今年55岁的方必勇，是贵州龙里县一个村子的乡村医生。
三十多年前，他考入黔南卫生学校“农村医学”专业，成为村子自解放以来的第一个科班生。光景最好时，他用了十五年时间做到了乡镇卫生院院长，又用了十五年时间回到乡村卫生室，背起药箱，走乡串寨，成了方圆五十里有名的村医。
“乡镇医院里不差一个我，但是村里就差这样一个我。”这是方必勇选择留在村里的理由。
如今，像方必勇一样的基层村医，龙里全县有240余名。在这个常住人口近24万人的小县城，几乎每一个村医要管理1000人，才能撑得起基层医疗卫生事业。他们属于医疗诊疗环节的“末梢”，行走在当地县城的“毛细血管”。
作为乡村医生，日常工作主要分为两块，一块是公共卫生服务，主要是定期随访四大慢病人群，建立健康档案以及给村民打预防针；另一块是基本诊疗，打针开药或向上转诊。
过去，方必勇用得最多的诊断工具就是“老三样”——血压计、听诊器、体温计。但基础设施的落后严重限制诊断准确度，一旦用药不准或过量，不仅耽误病情，情况严重的甚至还会酿成医疗事故。
“背上一个坏名声，村民以后就不愿意来了。”连方必勇这样经验老道的村医，依然害怕出问题。
实际上，这也是导致我国医疗卫生服务长期失衡的重要原因。
据全国第三次卫生服务调查显示，目前，我国80%的医疗卫生资源集中在城市，其中80%又集中在大中型医院，“小病买点药，大病奔三甲”，成为多数患者的真实就医写照。
因此，如何让村民放心在基层首诊，按需转诊，成为全国各地乡村卫生室的当务之急。
“基层村医要多扛一点，技术水平提高一点、服务能力完善一点”，这是龙里县医共体总院执行院长邓威经常说的一句话。在他看来，只有从源头做好分诊的“分”，才能保证分诊的“诊”，要善于将远程诊疗，AI导辅诊等先进医疗技术引进基层，才能一步步推动新型医疗服务体系建立，真正走出一条可复制的医改之路。
很多人不知道，在扶持基层医疗首诊上，腾讯医疗AI早在六年前就提前布局。
“区域医疗发展的最大问题是什么？大医院一号难求，小医院门可罗雀，大病小病都跑大医院。”
邓威院长对这一现象深有感触。他原来是龙里县人民医院普外科主任，对于普外科这样的大型科室来说，收治病种繁多，急诊量大，手术多且复杂，工作超负荷是常有的事。但最难的问题是，一旦急重症患者错过“黄金就诊时间”，后果往往是不治身亡。
龙里县医共体总院执行院长邓威，走访乡村卫生室
邓威拿龙里县举例，龙里县超1500平方公里，下辖5镇81村，优先采用“就近就诊”才是最优策略。
然而，现实是目前龙里当地基层医生普遍存在学历低，大部分都是专科毕业，很少一部分通过继续教育拿到本科证书，存在技术水平不高、服务能力较差等问题，导致他们面对接诊时遇到的棘手情况，不会看病，很难与上级医院做好配合。
长期以来，我国针对基层医生能力提升制定了各种办法，比如专家下乡帮扶，基层村医外出进修。但多年来临床一线的工作经历，让邓威看到了不少问题。
“本身县级医院人手就不足，专家下派后各科室日常运作可能就出现问题，且不说医生下乡会不会‘打酱油’，光是医疗技术提升本身就是一个长期过程，专家撤回后，基层医生马上又回到原点。同样，基层村医每季度例行外出学习，基层卫生所就要关停，老百姓就诊就出了问题。”
此外，邓威指出，过去医院也想过通过远程连线的方式帮扶基层医生，但设备大都固定在会议室，每次会诊都要花费大量精力统筹上下级医疗机构的医患时间，最终这批远程设备大都沦为了医院的开会工具。
因此，对于基层卫生室而言，一个尴尬处境是门诊医生全科技能不到位，被动输送仅有的病源，又不能跳出基药的用药桎梏，更无专科特长门诊。因此，不少人称：“现在的基层卫生室只具备公卫的功能，日常只做着测测血压、刷医保、配慢病药的‘搬砖’业务而已。”
2015年9月，随着国务院办公厅印发《关于推进分级诊疗制度建设的指导意见》，“基层首诊、双向转诊、急慢分治、上下联动”的十六字方针正式出台，释放加快建设各地分级诊疗制度的信号。
邓威表示，国家政策送来及时雨，一扫龙里县过去束手束脚的医改作风。
“从这以后，我们县医院和县委县政府，一直在构思如何构建一个可持续的医疗协同体系。更确切来说，基层首诊是分级诊疗的发展基础，要让患者对分级诊疗‘买单’，关键是要让优质的医疗资源在基层得到共享，让基层医院的实力‘硬’起来。”
实际上，这也是AI等新技术下沉龙里的重要契机。
2015年开始，针对龙里当地特点，腾讯与合作伙伴中迈医疗开始构思软硬件支持，率先在龙里各级医疗机构进行试点，目标是建成覆盖省、州、县、镇、村五级医疗机构的远程医疗服务体系。
值得一提的是，自2021年7月龙里县启动“医共体”建设以来，县人民医院、县中医院、县妇幼保健院以及 14 家乡镇卫生院、1家社区卫生服务中心实施“集团化办医”，近一步推动了各级医疗机构资源互通，为腾讯在龙里全县推进AI导辅诊平台吹来东风。
透过一个例子看AI在村医手中的用法。68岁男性，自诉有高血压，初次就诊，AI代入专科医生的视角，会这样辅助村医来问诊：
首先，会追问患者高血压的时间信息，包括出现多久、是首次出现还是复发，并追问相对客观的指标，比如血压的具体数值（收缩压/舒张压）；
接着，追问相关诱因、伴随症状，比如AI还单独追问了“是否有粉红色泡沫痰”，“是否出现右上腹疼痛”。为什么会提这么具体的问题？实际上，这是患者有无心力衰竭的高危预警症状，AI试图一一排查。
最后，采集过敏史、既往史、个人史、检验检查等情况，全面评估患者情况，自动生成结构化的电子病历。
对于不常见的症状，或者没有把握的诊断，村医们习惯先找手机里的AI问一问。他们大致能感受到AI给出的参考是有条不紊的，但AI背后的知识库可能远超出他们的想象：
AI导辅诊技术背后的医学图谱，涵盖了近100万医学术语节点，以及近400万条医学关系链，为基层医生搭建了一个包含疾病知识、治疗方案、临床路径、用药规则等海量知识的“医学百科”。目前，AI导辅诊系统能够精准预测272种基层常见病，鉴别诊断超过3000种疾病，远超出国家卫健委要求基层乡镇卫生院开展诊治的66种基本病种。
同时，为了让AI更懂患者的口语化主诉表达，系统还用自然语言处理技术，学习海量的标准化医学文献，以及经过高年资医生标注的临床病历，形成具有数十亿参数的医学AI大模型，辅助基层医生更规范、全面地了解患者病情。
此外，以电子病历为基础，通过数字医疗协作系统“一键拨通”县级医院对口科室，就可第一时间获得上级专家一对一指导，为患者进行病情研判和精准诊疗，快速提升基层医生诊疗操作能力。
作为亲身使用者，方必勇在用了五个月后，已经能够熟练在移动大屏和手机上操作这一工具，每周都能与龙里县第一人民医院心内科的田医生连线交流。他直观感受到，“现在是AI和上级医生带着我一起学习，每次远程会诊就是一次示教，专家在线做信任背书。乡亲们知道不出村就能挂上专家号，就诊人数也变多了。”
龙里县团结村村医温园红，使用AI问诊后一键拨通上级医院
一组数据显示：距离龙里县二十多公里外的草原卫生院，2020年门诊量是8900多人次，自从接入AI导辅诊系统+远程会诊系统后，2021年全年门诊量提升2倍，达到了19000多人次。
与此同时，龙里各级医疗机构的差异化门诊报销比例，即省医门诊全自费，县医院为45%，乡镇卫生院为55%，进一步推动“大病不出县、常见病不出镇、小病不出村、康复回乡镇”的基层医改目标落到实处。
“有些东西我们其实几年前就在做了，之所以这个时间点发布，是因为还是希望能有一些真正的成绩拿出来。这个需要时间的打磨，还需要有落地的印证。”
在2022年底的腾讯数字生态大会上，腾讯健康副总裁吴文达曾指出，腾讯的产品发布原则，不能够停留在纯PPT、讲概念的层面，必须有真正的产品操作页面拿出来，而且是已经开发完了，也实际验证过了，才会对外做展示。
事实上，从腾讯2018年6月正式开放旗下首款AI+医疗产品“腾讯觅影”的AI导辅诊引擎，已经走过五年时间。
这一过程中，如何实现导辅诊技术把传统的“人找服务”转变成“服务找人”，从住院、门诊和互联网就医场景中，把每一个就医步骤全部按时间顺序推送给患者，让患者能够平滑地完成整个就医过程，需要腾讯与医院和医疗信息化厂商打好配合，也需要提前练好内功。
腾讯AI导辅诊产品负责人赵静，最早负责QQ空间的对话交互，2018年以来转向医疗产品开发，她对雷峰网表示，早在2017年，腾讯AI导辅诊产品就开始做底层技术积累，将医疗AI、自然语言处理（NLP）、医学知识图谱等技术一体化，核心思路是通过NLP的技术研究医学文本，辅助医生诊断。
她形容道，“这个过程需要时间的积累，好比一个医学小白成长为独当一面的医学专家，需要经历熟读医学书籍的积累期，临床实习的诊断技能提升期，以及大量临床实践的执业期。与人类医生的学习路径相似，AI导辅诊也要遵循由浅入深的学习过程。”
首先，运用自然语言处理和深度学习等AI技术，学习、理解和归纳权威医学书籍文献、诊疗指南和病历等医疗信息，自动构建出一张“医学知识图谱”；
其次，基于病历检索推理和知识图谱推理知识，建立诊断模型；
最后，在人类医学专家的校验下，优化诊断模型。
因此，我们能看到，腾讯AILab、天衍实验室、优图实验室、等腾讯公司内部的AI实验室多次联手研发，贾佳亚、姚建华、郑冶枫等世界级科学家牵头项目，提供算法支持并参与模型开发工作。国内顶级医学专家，学科带头人，如宫颈癌方向侨友林、眼科方向王宁利、消化道方向李兆申等担任具体项目顾问，长期指导不同病种研究方向。
在第二十届中国计算语言学大会（CCL2021）的“智能化医疗诊断赛道”，腾讯天衍实验室团队提交的方案凭借较高的疾病预测准确率和症状召回率，成功获得该赛道第一名。此外，面向医疗大数据、自然语言理解、医疗影像等方向，多篇论文曾被自然语言处理领域的顶级会议ACL和人工智能领域顶级会议IJCAI接收。
近年来，在互联网技术和政策、疫情等大环境的推动下，在线问诊需求正高速增长，对自然语言处理技术在该领域的研究成果和应用落地也越来越多。但医疗行业有其特殊性，涉及到数据隐私、数据安全、数据伦理等诸多问题，一直被视为战略高地。
正如吴文达曾说过的一番话，“通过小型科研用AI的方式，监测某一个患者的并发症，这个不难实现。但如果要批量大规模做这个事，真正在医疗上面应用到AI，离不开数据质量的规范化。”
但事实情况却是，数据一直被各家视为“护城河”，作为稀缺资源并未广泛流通，零散分散在医疗机构的各种信息化系统中。
因此，腾讯AI导辅诊产品在落地过程中，坚持与已然打入医院内部的医疗信息化（HIS）厂商合作的核心目的，就是能力互补一一腾讯更专注于核心的AI算法，更多开放的是能力，医疗信息化厂商更懂医院、医生及医疗，这样的合作能加速技术在医院场景中产品化落地的进程。
直观数据显示，2018年AI导辅诊引擎发布当天，腾讯分别与智业软件、山东顺能、广州海鹚、金蝶医疗、健康160等医疗信息化厂商及其合作医疗机构签署了战略合作协议，上述五家医疗信息化厂商服务的医疗机构近千家，由此奠定了如今腾讯AI导辅诊的千院规模。
“这样的合作模式非常符合我们互联网公司‘小步快跑、快速迭代’的风格。”赵静表示，“产品一经推出就会上线，在线上做反复的迭代升级，我们也会亲自实地调研，盯医生用后的反应，也会邀请部分医生参与到优化过程中。”
从最早挤入一线大三甲，到如今辐射偏远基层卫生室，两项工作的难度不尽相同。
但经历过三年疫情大考，武汉战疫、上海战疫以及乡村战疫等，极限形势下的医疗AI落地方案不断更新，“比如各省份的问题需求，我们内部的研发配合，各地区的政策力度，HIS厂商的区域服务能力，能让我们积累具体场景下的软硬件耦合经验和部署实践。”赵静说到。
据了解，龙里县的数字化分级诊疗体系搭建，医院合作技术成本从5000万级别降至10万级别，每年可为群众节约就医成本370万元。这也意味着，腾讯AI导辅诊下沉龙里，跨越地域与资源的界限，正在带来一场深刻的医疗变革。
近期，随着ChatGPT上线火爆全球后，各个行业都开始高度关注到科技变革的力量。
据IDC统计，到2025年AI应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一，中国已经迎来医疗AI的风口。
今年3月22日，腾讯在发布的《2022年第四季度及全年财报》中透露，正大力投入AI与云基础设施建设，将AI能力应用到工业质检、智能制造等产业场景，以及医疗、助老、生物多样性保护、农业等多个社会领域。
间隔一周后，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生对外简单透露，“腾讯正在研发类ChatGPT聊天机器人。”对于腾讯的聊天机器人是集成到QQ、微信，还是通过腾讯云向B端用户服务，汤道生回答三个字：“都会有。”
在3月国内大厂集体进入AI大模型“军备竞赛”的时刻，腾讯高层的表态，似乎有意在这一波浪潮中引而不发。
值得注意的是，早在2022年4月，腾讯曾首次披露“混元”AI大模型刷榜夺冠消息，当年12月，腾讯正式推出国内首个低成本、可落地的万亿参数“中文NLP大模型”——混元NLP大模型，并已悄悄嵌入腾讯广告、腾讯搜索等多个核心业务场景。
接连动作，已经明确腾讯加码NLP赛道的野心。而混元NLP大模型如何进入医疗场景，成为腾讯的一道重要命题。
但毫无疑问，AI导辅诊是NLP大模型发挥价值的热门赛道。这有很大的想象空间。
首先，重点研究因果推理，疾病预测将实现可解释。
过去的NLP系统更像一个黑盒，只能输出结果，很难解释为什么是这个结果。但如今ChatGPT等大模型在这方面有了不错的提升。比如让ChatGPT去解一道数学题，它既能告诉你答案，还能分步骤解释解题思路。
ChatGPT解题思路
“因此，推理逻辑是GPT等大模型的最大升级。”
赵静说到，“如果这一技术放在辅助诊疗、疾病预测场景下，不仅能够自动对话梳理患者病史，比如发病时间、伴随症状、首发复发、体检指标、相关诱因以及过敏史，既往史，家庭史等，快速出具预测结果；同时，还可以展示相似病人病历，依据病理给出判断理由。”
今年2月23日，中共中央办公厅、国务院办公厅印发了《关于进一步深化改革促进乡村医疗卫生体系健康发展的意见》，明确提到一点：要逐步促进村医执业医师化，到2025年，乡村医生中具备执业（助理）医师资格人员比例提高到45%左右。
以龙里为例，目前基层乡镇卫生室已经建立远程会诊体系，未来除了不定期的远程带教和远程查房外，基层医生还可会通过AI导辅诊工具补齐知识短板。从县域医疗发展的整体出发，这种模式也将促进“输血式”的远程“拉帮带”，升级为自驱式的“造血式”常态化学习，从而进一步提高基层医护人员的医疗服务能力，有效推动县域优质医疗资源的扩容和下沉。
其次，发挥AI大模型强大的整合信息和语言组织能力，能提高智能预问诊、院外随访“人味儿”。
“它可以读取就医场景所有的医疗政策，就诊流程手册，基于这些内容提供相应的服务引导，具体到科室，路线等，这是更加人性化的交互，可以做到比你更了解医院场景，甚至在提供服务时比现有的智能客服更有温度。”
与此同时，赵静指出，要实现这些功能还有不少难点。
在准入门槛方面，算力壁垒决定训练成本高，目前国内只有几个大厂具备能力布局大模型。而OpenAI逐步放弃开源，极大增加了国内科技企业的复现难度。头部厂商能否支撑训练及推理环节的算力需求，还需要考虑资金充足程度与公司战略。
在数据方面，如何获取高质量的数据，利用医疗数据训练完成后，模型准确性或可适用度到底有多高，还值得论证。互联网词汇存在负面信息，单纯凭借学习能力无法清除这些训练数据，因此，具体标注技术细节、对标注员的培训等仍需要国内科技企业探索。
在人机交互方面，如今大多数ChatGPT的生成过程包含随机性，让它看起来更不受控制，或者生成虚假回答。但医学领域强调客观、准确、及时，如何在医学这一严肃的垂类领域做出好的交互工具是个不小的挑战。
如今，由ChatGPT引发的AI热潮，已经行进到炉火纯青的关键阶段，再立浪潮之巅，赵静和团队都有不少感触，“或许我们不是颠覆者，但我们一直在做难而正确的事。”
雷峰网(公众号：雷峰网)
正在生成分享图...
nebula