圖片來(lái)源@Unsplash

文｜鈦資本研究院

中國(guó)的醫(yī)療人工智能進(jìn)入了價(jià)值驗(yàn)證的階段，市場(chǎng)開(kāi)始向醫(yī)療人工智能企業(yè)要結(jié)果。怎么得到這個(gè)結(jié)果，如何落地是擺在企業(yè)面前很關(guān)鍵的問(wèn)題?？深A(yù)見(jiàn)，該賽道都在重新做調(diào)整或洗牌。

訊飛醫(yī)療是科大訊飛孵化的獨(dú)立子公司。過(guò)去三年，訊飛醫(yī)療在醫(yī)療人工智能領(lǐng)域的很多賽道進(jìn)行了嘗試，找到了一些值得深耕的方向，同時(shí)聚合了一些被驗(yàn)證為現(xiàn)在還不能作為商業(yè)化探索的方向，包括語(yǔ)音電子病歷、醫(yī)學(xué)影像、全科輔診等。

目前訊飛醫(yī)療已經(jīng)開(kāi)始把重心從四面開(kāi)花逐漸向基層醫(yī)療進(jìn)行聚焦，訊飛醫(yī)療副總裁劉洋在鈦資本新一代企業(yè)級(jí)科技投資人投研社第26期，分享了在這個(gè)過(guò)程中的一些思考。

基層醫(yī)療健康服務(wù)的現(xiàn)狀

基層醫(yī)療目前主要承擔(dān)著兩類(lèi)工作，一類(lèi)是基本診療服務(wù)，一類(lèi)是基本公共衛(wèi)生服務(wù)。

先看基本診療服務(wù)。根據(jù)國(guó)家發(fā)布的衛(wèi)生統(tǒng)計(jì)公報(bào)，2018年中國(guó)整體的醫(yī)療費(fèi)用上漲了10%，均次門(mén)診費(fèi)用、人均住院費(fèi)用都在上漲，其中基層的均次門(mén)診費(fèi)（不管是社區(qū)還是鄉(xiāng)鎮(zhèn)）相比平均漲幅大幅偏高。目前基層在醫(yī)療費(fèi)用的實(shí)際增長(zhǎng)上，從門(mén)診層面看有新的增長(zhǎng)空間。

但有一個(gè)奇怪的現(xiàn)象。從2013年到2017年，雖然國(guó)家一直在大力推進(jìn)分級(jí)診療，總診療人次也在逐年增長(zhǎng)，但基層診療比例卻在逐年下降。是什么原因造成的這種現(xiàn)象呢？

一是在過(guò)去的五年里，國(guó)家投入了大量的設(shè)備、人才和資金在縣域公立醫(yī)院的改革上，所以縣級(jí)醫(yī)院服務(wù)能力有比較強(qiáng)的增長(zhǎng)，引流了鄉(xiāng)村兩級(jí)的診療；

二是在于實(shí)際就診習(xí)慣，基層居民在鄉(xiāng)鎮(zhèn)衛(wèi)生院或社區(qū)衛(wèi)生服務(wù)中心看完病后，如果沒(méi)有解決問(wèn)題，大概率會(huì)到縣醫(yī)院或省醫(yī)院進(jìn)行就診，這也一定程度上造成基層診療比例下降。

所以，雖然現(xiàn)在大力推進(jìn)分級(jí)診療，但還不能真正做到把大量就診留在基層解決。

再看與家庭醫(yī)生相關(guān)的基本公共衛(wèi)生服務(wù)。

近些年，國(guó)家慢性病人群的比例增長(zhǎng)非?？欤瑥?003年到2013年增長(zhǎng)了幾倍到十幾倍，如此多的慢性病患者帶來(lái)了大量的基本公共衛(wèi)生服務(wù)工作。每年80億的診療服務(wù)，加上全國(guó)有十幾億人家庭醫(yī)生簽約服務(wù)，是什么樣的團(tuán)隊(duì)在支撐這樣的工作呢？

從《2017年中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》可以看到，全國(guó)不到40%的執(zhí)業(yè)醫(yī)師和助理執(zhí)業(yè)醫(yī)師分布在基層，但承擔(dān)了全國(guó)每年50%左右的基礎(chǔ)診療服務(wù)。

如果細(xì)看基層醫(yī)生的學(xué)歷構(gòu)成會(huì)發(fā)現(xiàn)，城市的情況略好些，例如社區(qū)衛(wèi)生服務(wù)中心醫(yī)生的本科及以上比率超過(guò)40%，但在農(nóng)村就非常糟糕，略好的鄉(xiāng)鎮(zhèn)衛(wèi)生院本科以上醫(yī)生的比例也只有不到15%、村衛(wèi)生室只有2%。整體而言，本科以上的醫(yī)生只有不到16%扎根于基層，基層全科醫(yī)生僅17.1萬(wàn)人，而這些人還承擔(dān)了繁重的診療服務(wù)。

這使得基層醫(yī)生面臨著非常尷尬的情況：一方面是基層醫(yī)生能力還不足，導(dǎo)致居民不能一直信任基層醫(yī)生；

另一方面，基本公共衛(wèi)生服務(wù)工作占據(jù)了基層醫(yī)生的大量時(shí)間和精力，導(dǎo)致他們沒(méi)有時(shí)間學(xué)習(xí)和提升。這形成了惡性循環(huán)，導(dǎo)致整個(gè)分級(jí)診療最終難以落實(shí)。

所以，從2009年醫(yī)改以來(lái)，國(guó)家每年都會(huì)出臺(tái)類(lèi)似增強(qiáng)基層的政策，包括推行分級(jí)診療、家庭醫(yī)生、醫(yī)聯(lián)體等等。也提了很多目標(biāo)，包括簽約率、基層診療占比，這兩個(gè)指標(biāo)目前都很難達(dá)到?；鶎釉\療占比希望到2017年實(shí)現(xiàn)65%以上，但現(xiàn)在還差約10%沒(méi)有做到，縣域就診率要做到90%，也沒(méi)有完全達(dá)到。

這些制度或指標(biāo)現(xiàn)在難以達(dá)成的一個(gè)核心原因，就是基層提供診療服務(wù)的醫(yī)生能力不夠。

所以2018年下半年，出臺(tái)了一個(gè)非常有意義的《關(guān)于鄉(xiāng)鎮(zhèn)衛(wèi)生院和社區(qū)衛(wèi)生服務(wù)中心的服務(wù)能力標(biāo)準(zhǔn)》，會(huì)給未來(lái)基層醫(yī)療服務(wù)體系的建設(shè)和規(guī)范帶來(lái)深遠(yuǎn)影響。其中非常清楚地定義了鄉(xiāng)、社區(qū)等基層醫(yī)生應(yīng)該具備的服務(wù)能力，診療層面、公共衛(wèi)生層面以及基層醫(yī)療機(jī)構(gòu)管理層面等多方面的能力。

此外，在2019年初出臺(tái)了《關(guān)于鄉(xiāng)鎮(zhèn)衛(wèi)生院和社區(qū)衛(wèi)生服務(wù)中心能力評(píng)價(jià)的指標(biāo)》以配合此標(biāo)準(zhǔn)的考評(píng)，這就具有了很強(qiáng)的操作性。

諸如在診療上要求有明確的標(biāo)準(zhǔn)體系，例如，對(duì)于A類(lèi)的鄉(xiāng)鎮(zhèn)衛(wèi)生院，診療能力達(dá)到A級(jí)，醫(yī)生就要對(duì)基層常見(jiàn)的一百種疾病都做到診治，而且對(duì)例數(shù)也有很多要求，比如某種疾病必須要完成50次以上的診治才算是鄉(xiāng)鎮(zhèn)衛(wèi)生院對(duì)這種疾病有診治能力。

這不僅為基層醫(yī)生的建設(shè)指明了方向，也給基層醫(yī)生帶來(lái)非常大的挑戰(zhàn)。2019年國(guó)家也下達(dá)了一些醫(yī)療服務(wù)和保障能力提升的補(bǔ)助資金。可以看出，國(guó)家層面對(duì)提升基層能力已經(jīng)感到非常急迫，所以未來(lái)一兩年內(nèi)還將有大量的資金和政策傾斜于基層醫(yī)療能力的建設(shè)。

基層醫(yī)療健康服務(wù)的機(jī)會(huì)

下面從投資特征、需求特征、業(yè)務(wù)特征三個(gè)層面，大致分析一下過(guò)去十年，國(guó)家和社會(huì)資本對(duì)于基層建設(shè)或投資的變化。

各個(gè)階段的劃分其實(shí)并不是非常嚴(yán)格，在2010年之前，大部分的投入都是放在基建、基礎(chǔ)設(shè)施、網(wǎng)絡(luò)建設(shè)上面，典型的特點(diǎn)是政策驅(qū)動(dòng)、國(guó)家財(cái)政支持，靠專(zhuān)項(xiàng)資金進(jìn)行專(zhuān)項(xiàng)建設(shè)。這時(shí)候除了基本診療、標(biāo)準(zhǔn)工具，也存在一些遠(yuǎn)程醫(yī)療。

2010年后，隨著“四梁八柱”政策的驅(qū)動(dòng)，國(guó)家開(kāi)始非常重視全國(guó)信息化的標(biāo)準(zhǔn)，尤其是衛(wèi)生領(lǐng)域的信息化，那時(shí)出臺(tái)了全民健康信息平臺(tái)包括電子病歷等等一系列的標(biāo)準(zhǔn)。

所以，這階段很多地方的硬件建設(shè)、軟件建設(shè)、運(yùn)維都是按照標(biāo)準(zhǔn)進(jìn)行，大部分都是以地方財(cái)政支持，優(yōu)先規(guī)?；⒛艹善鲂б娴捻?xiàng)目。這時(shí)候經(jīng)過(guò)市場(chǎng)的拼殺，也涌現(xiàn)了一系列的公司。這階段的業(yè)務(wù)主要集中在基本公共衛(wèi)生服務(wù)、基本診療，以區(qū)域的HIS、LIS、PACS等為主，也開(kāi)始做家庭醫(yī)生簽約、移動(dòng)健康醫(yī)療的應(yīng)用。

到了2015年后，經(jīng)過(guò)七八年的洗牌，涌現(xiàn)出了一些新的機(jī)會(huì)和新的競(jìng)爭(zhēng)對(duì)手，以前不做醫(yī)療或不做醫(yī)療信息化的公司也開(kāi)始進(jìn)入這個(gè)領(lǐng)域，比如互聯(lián)網(wǎng)公司。

所以這階段很多基層的項(xiàng)目是以投資驅(qū)動(dòng)的，像騰訊、阿里都在布局互聯(lián)網(wǎng)醫(yī)院這樣的項(xiàng)目，投資顯得更多元化。很多項(xiàng)目因?yàn)榛ヂ?lián)網(wǎng)的引入，不再以項(xiàng)目建設(shè)為主，而是轉(zhuǎn)為以服務(wù)運(yùn)營(yíng)。能看到一些個(gè)性化的互聯(lián)網(wǎng)+醫(yī)療服務(wù)，很多做互聯(lián)網(wǎng)醫(yī)院的開(kāi)始上線(xiàn)藥品流轉(zhuǎn)，提供線(xiàn)上的服務(wù)，有些公司開(kāi)始花重金、重資本投線(xiàn)下的連鎖基層醫(yī)療機(jī)構(gòu)，這一輪的醫(yī)療人工智能大致也是從這時(shí)候開(kāi)始火起來(lái)。

現(xiàn)在是一個(gè)更好的時(shí)代，因?yàn)楝F(xiàn)在做人工智能或互聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)要比前些年好很多，至少現(xiàn)在去任何一個(gè)地方都不用考慮有沒(méi)有HIS、電子病歷系統(tǒng)，能見(jiàn)到的客戶(hù)都具備這樣的基礎(chǔ)條件，網(wǎng)絡(luò)、存儲(chǔ)也不再是問(wèn)題。

當(dāng)然，更好的是通過(guò)過(guò)去十年的建設(shè)，各級(jí)醫(yī)療機(jī)構(gòu)、主管部門(mén)手里都積累了大量?jī)?yōu)質(zhì)且種類(lèi)繁多的醫(yī)療健康數(shù)據(jù)，這些給人工智能在該領(lǐng)域的應(yīng)用帶來(lái)了非常好的基礎(chǔ)。

總的來(lái)說(shuō)基層能力提升有三種方式：

一是傳統(tǒng)的培訓(xùn)和指導(dǎo)。現(xiàn)在國(guó)家每年也在組織大量的人力做規(guī)培，還有相關(guān)的考試要求、學(xué)分制，也組織了一些專(zhuān)家到基層做指導(dǎo)，但時(shí)間效率低下，而且專(zhuān)家指導(dǎo)也不是優(yōu)質(zhì)資源使用的最優(yōu)方式，所以不能作為常態(tài)；

二是遠(yuǎn)程?，F(xiàn)在國(guó)內(nèi)每個(gè)省都在建各種各樣的互聯(lián)網(wǎng)遠(yuǎn)程醫(yī)療，遠(yuǎn)程醫(yī)療更多側(cè)重于醫(yī)療機(jī)構(gòu)內(nèi)部之間的服務(wù)形態(tài)，“互聯(lián)網(wǎng)+”更強(qiáng)調(diào)C端發(fā)起的線(xiàn)上服務(wù)，都是可以提高基層醫(yī)生服務(wù)效率的方式。但遠(yuǎn)程醫(yī)療能解決連接問(wèn)題，對(duì)核心能力提升發(fā)揮的作用還是有限的；

三是靠工具。像CDSS（臨床輔助決策），就是基于醫(yī)生的一些標(biāo)準(zhǔn)化錄入，通過(guò)規(guī)則輔助醫(yī)生進(jìn)行更好的診斷和治療。還有基于語(yǔ)音助手的虛擬助手，比如基層醫(yī)生在做基本公衛(wèi)過(guò)程中會(huì)有大量與患者、簽約居民的語(yǔ)言溝通，有大量簡(jiǎn)單機(jī)械重復(fù)的工作可以靠助手解決。

隨著技術(shù)的發(fā)展，我們相信不論是過(guò)程還是形式都將有非常大的變化。未來(lái)最好的形式就是用人工智能等技術(shù)，給基層醫(yī)生作為輔助，在短時(shí)間內(nèi)把診療水平和服務(wù)效率提升到新的臺(tái)階上，從根本上解決分級(jí)診療落地的問(wèn)題。

基層輔診的市場(chǎng)空間、技術(shù)壁壘

從2016年人工智能逐漸進(jìn)入到醫(yī)療行業(yè)以來(lái)，業(yè)內(nèi)做了非常多的嘗試，但是前幾年大部分目光聚焦在了醫(yī)院。存在的問(wèn)題是，不管是用深度學(xué)習(xí)還是用大數(shù)據(jù)技術(shù)，目前訓(xùn)練出來(lái)的系統(tǒng)，在短期內(nèi)很難超越醫(yī)院尤其是三甲醫(yī)院醫(yī)生的水平。

但是在基層就不一樣，尤其是鄉(xiāng)村兩級(jí)工作的基層醫(yī)生，或像城鄉(xiāng)結(jié)合部等基層里本科以下學(xué)歷的醫(yī)生，與他們的能力相比，AI目前是可行的，而且這個(gè)人群數(shù)量大概在百萬(wàn)以上，也具有很大的市場(chǎng)前景。

目前全國(guó)的基層執(zhí)業(yè)醫(yī)生約115萬(wàn)，有近76萬(wàn)人是在鄉(xiāng)村工作，還有大量?jī)H僅拿了村醫(yī)證并沒(méi)算在內(nèi)。在全國(guó)的300多萬(wàn)的執(zhí)業(yè)醫(yī)生里，本科學(xué)歷以下的有150萬(wàn)，其中有90多萬(wàn)是在基層工作。

所以從學(xué)歷或工作地作為能力參考的話(huà)，粗略估計(jì)要服務(wù)的人數(shù)大概174萬(wàn)，而他們要承擔(dān)全國(guó)80億次診療的近40億次，覆蓋了7億居民基本診療服務(wù)的，這是一個(gè)非常巨大的用戶(hù)空間。

基層輔診的市場(chǎng)空間是否值得投入呢？有兩個(gè)基礎(chǔ)數(shù)據(jù)值得關(guān)注：第一，國(guó)家每年投入在基層醫(yī)生培訓(xùn)的經(jīng)費(fèi)，平均下來(lái)大概可以達(dá)到3-5萬(wàn)/人，尤其是針對(duì)貧困山區(qū)還有能力特別差的醫(yī)生，假如把培訓(xùn)費(fèi)折現(xiàn)成服務(wù)費(fèi)，哪怕一人一萬(wàn)服務(wù)費(fèi)的效果或收益都要高于一般意義的培訓(xùn)。

估算一下，全國(guó)每個(gè)縣里至少有400個(gè)醫(yī)生，全國(guó)有2800多個(gè)縣、80%在中西部，所以約有2200個(gè)區(qū)縣是有市場(chǎng)需求的。

按照前面的價(jià)格估算，當(dāng)然這里也可參考目前市場(chǎng)里實(shí)際投標(biāo)和一些項(xiàng)目里的資金，比如去年全國(guó)整體在AI輔診領(lǐng)域投入大幾千萬(wàn)，今年至少目前能看到的市場(chǎng)空間在是在幾十億。再往后，隨著產(chǎn)品的迭代，未來(lái)產(chǎn)品價(jià)值增加，市場(chǎng)增加，所獲取的市場(chǎng)空間會(huì)更多，總體來(lái)看基層輔診未來(lái)將會(huì)發(fā)展成為一個(gè)每年將近百億的市場(chǎng)。

短期來(lái)說(shuō)，這是一件新生事物，很大一部分的資金來(lái)源是政府專(zhuān)項(xiàng)或定向資金。中期看，隨著產(chǎn)品不斷地完善，對(duì)于基層醫(yī)療能力的提升會(huì)越來(lái)越明顯，基層醫(yī)療機(jī)構(gòu)的收入也會(huì)增加，到那時(shí)可能會(huì)出現(xiàn)一些toB的業(yè)務(wù)，當(dāng)然最終產(chǎn)品會(huì)面向C端提供一些健康服務(wù)，那樣每年的市場(chǎng)將會(huì)達(dá)到千億。

從產(chǎn)品的成熟度角度來(lái)看，大概可以分三個(gè)階段：

第一階段，更多是基于基層門(mén)診電子病歷和檢驗(yàn)檢查結(jié)果，通過(guò)深度學(xué)習(xí)建模的形式來(lái)提供輔助診斷，目前能看到的產(chǎn)品形態(tài)大部分也是這樣；

第二階段，可能也就不超過(guò)兩年的時(shí)間，考慮數(shù)據(jù)模態(tài)的會(huì)更多，將跳出單純文本的病歷，更多考慮綜合基層的影像、心電等等數(shù)據(jù)后，多模態(tài)數(shù)據(jù)輔診的能力和效果會(huì)提高；

第三階段，肯定會(huì)結(jié)合居民全生命周期的健康檔案提供輔診，產(chǎn)品也將從醫(yī)療機(jī)構(gòu)內(nèi)慢慢通過(guò)醫(yī)生輻射到居民端，這是未來(lái)產(chǎn)品形態(tài)上的一些發(fā)展趨勢(shì)。

這并不是一件非常容易的事情，目前很多客戶(hù)認(rèn)為人工智能已經(jīng)到了一個(gè)非常成熟的階段，經(jīng)常會(huì)拿AlphaGo或AlphaZero的故事來(lái)講，認(rèn)為人工智能技術(shù)已經(jīng)非常成熟，不管是輔診還是語(yǔ)音識(shí)別、圖片識(shí)別、人臉識(shí)別都是一個(gè)成熟的隨時(shí)可以拿來(lái)用的組件。其實(shí)其中還有非常多的技術(shù)問(wèn)題沒(méi)有解決，還是有相當(dāng)高的門(mén)檻。

首先是核心技術(shù)層面。目前來(lái)看，業(yè)界還沒(méi)有一個(gè)深度學(xué)習(xí)的模型能夠真正做到像合格的全科醫(yī)生一樣自己學(xué)習(xí)，并能做基于循證的推理，包括IBM的沃森、訊飛醫(yī)療都沒(méi)有達(dá)到那樣的理想狀態(tài)，現(xiàn)在可行的是通過(guò)一些條件的限定，還有產(chǎn)品層面的改進(jìn)，盡可能減少對(duì)核心技術(shù)的訴求。具體講兩個(gè)問(wèn)題還沒(méi)有得到很好的解決：

第一，從海量的語(yǔ)料庫(kù)里自動(dòng)化提取知識(shí)、建立可計(jì)算的知識(shí)工程，在全世界的研究界來(lái)看，都是一個(gè)還沒(méi)有真正解決的挑戰(zhàn)性問(wèn)題。拿對(duì)話(huà)系統(tǒng)為例，目前所有的對(duì)話(huà)系統(tǒng)或者聊天機(jī)器人，都很難跳出“偏槽”技術(shù)框架。

所以很難做到開(kāi)放場(chǎng)景下的真正的對(duì)答如流，做得好的基本上都是在一些限定領(lǐng)域的流程性對(duì)答。在醫(yī)療領(lǐng)域，醫(yī)療里的知識(shí)工程建設(shè)難度要遠(yuǎn)遠(yuǎn)高于聊天機(jī)器人，AlphaGo或Alphazero系統(tǒng)和這個(gè)比較起來(lái)不是一個(gè)數(shù)量級(jí)的難題；

第二，如何利用人類(lèi)臨床循證醫(yī)學(xué)的邏輯來(lái)進(jìn)行推理。對(duì)于計(jì)算機(jī)來(lái)說(shuō)，理解醫(yī)學(xué)問(wèn)題和用人類(lèi)醫(yī)生級(jí)別的思維進(jìn)行推理也是非常困難的。

用深度學(xué)習(xí)系統(tǒng)構(gòu)建的輔助診斷模型，往往會(huì)給很多臨床專(zhuān)家一種醫(yī)學(xué)上不可解釋的現(xiàn)象，所以目前來(lái)看還會(huì)受到一些臨床專(zhuān)家的質(zhì)疑，尤其是對(duì)于臨床循證依據(jù)的表現(xiàn)或引用，并不能做到很好的自圓其說(shuō)，這也是需要在技術(shù)層面不斷攻關(guān)的。

其次，是數(shù)據(jù)層面。目前大量的輔助診斷系統(tǒng)，不管是影像輔診還是基于病歷自然文本，靠自然語(yǔ)言理解技術(shù)或是一些深度學(xué)習(xí)技術(shù)構(gòu)建系統(tǒng)，在訓(xùn)練時(shí)的數(shù)據(jù)集都是從三甲醫(yī)院或二級(jí)以上醫(yī)院獲取的，所以數(shù)據(jù)的標(biāo)準(zhǔn)化還有數(shù)據(jù)質(zhì)量是能夠得到保證的。

但在基層應(yīng)用時(shí)，會(huì)發(fā)現(xiàn)大量的不合規(guī)數(shù)據(jù)或質(zhì)量低下的數(shù)據(jù)。例如，質(zhì)控不合格的影像，還有就是基層病歷里往往既沒(méi)有寫(xiě)主述、現(xiàn)病史、有的甚至沒(méi)有寫(xiě)診斷，直接把處方開(kāi)出來(lái)了。這樣的數(shù)據(jù)即使電子化后，機(jī)器也無(wú)法處理，核心診療過(guò)程信息缺失嚴(yán)重。

所以在基層應(yīng)用輔助診斷，在數(shù)據(jù)層面也有兩個(gè)要解決的問(wèn)題：

第一，如何讓醫(yī)生愿意并且盡可能寫(xiě)標(biāo)準(zhǔn)合規(guī)的電子病歷，這不僅僅要靠技術(shù)解決，可能也要靠產(chǎn)品還有一些管理手段來(lái)解決；

第二，用三甲醫(yī)院數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型如何在基層應(yīng)用，比如影像輔助診斷模型，到基層用時(shí)你會(huì)發(fā)現(xiàn)絕大部分鄉(xiāng)鎮(zhèn)衛(wèi)生院沒(méi)有CT，大部分都是DR設(shè)備，二期基層拍的片子可能存在相當(dāng)比例不合規(guī)，獲取到的片子里有相當(dāng)多含有異物或體位不正的問(wèn)題，這都給系統(tǒng)帶來(lái)非常大的應(yīng)用挑戰(zhàn)。

如果在一開(kāi)始設(shè)計(jì)系統(tǒng)時(shí)沒(méi)有考慮基層應(yīng)用的魯棒性，直接帶來(lái)的問(wèn)題是醫(yī)生覺(jué)得系統(tǒng)不好用，或根本沒(méi)用，這對(duì)于AI醫(yī)療從業(yè)者來(lái)講，都不知道應(yīng)該找誰(shuí)哭，但這是基層無(wú)法回避的現(xiàn)實(shí)問(wèn)題。

假如數(shù)據(jù)解決了，技術(shù)也解決了，下面面臨的問(wèn)題就是選擇怎樣的技術(shù)做輔診。在輔助診斷或者臨床決策系統(tǒng)里，早期的臨床輔助決策大部分是基于專(zhuān)家系統(tǒng)或知識(shí)庫(kù)的專(zhuān)家系統(tǒng)來(lái)做的，這跟現(xiàn)在在做的基于人工智能或基于深度學(xué)習(xí)的輔助系統(tǒng)到底有什么區(qū)別呢？

簡(jiǎn)單講就是，一種是基于“規(guī)則”的，一種是基于“概率”的。這兩種方式在基層應(yīng)用的過(guò)程中，各有優(yōu)劣，但是至少訊飛目前認(rèn)為基于深度學(xué)習(xí)的系統(tǒng)，從易用的角度來(lái)講可能會(huì)更好一些。

第一，基層醫(yī)生所需要的病種模型是全科而非專(zhuān)科，因?yàn)閭鹘y(tǒng)知識(shí)庫(kù)模型，尤其是從三甲醫(yī)院打磨出來(lái)的專(zhuān)家系統(tǒng)，大部分都是專(zhuān)科或少數(shù)幾個(gè)科室的，而且大部分疾病都是疑難雜癥，這樣的系統(tǒng)在基層應(yīng)用時(shí)具有非常大的局限，很難把基層所面臨的很多問(wèn)題都覆蓋到。

而對(duì)于機(jī)器學(xué)習(xí)來(lái)講，可以一開(kāi)始就按照全病種進(jìn)行訓(xùn)練的，所以比較容易在短時(shí)間內(nèi)構(gòu)建出一種多病種的輔診能力，當(dāng)然輔診的核心效果，包括合理率或合規(guī)率還需要不斷訓(xùn)練優(yōu)化。但是從時(shí)間角度，這樣的方式可能更加優(yōu)于傳統(tǒng)的單病種專(zhuān)家系統(tǒng)的簡(jiǎn)單疊加；

第二，知識(shí)庫(kù)系統(tǒng)一般來(lái)講都要配合一個(gè)結(jié)構(gòu)化的電子病歷進(jìn)行操作，因?yàn)楹芏嗟臎Q策點(diǎn)都是基于一些特征指標(biāo)或是特定的數(shù)值進(jìn)行下一步推算。

但在基層醫(yī)療機(jī)構(gòu)里，很多醫(yī)生在寫(xiě)病歷時(shí)，因?yàn)槎际且恍┗鶎拥某Ｒ?jiàn)病、多發(fā)病，并不會(huì)用非常強(qiáng)結(jié)構(gòu)化的電子病歷，所以在錄入一些SOAP時(shí)，都是以自然文本描述的非結(jié)構(gòu)化數(shù)據(jù)，基于深度學(xué)習(xí)自然語(yǔ)言理解的AI系統(tǒng)會(huì)更加有優(yōu)勢(shì)；

第三，對(duì)于數(shù)據(jù)質(zhì)量要求不算特別高，尤其是有些關(guān)鍵信息缺失的數(shù)據(jù)，深度學(xué)習(xí)系統(tǒng)的穩(wěn)健性會(huì)更好一些。因?yàn)槭腔诖罅康臄?shù)據(jù)訓(xùn)練出來(lái)的系統(tǒng)，所以對(duì)一些有信息缺失的病歷也有一些處理和相應(yīng)的處理方法，包括現(xiàn)在在做的，對(duì)于缺失的數(shù)據(jù)會(huì)自動(dòng)提示醫(yī)生是哪一方面的數(shù)據(jù)缺失或是哪些關(guān)鍵信息的錯(cuò)誤，讓醫(yī)生及時(shí)補(bǔ)充完善，以保證后續(xù)應(yīng)用；

第四，主要是未來(lái)的發(fā)展與成本層面。當(dāng)然如果有足夠的專(zhuān)家，不計(jì)成本，基于傳統(tǒng)知識(shí)庫(kù)的系統(tǒng)一定是最好的，對(duì)于AI或者基于深度學(xué)習(xí)系統(tǒng)而言，可以一定程度上脫離專(zhuān)家的持續(xù)投入，在后續(xù)的不斷應(yīng)用過(guò)程中，通過(guò)診療過(guò)程數(shù)據(jù)的積累，不斷優(yōu)化和調(diào)整系統(tǒng)，所以從長(zhǎng)時(shí)間的成本和效率，深度學(xué)習(xí)的方法更加具有優(yōu)勢(shì)。

做好坐十年冷板凳的準(zhǔn)備

訊飛醫(yī)療人工智能輔診系統(tǒng)從2016年開(kāi)始籌備，在2017年參加了國(guó)家執(zhí)業(yè)醫(yī)師的考試測(cè)試，考了456分，目前也是全球唯一一個(gè)通過(guò)國(guó)家執(zhí)業(yè)醫(yī)師考試筆試測(cè)試的AI系統(tǒng)，超過(guò)了全國(guó)96.3%的人類(lèi)考生。

對(duì)于知識(shí)點(diǎn)的題不用講肯定是滿(mǎn)分，系統(tǒng)在知識(shí)理解、多知識(shí)應(yīng)用和推理層面的病歷題方面表現(xiàn)得非常好，在一些人文、倫理題方面的表現(xiàn)還一般。

訊飛醫(yī)療當(dāng)然并不僅停留在AI參加考試層面，在實(shí)際應(yīng)用領(lǐng)域，我們?cè)?018年就基于醫(yī)考相關(guān)技術(shù)，打造了AI基層全科輔診系統(tǒng)-“智醫(yī)助理”，目前已經(jīng)在安徽省5個(gè)區(qū)縣做了區(qū)域示范應(yīng)用，在這個(gè)過(guò)程中我們也一直在探索商業(yè)模式。

目前那5個(gè)區(qū)縣現(xiàn)在大概覆蓋了1000多家的基層醫(yī)療機(jī)構(gòu)，有約4000多名的鄉(xiāng)村兩級(jí)的醫(yī)生在使用系統(tǒng)，覆蓋率是100%。

系統(tǒng)在其中做了非常多的引導(dǎo)性工作，幫助基層醫(yī)生盡可能完善病歷數(shù)據(jù)，因?yàn)槿绻麛?shù)據(jù)不完整，AI很難發(fā)揮效益；所以通過(guò)語(yǔ)音、自然語(yǔ)言理解核心技術(shù)公關(guān)和產(chǎn)品層面的優(yōu)化，不斷地幫助基層醫(yī)生盡可能把病歷書(shū)寫(xiě)的簡(jiǎn)單、高效，同時(shí)保證病歷的質(zhì)量，目前累計(jì)完成了190多萬(wàn)次的輔診意見(jiàn)。

把基于深度學(xué)習(xí)的人工智能輔助診斷系統(tǒng)應(yīng)用于鄉(xiāng)村兩極的能力提升是一個(gè)非常好的路徑，而且是前些年投資界還有業(yè)界都沒(méi)有太關(guān)注的一個(gè)領(lǐng)域。目前看這個(gè)賽道玩家還不多，但現(xiàn)在也慢慢地受到衛(wèi)生主管部門(mén)的重視，不管是在近期的政策，還是資金的撥付層面上都得到了驗(yàn)證。

但在人工智能醫(yī)療這條賽道上，要做好坐十年冷板凳的準(zhǔn)備。因?yàn)锳I輔診已經(jīng)非常接近于醫(yī)療服務(wù)的本質(zhì)，也就是說(shuō)已經(jīng)接近于臨床服務(wù)層面。

所以從某種意義上講，非常像新藥研發(fā)或藥械研發(fā)，這里需要投入大量的人力、資金和時(shí)間進(jìn)行積累，在這個(gè)過(guò)程中，會(huì)嘗試不同的數(shù)據(jù)集、建模方法、深度學(xué)習(xí)模型，看哪種方式最優(yōu)。

這過(guò)程將非常漫長(zhǎng)，且目前來(lái)看在產(chǎn)品內(nèi)核研發(fā)的效能提升上已經(jīng)進(jìn)入了一個(gè)無(wú)人區(qū)狀態(tài)，就是從學(xué)術(shù)界找不到能借鑒的前例，大部分都需要自己主動(dòng)進(jìn)行探索需要不懈的堅(jiān)持。

就像2003年科大訊飛想使用機(jī)器代替人進(jìn)行普通話(huà)考試評(píng)分，所有的考試專(zhuān)家都嗤之以鼻。當(dāng)時(shí)覺(jué)得怎么可能呢？

機(jī)器怎么可能比人類(lèi)判別的準(zhǔn)。大概是2003年開(kāi)始立項(xiàng)，兩年后在安徽省試點(diǎn)，2008年全國(guó)推廣，到現(xiàn)在做到了每年600萬(wàn)人次的測(cè)試。

這件事堅(jiān)持了將近15年，但也真正實(shí)現(xiàn)了收獲。AI輔診尤其在基層也類(lèi)似，不能指望是一個(gè)兩三年就能賺大錢(qián)的業(yè)務(wù)，但是我們堅(jiān)信經(jīng)過(guò)積累，隨著產(chǎn)品核心能力的準(zhǔn)確度和易用性的提升，未來(lái)可以期待。

鈦資本觀察

2019年7月，互聯(lián)網(wǎng)健康醫(yī)療產(chǎn)業(yè)聯(lián)盟研究編制發(fā)布了《5G 時(shí)代智慧醫(yī)療白皮書(shū)》，指出：隨著5G正式商用的到來(lái)以及與大數(shù)據(jù)、互聯(lián)網(wǎng)+、人工智能、區(qū)塊鏈等前沿技術(shù)的充分整合和運(yùn)用，5G 醫(yī)療健康越來(lái)越呈現(xiàn)出強(qiáng)大的影響力和生命力，對(duì)推進(jìn)深化醫(yī)藥衛(wèi)生體制改革、加快“健康中國(guó)”建設(shè)和推動(dòng)醫(yī)療健康產(chǎn)業(yè)發(fā)展，起到重要的支撐作用。

雖然我國(guó)的5G醫(yī)療健康還在起步階段，但已經(jīng)在遠(yuǎn)程會(huì)診、遠(yuǎn)程超聲、遠(yuǎn)程手術(shù)、應(yīng)急救 援、遠(yuǎn)程示教、遠(yuǎn)程監(jiān)護(hù)、智慧導(dǎo)診、移動(dòng)醫(yī)護(hù)、智慧院區(qū)管理、AI 輔助診斷等眾多場(chǎng)景，得到了廣泛應(yīng)用。

人工智能醫(yī)療健康在5G時(shí)代將取得較大的進(jìn)步，特別是根據(jù)《“健康中國(guó)2030”規(guī)劃綱要》，中國(guó)2020年實(shí)現(xiàn)每千人口醫(yī)生數(shù)2.5人，2030 年實(shí)現(xiàn)每千人口護(hù)士數(shù)4.7人；此外，人們對(duì)于健康的觀點(diǎn)已經(jīng)從“治療為主”轉(zhuǎn)為“預(yù)防為主”。這些都為人工智能發(fā)揮其規(guī)?；夹g(shù)價(jià)值、帶來(lái)醫(yī)療健康服務(wù)的普及，奠定了市場(chǎng)基礎(chǔ)。

科技企業(yè)把人工智能應(yīng)用于醫(yī)療健康，這首先是一個(gè)商業(yè)行為，必然在追求為人民帶來(lái)普惠醫(yī)療健康服務(wù)的同時(shí)還要實(shí)現(xiàn)商業(yè)價(jià)值。基層診療是經(jīng)過(guò)了訊飛醫(yī)療的摸索后，找到的可以規(guī)?；虡I(yè)化的人工智能醫(yī)療健康應(yīng)用場(chǎng)景。雖然看起來(lái)在基礎(chǔ)診療中普及人工智能還需要一定的時(shí)間和大量的工作，但或許并不需要十年之久。

一方面，5G的啟動(dòng)為基層診療中的人工智能應(yīng)用鋪平了“高速路”；另一方面，前不久互聯(lián)網(wǎng)醫(yī)療剛被納入醫(yī)保支付范疇，這為大量企業(yè)進(jìn)入，打開(kāi)了商業(yè)之門(mén)。

有理由相信，2020年將是互聯(lián)網(wǎng)醫(yī)療健康以及人工智能醫(yī)療健康的商業(yè)化啟動(dòng)之年，人民日益追求的健康快樂(lè)生活將是最大的社會(huì)需求。關(guān)注和切入人工智能醫(yī)療健康創(chuàng)業(yè)，當(dāng)下正是一個(gè)好的時(shí)機(jī)。

【鈦媒體作者介紹：鈦資本是專(zhuān)注于企業(yè)級(jí)科技的投資銀行和管理咨詢(xún)服務(wù)平臺(tái)。微信公號(hào)：tmtcapital】