1200萬醫療保健缺口，需要用AI慢慢填平
醫療終歸是一個慢行業，摧枯拉朽式的顛覆式革命沒有出現，在落地難、缺少盈利預期等不利因素的制約下，資本市場已經出現了逐漸熄火的態勢，AI 醫療已然成為創新者才有資格入局的征途。
文｜Alter
人工智慧從來都不缺少落地的場景，可如果要找一個近乎剛需的行業，醫療保健大概是最可能入選的答案。
12月8日， 國際知名科技雜誌《麻省理工科技評論》發布的《AI醫療：亞洲的發展空間、能力和主動健康的未來》中，對人口超過41.6億的亞洲的醫療狀況進行了實地調研，然後得出了3組令人驚訝的數據：
根據世界衛生組織的估計，2030年亞洲地區需要超過1200萬名新的醫療保健專業人員，比當前增長70%以上；
人口超過22.5億的南亞和東南亞地區，平均每10000人擁有的醫生不到7人，即便是在富裕的日本和新加坡，對應的數字也低於25人；
據瑞士再保險公司預計，沉重的醫療負擔造成12個國家約4000萬家庭的醫療保健缺口，其中有近半數為中國家庭 。
在提出問題的同時，《麻省理工科技評論》也嘗試給出了解決的思路，即藉助人工智慧提高醫療服務供應能力和效率，並著重提及了以百度為代表的中國案例：百度靈醫智惠推出的「臨床輔助決策系統」（CDSS），目前已經覆蓋了中國18個省市自治區1000多家醫療機構，輔助醫生進行臨床診斷決策。
（圖自《麻省理工科技評論》）
01
20000：1的背後
醫療資源不均等候一個解決辦法
如果說麻省理工的數據還偏向宏觀，那麼下面一組數字幾乎和所有人息息相關：中國有6.6億左右的眼底疾病風險人群，基層的眼科醫生卻只有3.6萬，比例接近20000：1，同時在這些眼科醫生中，能夠閱片的醫生數量可能只有幾千人。
僅僅在數字上就足以讓人震驚，而數字的背後還隱藏著一連串的事實：
比如相對於基層，醫療資源更向大醫院傾斜，導致人們就醫時習慣性湧向三甲醫院，佔全國醫療衛生機構總數0.23%的三級醫院承載了21%的醫療需求，而佔比高達94.5%的基層醫療機構，只分攤了54%的醫療需求，一邊人滿為患，一邊門可羅雀；
再比如《中國醫師執業狀況白皮書》披露的數據，85.87%的醫生每周工作時長在40個小時以上，長工作時間內的超壓負荷、緊張的工作環境以及與付出不成正比的薪資水平，潛移默化地消磨了醫生們的「職業榮譽感」，致使71.76%的醫生苦於醫患關係的處理。
但這些還僅僅是其中的一個側面，中國所面臨的醫療資源稀缺以及分配不均衡問題遠比想像中的複雜。
一方面，人口老齡化的進程迅猛。1982年全國65歲及以上老年人口佔比還只有4.9%，2000年達到7%進入「老齡化社會」，到2016年老年人口的佔比就已經達到10.8%，預計2035年65歲人口佔比將超過20%，進入到「超級老齡社會」。彼時所存在的醫療痛點將全面爆發，而時間上的窗口期已經非常短。
另一方面，慢病患病率上升的挑戰。中國的疾病譜正從傳染性疾病加速轉向以高血壓、糖尿病、心血管疾病等為主的慢性病，當前慢性病所導致的死亡已經佔到總死亡的87.8%，慢性病導致的疾病負擔也超過疾病總負擔的70%；更令人擔憂的是慢病年輕化的趨勢，這將進一步加劇了中國醫療健康所面臨問題的複雜性。
在這樣的局面下，「健康中國2030」等國家戰略的推行實施，除了優化全民醫療保障制度、推進健康老齡化、重視疾病預防和健康管理等治理措施，運用技術化手段也成為戰略重心之一，諸如互聯網 、大數據、人工智慧等新概念在醫療領域也開始佔據一方高地。
那麼，新技術的落地應用又能否彌合醫療資源的鴻溝呢？
02
用AI「武裝」基層醫生
激活基層醫療潛在價值
在回答這個問題之前，不妨先來看下《麻省理工科技評論》在報告中提到的印度和日本的應用案例：
按照印度中央衛生情報局的報告，2016年印度每千名活產嬰兒死亡34人，嬰兒死亡率是美國的6倍。於是瓦德瓦尼研究所開始通過手機的人工智慧應用統計新生兒數據，例如一定時間範圍內的嬰兒頭部大小，希望利用手機照片和演算法模型的比對，為孕婦提供是否需要手術的建議。
作為世界上第一個進入「超級老齡社會」的國家，一些初創公司針對日本的養老問題開發了獨一無二的AI應用，比如針對失智症患者的溝通工具、幫助護理人員為老年人安排如廁時間的預測分析。
回到中國市場來看，不同於印度、日本在AI 醫療方面的「淺層次應用」，中國的AI與醫療的融合已經進入到了「深層次階段」，開始用AI來「武裝」基層醫生。
百度大腦AI技術驅動的靈醫智惠就是個例子，從2018年百度成立智慧醫療部門，到2019年品牌升級為「靈醫智惠」，短短兩年時間內靈醫智惠已經面對院內院外場景推出了臨床輔助決策系統（CDSS）、眼底影像分析系統、醫療大數據解決方案、智能診前助手、慢病管理等五類解決方案。
就像前面所提到的基層眼科醫生的龐大缺口，靈醫智惠與中山大學中山眼科中心等一流醫院進行深度合作，基於紮實的眼底影像數據基礎，整合循證醫學可解釋演算法架構及深度學習高準確率演算法構造了眼底影像分析系統。只需要使用眼底相機拍攝二維眼底圖，就可以自動提取眼底四大生理結構，在10秒內完成對糖尿病視網膜病變、青光眼、黃斑區病變等疾病的篩查。據悉，該系統已覆蓋數百家醫療機構，日均輔助近3000人完成糖尿病視網膜病變等眼部疾病的科學早期篩查。
《麻省理工科技評論》也在報告中不惜篇幅介紹了百度CDSS系統在北京市平谷區的落地案例。通過學習權威教材、藥典以及三甲醫院優質病歷，百度CDSS被用於輔助基層醫生進行疾病診斷。借用平谷區衛健委信息中心主任焦軍鋒的表態：「以前基層醫生能看的病人、能看的病比較少，所以診療經驗也比較有限，CDSS部署以後，醫生的能力提高了，人們也因此越來越認可我們當地的醫生了。」
或許AI 醫療還有很長的路要走，不同國家的進程也有所不同，至少百度已經驗證了用AI「武裝」基層醫生在方向上的正確性。
（北京平谷區社區醫院應用百度CDSS系統輔助診療）
03
AI 醫療：創新者的征途
深耕落地將推動社會變革
當AI在醫療領域落地應用的時候，也往往伴隨著新的商機。按照研究公司IDC的估計，2022年亞洲醫療保健行業的技術支出可能達到150億美元，並將以每年7%的速度持續增長。
事實也是如此。2016年前後就有一大批AI醫療團隊應運而生，也曾憑藉一個個好故事在資本市場風光無二。可醫療終歸是一個慢行業，摧枯拉朽式的顛覆式革命沒有出現，在落地難、缺少盈利預期等不利因素的制約下，資本市場已經出現了逐漸熄火的態勢，AI 醫療已然成為創新者才有資格入局的征途。
百度無疑就是個直接例證。百度成立智慧醫療部門的2018年，早已有不少創業公司拿到了B輪、C輪融資，可在這場B端市場的探索中，先發者們抓住的不是時間上的紅利，偏偏成了百度彎道超車的墊腳石。有創業者哭訴自己在某家醫院和醫生們同吃同住了一個月，才抓住第一個客戶，百度等互聯網巨頭們則要容易得多。
只是裡面的門檻從來都不是資源優渥與否，AI能力才是真正的槓桿。
以CDSS系統為例，大多數創業者選擇以標準的機器學習演算法，圍繞少數或單一病種作輔助決策，而國家對基層醫生的要求是承擔66種常見病的診療。而靈醫智惠的CDSS系統可以診斷27個科室的4000多種常見疾病，Top3疾病的推薦準確率達95%，並且推出了輔助問診、輔助診斷、治療方案推薦、相似病歷推薦、醫囑質控等板塊，可以無縫融入基層醫生的工作流程。
何況醫療行業本就不是純粹的商業市場，有著天生的公益和社會屬性，參與者不應該局限在「做生意」的心態，而是積極融入到醫療保健行業的改革當中。與微軟的「雲 AI 醫療」的布局有些相似，百度在為基層醫療的改善提供創新方案和思路的同時，也在為東軟、浪潮等同行者們賦能，並且以比賽的形式促進「醫—學—企」的融合，繼而讓AI 醫療成為一場社會性的大變革。
無論是對於基層醫療的從業者，還是每一個與醫療相關的普通人而言，「AI 醫療」的賽道上需要的都是深耕者，而非投機者。
04
寫在最後
美國著名心臟學家埃里克·托波爾在《深度醫學》一書中不無肯定地指出：「人工智慧可以為醫療系統帶來更多的人性和溫情。」
或許埃里克·托波爾的觀點還無法得到所有人的認同，甚至會有人拿著科幻小說中AI醫生消滅人類的場景進行斥責。對於這樣的現象，我們無須用太多的言語苛責，只需要把目光放在亞洲、非洲等欠發達地區的基層醫療事業，然後對比下人工智慧已經帶來的改變，就不難堅定自己的立場。
而作為世界上人口數量最大的國家，中國的基層醫療仍然面臨著種種挑戰，好在百度等人工智慧先行者們早已全副武裝，行動多時。
未經允許請勿轉載到其他公眾號
請給本公眾號留言獲取內容授權
鈦媒體2018十大作者
品途商業評論2018十佳專欄作者
百家號千分好文出彩創作者
人人都是產品經理年度作者
入駐虎嗅、創業邦、界面等60餘家科技媒體
