回歸醫療本質,解決臨床問題——醫療AI如何大規模落地?
來源: 動脈網 作者: 趙泓維 2021年03月15日 10:52
3月11日,隨著十三屆全國人大四次會議的閉幕,全國兩會接近尾聲。

3月11日,隨著十三屆全國人大四次會議的閉幕,全國兩會接近尾聲。

 

本次“兩會”舉辦之際正值十四五規劃的開局之年,也是我國進入新發展階段的第一年。醫療健康一直是民生之重,動脈網對參會代表及委員們有關醫療健康領域的部分議案建議和提案進行了整理。總的來說,強化基層醫療、中醫藥傳承發展、醫藥創新、加強醫保覆蓋及商保補充、鼓勵扶持醫藥器械“國產替代”、數字醫療應用等方面是大家關注的重點。

 

眾多醫療相關提案之中,多方對于AI技術的倡導值得一談。在基層醫療賦能、精準醫學研究等領域,這一技術都發揮了至關重要的作用。從目前來看,雖然各家企業都在各類醫療機構尋找人工智能的落地場景,但少有企業能夠從“回歸醫療本質,解決臨床問題”的角度出發,找準這一技術的現實剛需,并實現規模化落地。要解這個問題,我們必須對醫療AI的需求探索、規模化落地與商業化三個階段進行分析。

 

探索AI的基層醫療合理性需求


無論是三醫聯動,還是分級診療,政策推動受阻背后的很大原因是因為基層醫療基礎設施的缺乏,即薄弱的信息化基礎、能力和數量都非常有限的醫生資源。兩者進一步導致基層醫療不被信任,相關資源閑置,沒有發揮應有的作用。

 

科大訊飛智慧醫療事業部總經理陶曉東認為:“受限于基層醫療的能力,居民生病之后的首選一般不是基層,因為患者不能判斷出來他的疾病到底是一個輕癥還是重癥,尤其是城市中的居民,一個常見的癥狀,他也要去一個大醫院去看病。所以基層的門診量小,是有閑置的醫療資源的。因此,很多常見癥狀、常見病本應在基層解決,卻去了大醫院,讓大醫院里面的專家看常見病,這是對基層醫療資源的閑置與對大醫院優質醫療資源的浪費,是醫療體系中的‘雙重浪費’。

 

在基層醫療之中普及AI可以解決這一問題。具體而言,利用AI的輔助診斷功能(CDSS),基層醫療可以再“造”一個具備全科醫療知識的助手,輔助醫生進行診療。

 

從這個思路出發,BAT、科大訊飛、各大信息化企業都開發了相應的全科AI+CDSS,提升基層醫療的信息化水平、基層醫療診斷有效性,試圖從根本解決基層醫療問題。

 

值得注意的是,CDSS的確可以解決單個機構資源缺失等問題,但并沒有解決醫療數據標準化這個問題。2019年,廣西一地市衛生健康局曾發布的《實施三醫聯動的新舉措、存在問題及建議》中指出,三醫聯動難以執行的問題之一,便是“聯”字的貫徹不徹底。具體而言,監管機構沒有一個包含完整患者信息的數據庫作為基礎,便無法對患者就醫行為中涉及的機構進行監督與管理。

 

對于這個問題,科大訊飛找到了一種有效的方法進行解決。具體而言,該公司與區域衛健委進行合作,制定標準,而進在區域范圍內推行CDSS,解決了各基層醫療之間以及基層醫療與上級醫療機構的互聯互通問題。

 

截止2021年2月28日,從基層醫療需求入手設計的智醫助理,已經覆蓋全國170+區縣的30000余家基層醫療機構應用,服務超過50000名基層醫生,惠及5000多萬居民,日均提供超40萬條輔助診斷建議,累計提供AI輔助診斷超1.2億次,有效提高了基層的診療服務水平,并在行業之中給出了AI規模化落地的典例。

 

探索AI的三甲醫院合理性需求


三級醫院的需求與基層醫療大不相同,后者要的是規范化與一致化,前者則需要深入理解醫學,去解決臨床過程中的問題。

 

以影像領域為例。在整個診療流程中,醫學影像位于診斷環節,是醫生診斷患者的重要手段,而非唯一手段,年齡、既往病史、血常規乃至病理切片信息都是醫療做出最終決策的證據。因此,我們需要將AI能力定位于放射科醫生或是臨床醫生的需求。

 

科大訊飛智慧醫療事業部總經理陶曉東告訴動脈網:”放射科AI是目前較為成熟的一個子領域,AI確實可以提高醫生診斷的準確率與效率,但并非‘替代’。在長時間的閱片過程中,醫生可能因為疲勞忽略的一些可能的影像細節,這時,基于算法的AI便能為醫生起到查漏補缺的作用,同時提高醫生效率;另一方面,由于AI是受算法和數據兩個因素影響,因而給定影像,就不會像人一樣受環境、狀態影響提出不同的判斷,換言之,AI擁有極高的一致性。”

 

從上述分析出發,我們可以清晰判斷影像AI的使用場景——影像科、臨床科室以及業務繁忙的第三方影像中心的確存在應用需求。這種需求來源于“解放勞動力”。

 

AI語音錄入是一個更為成熟的三級醫院AI應用技術,其落地最早可追溯至6年前。

 

醫院口腔科中,該科醫生在診斷治療過程中往往兩只手都被占用,無法書寫病歷。因此,他們要么選擇在診療完成之后憑借回憶書寫病歷,要么再找一位護士幫忙記錄。

 

前者的缺陷在于,非實時記錄的病歷極易忽視細節,出錯概率大大提升,后者的缺陷在于人力資源的額外支出,將為患者、醫院帶來治療支出的上升。

 

以此需求為切入,國內AI上市企業科大訊飛曾開發了一套口腔科醫生專用的電子病歷,通過”語音錄入+AI分析”即可書寫電子病歷,有效幫助醫生提升診療效率。

 

該AI滿足兩點條件:首先存在廣泛的市場,各大科室都存在語音錄入病歷需求;其次其局限性——嘈雜的錄音環境影響錄音質量——存在被突破的可能,科大訊飛采用了一系列手段縮小局限性帶來的影響,譬如開發指向性麥克風、降噪器等聲音采集優化設備。這是一個正向的AI發展過程,也是科大訊飛的語音AI能夠迅速落地200多家醫院的原因。

 

CT-FFR是另一個存在AI真實需求的例子。CT-FFR為臨床提供了一種新型、無創的功能學評估手段,是做醫生僅憑影像不能做的事情,主要目的是幫助醫生增效,具備創造性的臨床價值。目前,科亞醫療、數坤科技、博動醫療均在此賽道上迅速落地,其中科亞醫療的AI產品率先獲得了國藥監局三類證審批認證。

 

從規模化落地到商業化,AI需要政策助力


滿足需求之后,企業需要解決商業化問題。這時,我們便需要討論得到醫院獲得服務所需付出的成本,這里需要從三甲醫院與基層醫療兩個角度回答“為什么要購置AI”這個問題。

 

以影像AI產品為例,醫院需要考慮它能帶來的實際價值。如果一套AI產品為醫院帶來的僅僅是加速醫生的工作效率,而并沒有為醫院帶來實際效益,采購的幾率就不高。

 

我們調研發現,私營醫療機構比公立醫療機構更樂于采購一些先進的設備,因為這些設備能夠有效為他們降低成本,并提高患者對于醫院的印象分。同樣地,要讓AI產品真正落到醫院場景中,就需要找到在臨床流程中,AI產品可以幫助哪些環節降本增效。

 

在醫院場景之外,醫療AI的需求可能就不完全是以成本回報來計量。

 

疫情之后,國家倡導的分級診療、構建新一代公共體系在不斷加快。作為新基建的一環,國家也在不斷加大對醫療AI的投入。AI的可持續發展將來源于對基層醫療場景的賦能,建立一個擁有健康資源分配的醫療體系。

 

全國人大代表、科大訊飛董事長劉慶峰在兩會期間提出了8個建議,其中 2個建議均與基層醫療的賦能有關,希望迎來自上而下的改革。

 

具體而言,他希望由國家衛健委牽頭,從基層醫療出發,依靠AI等科技力量助力傳染病防控。其次,建議科技部和國家衛健委加大對醫學人工智能的科研支持力度,對已經規模化應用的“智醫助理”等人工智能輔助診療技術進行推廣;加速評估、落地智能語音電話機器人等能夠輔助家庭醫生工作的AI;加快醫療人工智能產品的標準體系和認證體系建設,推動AI的規范化認識。

 

劉慶峰認為,“面對我國優質醫療資源相對匱乏和基層醫療服務能力不足的結構性問題,AI技術在提高基層醫療水平、提升醫療保障的力度等民生領域已經取得顯著成效。”換言之,加快推動AI應用于我國基層醫療,不但可以提高基層醫療服務能力,還可以起到“防控治未病”的作用,這是AI能給為基層醫療帶來的未來價值。

 

這背后,就需要AI幫助基層醫療提升醫療質量、留住患者、培養年輕醫生。但由于基層醫療機構本身缺乏資金實力,正如兩會部分提案中所建議,這樣的升級過程也需要衛健委牽頭完成。

 

寫在最后


通往成功的路是曲折上升的,AI亦如此。

 

從1956年至今,AI經歷了三次盛夏與兩次寒冬。在這個過程中,科學家們逐漸解決了計算能力的限制和各種各樣數據的限制,但又重陷與各種限制之中,然后再度突破,往返上升,往返循序。

 

在上升的過程中,醫療AI仍要保持初心,回歸醫療本源,做好需求、落地、成本分析三個方向,才不至于做出存在而無意義的AI產品。

 

重拾“AI能解決什么樣的醫療問題?”這個提問,在醫療領域之中,或許應該修正為“醫療需要AI解決什么問題?”。站對了角度,才有廣闊且存在價值的成長空間。圖片


*封面圖片來源:123rf

本文著作權屬原創者所有,不代表本站立場。我們轉載此文出于傳播更多資訊之目的,如涉著作權事宜請聯系刪除。