X

智能医疗的三大核心理念:连接、提效、下沉

田丰、杨燕/文自疫情发生以来,直播抗疫、在线问诊、无接触住院、远程诊疗、智能CT阅片等科技成为医疗产业的“新动能”,而在产业模式的创新中必然需要试错和迭代。

自从2014年以来的“互联网+医疗”转型,喜忧参半,5000多家互联网医疗企业阵亡率颇高,幸存的互联网医疗企业正在进化,从“轻问诊”升级为“智服务”,从单点场景突破到纵向产业链延伸。而传统医疗机构也开始纷纷拥抱互联网,双方从竞合关系,如今却相向而行。

不同的是,以机器学习驱动的“智能医疗”在以连接资源驱动的“互联网医疗”基础上更进一步,形成了医疗产业转型升级的长期路径“在线-数据-智能”,人工智能等新兴技术族通过5G这条“数据高速公路”通达产学研资源,成为本次医疗转型的技术动能。

看病难、难看病,到底难在哪?

医疗,攸关生命安全。解决“看病难、难看病”问题,关系中国民生。没有全民健康,就没有全面小康。“看不上病”和“看不起病”问题是全面建成小康社会的突出短板之一,必须加快补齐,为老百姓筑牢健康防线。

看病难,难看病,本质上是医疗资源“供求矛盾”的外在体现,相对老百姓对医疗健康的迫切需求,当前的医疗资源呈现供给不足、分配不均的不利局面。

尤其在新冠疫情期间,突如其来的疫情给整个医疗系统造成极大的压力和冲击,在疫情的“放大镜”下,更是凸显了医疗资源配置的供求失衡。

此外,我国老龄化进程加速,对医疗资源的使用提出了较高的需求。2000年至2018年,中国65岁以上人口数量从1.26亿增加到2.49亿人,老龄人口占比从10.2%上升至17.9%,增长超过同期世界平均水平的两倍,预计到2050年,老龄人口将达到3.29亿人,占比达23.6%。老年人口疾病发生率相对较高,以糖尿病为例,60岁以上老年人的患病率是30岁成人的3倍以上!2017年上海市常驻人口统计,人口占比不到20%的老年人口,门急诊人次占全市总量的52.2%,是医疗资源消耗的主体。

·医疗资源供给不足

2018年,权威医学期刊《柳叶刀》曾发表过一篇报告,从各个维度对全球195个国家和地区的医疗水平进行打分。在全球197个国家和地区中,中国排名90,每一千人仅拥有1.79个医生,日本、新加坡、美国分别为2.41,2.31,和2.59。

与资源稀缺相应的,是医生的高负荷工作。据研究调查,中国有77%的医生曾一周工作超过50个小时,24.6%的医生工作时长曾超过80小时。而过劳所造成的直接问题,就是一线医生没有时间学习充电,进而形成恶性循环,限制了中国整体医疗水平的提升。

“我们差不多要花上25年的时间,才能培养出一位主任医师,如果我要是死了,那就是浪费国家资源。”这是河南省人民医院、国家高级卒中中心主任医师朱良付触动人心的一句感慨,同时也点出我国的医学人才培养也是一个关键性问题。

以最典型的儿科医生为例,目前在执业医师中,儿科医师有11.28万人,占3.9%,而中国儿童总数达到2.26亿,每千名儿童仅有0.53名儿科医师,特别是国家在全面实行二孩政策后,儿科医生的需求将更为迫切。儿科医生培养时间长,资源稀缺的问题,甚至牵动了大国总理,在2016年的政府报告中,国务院总理李克强就指出需要加快培养全科医生,儿科医生的任务。

医疗资源稀缺不仅仅是数量,也是质量和信任。

人的生命/成长只有一次,在医疗、教育等领域都存在同样的现象,即人们对于高质量资源的需求往往更加迫切,选择也更加挑剔,这也在一定程度上加重了资源的稀缺性。这也是为什么中国人在看病就医上会有浓厚的“三甲情节”。

据央视网调查数据显示,全国有87.73%的网友认为,三甲医院集中了优势医疗资源,会更受患者青睐。“在条件允许的情况下,选择最好的医院和医生”是人之常情,“三甲情节”本质上体现了人民群众对健康的向往。

这就涉及到医疗行业另一个重大问题:医疗资源分配不均,优质资源向三级医院集中,基层医疗水平不足以满足人民群众对生命健康需求的提升。

·优质医疗资源分配不均

首先, 优质医生资源向三级医院集中,三级医院及三级以下医院医生等级差别较大。医生的临床职称总体反应了医生的诊疗水平,也是患者判断一个医生水平的重要标准。根据《2015中国互联网医疗发展报告》统计,我国被调查的医院中,三级医院中级以上职称医生人数占到其总数的55.7%;而在非三级医院中,中级以上职称的医生比例仅为19.8%。

其次,优质医疗资源主要分布在一线城市,以北上广为最。据2018年卫健委统计数据,全国医疗机构高达99.7万个,但三甲医院仅有1442家,其中北京55家、广州38家,上海32家,其他数量排名靠前的也主要为省会城市,剩余近300个地级市,大多只有2、3个三甲医院。

连接、提效、下沉

医疗供给不足,基层医疗水平薄弱,是制约当前医疗可持续发展的两大症结。从医疗供给侧出发,结合互联网、人工智能,5G等新兴技术,进而实现医疗资源的“连接”“提效”“下沉”,或成为破解医疗供需失衡问题的方向之一。

·互联网连接了资源

互联网通过“连接”,打破医疗服务的时空边界,提高医疗资源的供给效率。

在时空关系上,表现为医疗服务时间、空间的去边界化。传统医疗服务通常受限于特定时间(医院或诊所营业时间范围)和特定空间(公立或私立医疗机构),而互联网医疗通过“连接”打破了时空边界,对病患而言,可以随时、随地享受在线医疗服务。

尤其是对于小病/常见病/慢性病问诊和寻医求药方面,可以通过在线咨询得到解决,节省了病患就医成本,也一定程度上起到对线下有限医疗资源的分流作用。

得益于互联网信息传输的及时性、线下物流体系的完备性,医疗服务的供给效率得到大幅提高。通过“连接”药品厂商/药店,用户可以在线下单,物流快速送药到家。

互联网医疗在此次疫情中大放异彩。据动脉网不完全统计,在疫情期间,全国超过10家互联网医疗平台,200多家公立医院开展线上诊疗,为患者提供包括新冠肺炎免费咨询、常见病问诊、慢病复诊处方等医事服务;为保证慢病患者不断药,阿里健康、京东健康等医药电商平台联动线下药店和物流行业伙伴,推出多项举措使得患者能够享受线上购药,打通送药“最后一公里”。

在这场没有硝烟的抗疫战场上,互联网作为赋能工具,在保障信息透明、传递防疫知识、协调医疗资源等方面均发挥了重要的作用,极大缓解了“战时”实体医疗机构的供给压力, 避免患者外出就诊,对疫情防控起到关键作用。

由于中国医疗体系长期处于相对封闭的状态,患者习惯于线下诊疗,互联网医疗发展的前半段步履维艰。然而,此次疫情,将困于家中的患者推向了互联网平台,对用户进行了一次整体性的市场教育,推动了互联网医疗的加速前

·人工智能提高了效率

“人工智能已帮助放射科医生解决了两大问题——提高效率、减少漏诊”,青岛西海岸新区人民医院放射科主任王其军如是说。

互联网/物联网,通过“连接”人与人,物与物,人与物/服务,实现物理世界的数字化,而人工智能在此基础上,通过深度学习算法,实现数字世界的智能化。

人工智能以辅助医生的角色定位,从供给侧出发,主要针对三级医院医生,在处理海量、复杂、多维信息工作上,通过“提效减负”的方式,释放系统资源,为公共医疗服务“填充弹药”。

疫情是考验医疗资源抗压极限的试验石。疫情期间,作为新冠肺炎诊治定点医院之一,青岛西海岸新区人民医院每天疑似患者CT检查量可达百例,而医生诊断一名患者需要查看肺部CT图像数量300余张次,如果只靠医生人工读片,做出一个有效诊断往往需要5-10分钟,耗费大量时间与精力,一线医生长时间处于高压和疲劳状态。

通过引入AI辅助肺部CT诊断,能够实现对CT影像的智能化诊断与定量评价,几秒内就能完成定量分析,自动筛查疑似。与此同时,AI在最短时间出具报告,也可避免人员长时间滞留医院,降低交叉感染风险,对疫情防控意义重大。

王其军和团队还借助这套AI辅助诊断系统为患者做早期肺癌筛查,在超过数百幅图像上发现并定位几毫米大小的肺结节病灶,既减少了一些病变的漏诊,又不增加患者等待时间,还节省了费用。

此外,“AI+基因检测”用在肿瘤诊断上,可以辅助患者精准用药,最大程度地节约医疗资源,避免无效治疗或过度治疗,减轻患者痛苦。

中国每年有430万新增肿瘤患者,肿瘤病患与日增多为原本就稀缺的医疗资源带来莫大压力。据至本医疗CEO王凯博士介绍,传统肿瘤治疗基于用药指南,忽视了样本之间的差异性,根据病灶部位“同症同药”,用“以身试药”的方式寻找有效方案,往往治疗效果并不显著,患者在试药期间,极有可能错过了最佳诊疗期。

AI赋能基因检测,通过提高基因测序效率,可以帮助在最短的时间内锁定最佳靶向和免疫用药,做到“对基因下药”,整体诊断效率可提升3倍,避免传统治疗用药带来的副作用,提升患者的生存机率。

除辅助诊断外,人工智能还能对“诊疗愈”全流程赋能,提高临床治疗和康复效率,进一步释放医疗资源。

·5G加速了“下沉”

互联网连接了资源,人工智能提高了效率,而真要要解决医疗“供需”矛盾,还需要在5G的加持下,通过“数字高速公路”的铺设,将被算法“智能化”的专家经验和知识图谱复制输出,让基层医生在远程交互下也能够拥有“三甲级别”的医疗助手,提高基层医疗机构的诊疗水平,为更多的患者在基层医疗层面提供更优质的医疗服务,促进医疗资源下沉。

第三方病理诊疗平台衡道病理的创始人朱大为表示,一张数字病理切片的大小一般为2G-3G,对于基层医院基础设施薄弱,网络带宽只有几兆,上传几张切片需要花费一天时间。而基于5G技术的病理诊断服务网络,将确保异地远程病理诊断的高度实时协同,并进一步提升AI病理辅助诊断的外围技术条件,对于时间极度敏感的“术中快速冰冻诊断”带来全面的服务革新,帮助极大提升基层医院诊断和手术效率,助力国家医改“分级诊疗、精准诊断”的落地。

区域智能+

分级诊疗制度已推行数年,旨在针对医疗供需失衡问题,从制度层面予以治本,以促进医疗可持续发展,保障全民健康。

具体来说,分级诊疗按照疾病的轻、重、缓、急,以及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病,再基于 “基层首诊、双向转诊、急慢分治、上下联动”模式,达到合理配置医疗资源的目的,并通过“医联体”为载体,实现资源在区域级医疗系统中纵向循环。

然而,在实际推进过程中,却存在不小的阻力和困难。

难点一,如何让患者首诊在基层?基层医生能否接得住下转的病患?这本质上是医院和患者之间的信任问题,源头在于基层医疗机构的诊疗水平,是否能够达到满足基本医疗需求的标准。

难点二,医联体内,各级医疗机构之间信息平台不共享,“信息孤岛”大量存在,不利于患者上下转诊。譬如接收医院由于没有患者之前的诊疗记录,不得不重新检查,费时费力。此外,由于“信息孤岛”,系统内上下联动缺少数据参考,也不利于机构间的分工协作。

打通信息孤岛,促进数据共享,以及基本医疗水平的均质化,是解决“分级诊疗制度”推行困难的关键。

在此思路下,建立区域性“智能医联体”,搭建共享数据中心,部署区域型智能医疗平台,通过网络互连、远程交互、数据共享、技术赋能的方式,提高基层医疗水平,进一步促进区域资源内循环,才能保障了分级医疗制度的顺利开展。同时,通过共建平台方式,也避免了诸如服务器、算法平台等基础设施重复搭建造成的资源浪费,可以以较低的成本实现区域内基层医疗机构的全面智能化升级。

(田丰系商汤智能产业研究院院长;杨燕系商汤智能产业研究院 战略生态主任;实习生洪子蓝在本文中亦有贡献)