是怎么看待 AI 在基层医疗中遇到的商业化问题？近期在北京举办的北大医学部影像医学学系的学术年会上，北京大学人民医院放射科原主任杜湘珂教授提出了一个现实性问题—— AI 的盈利和消耗是一个很大的问题，那么医院的投入谁来承担？
车飞沦表示，智能诊疗系统只是软件基础上使用人工智能技术切入医疗的一种工具。软件的边际成本（甚至价格）是接近于零的，所以智能诊疗系统的实际定价不应过高，尤其在基层。让基层医疗机构花费上万元、十几万元买一套系统，这不现实。
就此问题，陈宽在接受雷锋网采访时也表示，企业在现阶段也处在摸索的阶段。 AI 产品从目前来看是比较难从病人的身上去收费的，现在还无法实现，这对我们企业的商业模式也形成了很大的挑战，特别是在医院可能自由资金比较少的情况下怎么样能够收费，这还需要结合政府政策、医院方等各个方面。
AI 诊疗系统在商业模式有待探索。对此，高特佳执行合伙人汤衡认为，现阶段应用层面的医疗人工智能企业商业模式创新已经遭遇瓶颈期，基本依靠筛查服务、分析报告来变现，后期的技术升级、数据积累是否能够带来一些质变还需要验证。
汤衡表示：“未来是根据医疗器械、系统还是其他的方式进行监管还没有定论。国内已经在临床使用的产品基本都是打擦边球，借鉴临床同类项目的收费标准进行定价，也很难开出一个比较高的价格。”
那么，在商业化变现、数据有效性等问题的背景下， AI 怎么才能更好地在基层医疗中站稳脚跟？北京大学公共卫生学院周子君教授在学术会议上曾表示，AI 在基层医学影像中的医疗场景，未来需要一个整体的数据解决方案来解决基层医疗这个问题。乡镇卫生院的拍照水平、医生水平可以通过培训达到要求，但诊断确实是一个问题。未来能不能通过云的解决方案来用基层大数据进行诊断。
从筛查角度，基层是要解决早期发现的问题，如果基层是用 CT 解决的话，从经济学角度来讲，它不是一个成本效益很高的方法。如果用 AI-DR 来解决就很好了，即用低成本来解决，这样就面临了 AI 怎样早期发现的问题。其次，我们不建议在 AI-DR 层面上把假阳性控制很好，其实假阳性可以放得高一点，下一步是用 CT 或者其他方法进行确诊。这样就可以节省大量的社会资本。我们现在有些方法，比如肺癌全人口筛查，乳腺癌全人口筛查，这个费用是非常高的。从经济学角度讲，这是非常不适合做的方法。
如果要用常规的检查，假如基因家族史是高发的，再加上 AI 的诊疗技术，这可能把这个经过的代价拉高，所以，整个社会的成本就降低了，这是 AI 未来从数据的角度来应用的一个方式。这样，分级诊疗就出来了，比如说基层，把所有的医生都培养成像人民医院那种那是不现实的，但假如全国通过 AI 这种方法，再结合专家的诊断，完全可以在很小范围内把13亿人口的健康问题解决了。
首都医科大学教授顾湲从基层教育的角度提出，通过全科医学服务模式的推广和全科医生队伍的速成建设，让包括村医、乡医、城市全科医生和护士、健康管理师等在内的数百万基层医疗卫生服务人员尽快掌握“居民健康守门人”必须的本领，从而展现基层医疗的优势与基础作用。
正在生成分享图...
nebula