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。
本文首发自微信公众号：|科技向令说（xiangling0815），文章版权归原作者所有，转载请联系作者授权。
赞 18
打赏
