医疗领域一直以来都是AI的绝佳落地场景,而当AI+医疗的触角伸向基层,这样的“落地”方式,让技术的“社会价值”更加明显地显露出来。

12月8日,《麻省理工科技评论》(MIT Technology Review)发布报告《AI医疗:亚洲的发展空间、能力和主动健康的未来》(以下简称MIT报告),一系列访谈+研究+实地考察给出了亚洲地区AI医疗的价值和前景分析,其中在中国市场上拿百度AI医疗的成果CDSS(“临床辅助决策系统”)作为重点分析对象。

报告中提到的CDSS,是百度基于自然语言处理、知识图谱等多种AI技术推出的循证医学临床辅助决策系统,从官网资料上看,包含辅助问诊、辅助诊断、治疗方案推荐、医嘱质控等多种功能。

而它当下应用的重心,恰恰主要在基层医疗赋能上。

公开资料显示,CDSS现已落地全国1000多家医疗机构,覆盖18个省市自治区,服务医生数万人,MIT报告中,北京市平谷区的基础医疗借助CDSS的帮助,能够“更好地满足整个行政区域的医疗需求”。

(图片来自《麻省理工科技评论》发布的《AI医疗:亚洲的发展空间、能力和主动健康的未来》)

毫无疑问,光环加身、显得高大上的AI医疗,它最先、最有价值的落地,正发生在基层医疗身上,类似百度AI医疗与基层医疗的融合这样的案例,反映了AI技术在带来社会价值时将更快速得到认可的行业现实。

“基层医疗”与AI天然匹配,社会价值层面策略“稳赢“!

基层医疗问题很多,但总结起来,都离不开这四个——“恰好解决”,每一个都“恰好”可以被AI医疗自带的特性所“解决”:

1、医疗效率上的人才缺口

即医生数量少,数据显示基层医疗的主体地区——农村每千人口医师数为1．8人,仅为城市的45%。

类似百度CDSS这样的AI医疗系统能够通过辅助决策等功能,提升单个医生的能力和效率,在增加人员之外,提供缓解人才缺口的另一种方式。

2、医疗质量上的技术缺口

即不但人少,医疗能力也不足(包括设备设施),国家现在要求基层承担66种常见病的诊疗,客观地说执行率并不算好。

AI医疗介入,提供体系化、智能化的解决方案,例如CDSS可以覆盖4000+常见疾病,背后往往整合了大量权威医学知识来源。这些不说大幅度提升基层医疗的“医术”,至少对于帮助基层医疗实现匹配常需使用的医疗技术有直接价值。

3、医疗责任上的资源缺口

基层医疗与三级医院甚至全国性知名大医院注定只要“治病”不同,它除了承担普通百姓的一些小疾患,未来还更偏向于大众健康管理职责,是医疗“治”之外“防”的重要承载。

在我国慢性病压境(2．6亿慢性病人)、老龄化日益严重时(它们往往都依托基层医疗进行长期诊治),基层医疗是否能够承担起即将到来的巨大责任是存疑的。

而由“治疗”到“保健”转型要求基层医疗有更强的系统化疾病预防与管理能力。

AI带来的数字化、智能化医院管理体系建设,配合CDSS带来的效率和质量持续是解决这个问题的可行方式,只不过AI医疗必须配合更多医疗政策一起作为,这是一个浩大的工程。

4、医疗预期上的信任缺口

2017年中国三级医院以0．23%的占比,承担了总诊疗人次的21%;基层医疗卫生机构以94．5%的占比,仅承担总诊疗人次的54%。

这种剧烈矛盾的背后很大一部分原因是基层医疗无法得到大众认可,正如MIT报告中平谷区卫健委信息中心主任焦军锋所言,百度CDSS部署以后,“越来越多的患者来基层医院看病,而不像以前那样不分病情轻重就径直去大医院”,AI以高准确率、标准化不依赖个人的技术赋能,长期将根本上改变大众对基层医疗的心理预期,纾解三级医院的“拥堵”。

从上述四种“巧合”式的匹配,不难看出,百度AI医疗之所以选择赋能基层医疗,其社会价值不言而喻——科技巨头都在大谈特谈的科技向善,赋能基层医疗无疑是一种直接的实践呈现。

或者说,选择以AI赋能基层医疗,这与资本催熟的AI医疗行业大干快上,卖解决方案、卖服务器求短期变现有本质的不同,在社会价值层面,这种策略选择,某种程度上将产生“四赢”的结局:

社会层面:解决医疗资源少且分配不均衡的痛点;

基层医院/医生层面:提升基层医生诊疗质量和效率,减轻工作负担,增强职业成就感;

患者层面:享受到良好的医疗服务,很多时候不必奔波往返于大型医院;

AI医疗企业:社会责任与企业价值得到统一,例如百度,一方面树立积极的社会形象,另一方面也获得了医疗领域To B合并To G市场的巨大潜力。

面向基层的普惠医疗,AI到底要做什么?

不久前,国家工业信息安全发展研究中心发布《人工智能中国专利技术分析报告》,显示中国人工智能领域的专利申请量呈逐年上升趋势,而上文CDSS的所有者百度以5712件位列中国人工智能专利申请量第一,是去年的2．4倍。

(百度以5712件人工智能专利申请量排名中国第一)

下半年以来,包括IDC《中国AI云服务市场2019年厂商评估报告》在内的多份行业专业报告都在关注AI前沿走势,其中百度行业公认的AI领导者地位被进一步确认。

问题在于,像百度这样的企业,AI越来越强,技术把控也越来越前沿,当它要把AI技术应用到面向基层的普惠医疗这件事上,AI到底要做什么、能做什么?

从行业角度,拆解百度AI医疗案例,至少有四个层面是AI需要注意的,亦可看做挑战所在。

1、从单点突围,到体系化铺设

与基层医院相比,非基层大型医院往往都建立了自己成熟医疗体系,一些医院在信息化、数据化方面也有所动作,所以,后者对AI医疗的需求,在体系化方面并不如基层医疗强烈。

用大白话说,基层医疗环境“几乎什么都缺”,对技术的索求是全面的;而高级别医院虽然也有全面的需求,但它在短期内更渴望单点突破的技术,例如CT影像智能识别解决影像科不堪重负的“看片子”压力。

所以,百度面向基层医疗的赋能,一开始就是体系化的。严格来说,上文MIT报告所重点强调的CDSS只是百度大脑AI技术驱动的AI医疗品牌“灵医智惠”的一个部分,该品牌对外称以“循证AI赋能基层医疗”为愿景,有一整套面向基层医疗的赋能体系。

从公开资料看,灵医智惠以“灵医智惠技术中台“为核心,面向院内院外场景开放15项能力,围绕从临床、科研、到管理、患者服务等领域,提供五类解决方案,具体包括上文提到的CDSS、眼底影像分析系统、医疗大数据解决方案、智能诊前助手以及慢病管理等。

这些解决方案不只是为基层医疗提供全方位的配套服务,那些同样服务于基层医疗的信息化厂商、健康管理运营商、药企等亦是灵医智惠的合作对象,如此,凡是基层医疗需求的,可能都被“包圆了”。

这种体系化能力铺设,既可以看做百度AI医疗主动为之,也某种程度上是基层医疗需求的倒逼。

2、从“理科”看病效率与质量,到“文科”流程协同

医疗AI一直都有两个大的“分支”:

专注医疗效果的“治病”技术,可看作“理科”;关注医疗流程优化、事务性工作简化等的“管理”技术,可看作“文科”。

从基层医疗的全面需求来看,有“理”更有“文”是一种内在必要,医技不足固然是基层医疗众多问题之一,但那些仅仅钻研将AI利用到疾病诊疗的却未深刻理解基层医生需求的AI医疗企业,或许会在“理科”上有所建树,但却很难真正”赋能”这个领域。

仅从百度灵医智惠的CDSS来看,在疾病诊断方面,该系统覆盖了27个科室,超过4000种常见病,基层常见病多发病Top3疾病推荐准确率高达95%。但从平谷区的落地案例来看,更值得关注的是,它于当地上线的辅助问诊、辅助诊断、治疗方案推荐、医嘱质控、相似病历推荐、知识查询等六大模块,无缝融入基层医生的工作流程去,而不是变成额外的负累而不被接受,实实在在地被用了起来,体现了 “文科”方面的AI医疗赋能。

对比起来,媒体“寻找中国创客”曾报道不少AI医疗技术设备(例如肺结节识别服务器)被放在医院科室“吃灰”的现象,说到底还是“理科”没有与“文科”更好地融合,或者说根本就是缺乏“文科”的配套落地。

3、从单纯工作推动的“鱼”,到职业技能提升的“渔”

在平谷区CDSS案例中,医生的工作体验得到大大改善,例如“辅助诊断”模块,可以基于主诉、现病史中提到的症状、疾病,以及体格检查、检验结果推荐相关的疾病、相关症状及体征,按照诊断结果由高到低推断潜在疾病可能性,这都使得医生获得“医技”上的统一加持,诊疗更专业、更放心。

(北京平谷区社区医院应用百度CDSS系统辅助诊疗)

更重要的是,配合治疗方案推荐、医学知识查询等模块,基层医生实现了某种程度上的边学边实践边快速提升自我的效果,例如医学知识查询中提供了9700+疾病知识,3600+典型病例,760+心电图,2600+多维临床决策等知识,反过来相当于持续不断的“培训”。

说到底,所有基层医疗赋能最终都必须“授人以渔”,它代替不了医生,只能不断提升医生的能力和水平。

4、从AI“黑盒”,到医疗“白盒”

随着AI算法的越加“精密”,神经网络的复杂度不断提升,很多时候,算法工程师们都开始无法理解自己设计的AI在计算与输出的结果时究竟是如何“想”的,只是知道这些结果的有效性如何。

这被称作AI黑盒,它是业界默认的事实。

但是,这种默认是建立在输出结果能够承受错误的情况下,大不了再换算法试验,但是,医疗AI事关大众健康,基层医疗往往都是疾病的初筛阶段,且事关大众信心,试错成本过于高昂,AI“黑盒”在这里不应该被接受。

所以,也就不难理解百度灵医智惠将自己定义为“循证AI”了。这个产品后端根据医学知识和医学经验进行深度融合,例如与中山大学中山眼科中心、解放军总医院、盛京医院、北大国际等几十家一流医院专家医生深度合作,与权威医药卫生出版社合作,输入大量医学知识和诊疗方式方法;在前端,则提供给医生治疗方案推荐,或者更匹配病情的医嘱推荐,这中间,灵医智惠能够清晰地给出对应的推断逻辑,让医生有章可循,知道辅助建议的来由,而不是由AI“黑盒”式操作。

这就是“循证”的价值所在,从技术角度看,这样的循证AI能力,主要基于深度NLP、知识图谱等能力,让AI医疗解决方案变成可解释的“白盒”。

基层医疗不应该被看作AI医疗的“垂直领域”

虽然百度AI医疗选择赋能基层医疗作为突破口,但是,这种做法却不能按互联网通常所说的“垂直领域”来解释。

综合上文种种,可以看出,基层医疗的改变推动的是医疗全局的变化,解决医疗结构性失衡就是在解决非基层医疗人满为患的痛点,让所有人都能享受更优质的医疗服务。基层医疗面对的是所有人群,AI赋能基层医疗,就是在服务整个社会健康体系。

2016年我国发布《“健康中国2030”规划纲要》,提出“2030年主要健康指标进入高收入国家行列”的战略目标,2019年,我国出台了《健康中国行动(2019—2030年)》等相关文件,围绕疾病预防和健康促进两大核心,提出将开展15个重大专项行动,“健康中国2030”已经成为国家战略并加速落地。

在此背景下,赋能基层医疗的社会意义进一步凸显,除了百度,更多AI医疗从业者都应该加入进来,这才是实实在在秉持正确价值观又能带来巨大商业潜力的业务领域。举目望去,这样的AI才是在做一件真正推动社会进步的事,脱离单纯的技术概念,塑造广泛的社会价值。

我们能够为医保谈判专家“灵魂砍价”所赞叹,就也应该期待AI医疗在基层医疗领域有更大的作为,毕竟,AI赋能基层医疗与药品价格一样,将成为少数不必增加过多的“医疗投入”就能大大提升医疗健康水平、减轻社会保障压力的行动,未来可期。