在對醫(yī)療健康供需優(yōu)化的路上，有一類通過借助人工智能的技術手段，針對院內(nèi)市場，以提升醫(yī)療效率為核心目標的產(chǎn)品方向，業(yè)內(nèi)稱這個方向為AI醫(yī)療。本文來談一談我對于AI醫(yī)療的思考和了解。

最近針對“互聯(lián)網(wǎng)+醫(yī)療健康”基于全行業(yè)產(chǎn)業(yè)鏈做了一定的思考和分析，把前面寫過的四篇文章貼出來，供大家追溯查看：

一、背景

大家都知道，當下醫(yī)療健康行業(yè)供需關系嚴重失衡。

從供應側(cè)來看：

1. 醫(yī)療資源少（表現(xiàn)為醫(yī)院和醫(yī)生少，好醫(yī)院和好醫(yī)生更少）
2. 地域割裂性（表現(xiàn)為大城市醫(yī)院多且好，小城市醫(yī)院少且差）
3. 醫(yī)療效率低（表現(xiàn)為院內(nèi)診中環(huán)節(jié)就診工作量大）

從需求側(cè)來看：

1. 需求多（表現(xiàn)為患者數(shù)量多）；
2. 需求均等（表現(xiàn)為各地域患者對醫(yī)療服務需求是無個體差別的）；
3. 高效治愈（表現(xiàn)為患者都期望盡快診斷、盡快治療、盡快治愈）。

二、概述

那本文主要談的AI醫(yī)療為解決上述供需失衡環(huán)節(jié)中，都圍繞什么方向做了哪些舉措來達成了怎樣的目標呢？

本質(zhì)：醫(yī)療健康行業(yè)的供給側(cè)改革。

方向：醫(yī)療行業(yè)供應中的醫(yī)療效率環(huán)節(jié)。

場景：院內(nèi)市場。

角色：醫(yī)院、醫(yī)生、AI醫(yī)療平臺。

目標：提升醫(yī)療效率，完成對醫(yī)生的智力解放，讓醫(yī)生資源專注到核心業(yè)務中，從而實現(xiàn)醫(yī)生群體業(yè)務能力的提升，通過多地域多醫(yī)院的介入，提升醫(yī)療體系的運行效率及診療規(guī)范性。同時把頂級診療機構的診療能力賦能到基層，提升基層醫(yī)療機構的診療能力，緩解當前中國最為急需解決的優(yōu)質(zhì)醫(yī)療資源短缺及分布不均的問題，讓更多基層百姓享受到技術進步帶來的診療體驗提升，最終實現(xiàn)整體醫(yī)療資源醫(yī)療水平的提升。

三、宏觀政策

如果說行業(yè)供需環(huán)節(jié)的薄弱點代表了行業(yè)的某些痛點，行業(yè)的某些痛點代表了我們的產(chǎn)品方向的話，那么宏觀政策就代表了我們完成這個方向優(yōu)化的整體依據(jù)。

針對AI醫(yī)療，按時間軸有以下宏觀政策：

2016.5.8國家四部委發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》

• 在【關鍵內(nèi)容】中，提出加快計算機視覺、生物特征識別、自然語言理解、智能決策控制以及新型人機交互等關鍵技術的研發(fā)和產(chǎn)業(yè)化，為產(chǎn)業(yè)智能化升級夯實基礎。
• 在第三大項【推進重點領域智能產(chǎn)品創(chuàng)新主要任務】中，提出推動互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)融合創(chuàng)新，支持在制造、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網(wǎng)絡安全、社會治理等重要領域開展人工智能應用試點示范。

2016.10.25 中共中央、國務院印發(fā)了《“健康中國2030”規(guī)劃綱要》

• 推進健康中國建設，要堅持預防為主，推行健康文明的生活方式。
• 要調(diào)整優(yōu)化健康服務體系，強化早診斷、早治療、早康復，堅持?；尽娀鶎?、建機制，更好滿足人民群眾健康需求。

2017.7.8 國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》

• 該規(guī)劃提出了面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務和保障措施，部署構筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設創(chuàng)新型國家和世界科技強國。
• 在第二大項第四部分【培育智能產(chǎn)品-醫(yī)療影像輔助診斷系統(tǒng)】中，提出推動醫(yī)學影像數(shù)據(jù)采集標準化與規(guī)范化，支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領域的醫(yī)學影像輔助診斷技術研發(fā)，加快醫(yī)療影像輔助診斷系統(tǒng)的產(chǎn)品化及臨床輔助應用。

從宏觀政策上看，在高層國家戰(zhàn)略的角度上，宏觀上對AI醫(yī)療是肯定和扶持的。

四、產(chǎn)品落腳點

確定了產(chǎn)品方向，那AI醫(yī)療具體的產(chǎn)品落腳點在哪里呢？

首先，我們來看AI醫(yī)療存在的邏輯在哪里？AI醫(yī)療是為了取代院內(nèi)場景中大量重復的人工類工作而存在，這類工作需要具備以下特點：

1. 人工重復性；
2. 有規(guī)律、有路徑、有依據(jù)。

那在院內(nèi)環(huán)境中，大量現(xiàn)存的醫(yī)療效率問題集合里面有哪些符合這類工作的特點，我們把這些有此類特點的工作抽出來便是AI醫(yī)療具體的產(chǎn)品落腳點。

4.1 影像學部分

以胸部CT診斷為例，每一位患者做一次檢測將產(chǎn)生200-300張切片圖像，傳統(tǒng)方式單片解讀通常要花醫(yī)生將近10分鐘，通常在省級大型醫(yī)院，放射科醫(yī)生每天要閱讀約4萬張圖像，工作量大、壓力大，而通過計算機視覺技術的AI醫(yī)療可有效解決這個問題。

而在院內(nèi)醫(yī)療環(huán)節(jié)中，放射學科掌握 80% 以上的醫(yī)療大數(shù)據(jù)，是疾病診斷的關鍵入口之一。AI醫(yī)療介入該環(huán)節(jié)就相當于介入了醫(yī)療診斷的關鍵入口環(huán)節(jié)，其中累積的大數(shù)據(jù)也可以為后續(xù)AI醫(yī)療產(chǎn)品的持續(xù)優(yōu)化提供源動力。

4.2 輔助診斷部分

以肺癌這個病種為例，AI醫(yī)療需要跨多學科的介入臨床場景，病種庫跨系統(tǒng)需集成數(shù)萬甚至數(shù)十萬例例肺癌患者全周期數(shù)據(jù)、百萬份臨床文檔和報告、千萬份原始醫(yī)學圖像，收錄了肺癌患者的影像、病理、基因檢測、病歷文本等多維數(shù)據(jù)。來實現(xiàn)結節(jié)篩查等初級功能，同時結合國際、國內(nèi)最新臨床肺癌診療指南，來實現(xiàn)肺癌全類型病灶的診斷覆蓋，綜合多學科臨床信息作出診斷，從而減少該病種的誤診、漏診情況，提升診療效率。

目前市面上主流的AI輔助診斷系統(tǒng)已覆蓋了包括兒科、腫瘤科、心腦血管科等主流科室，假以時日，相信AI輔助診斷系統(tǒng)將會逐步落地到更多的臨床科室中。

4.3 科研大數(shù)據(jù)平臺

目前國內(nèi)各科室醫(yī)學協(xié)會、醫(yī)院、醫(yī)學院等，缺乏更有效的科研大數(shù)據(jù)平臺，在科研場景中常需要到各個地方檢索多個離散的信息后再人工聚合，效率不高，無法將精力全部放在科研業(yè)務探索上。

AI醫(yī)療基于強大的大數(shù)據(jù)能力，可在醫(yī)院臨床大數(shù)據(jù)的基礎上，有效構建科研大數(shù)據(jù)平臺，為醫(yī)生做好科研工具的服務，讓醫(yī)生將全部精力放到科研業(yè)務中來。

五、實現(xiàn)步驟

如果要實現(xiàn)AI醫(yī)療，有以下問題要解決，解決這些問題的過程便是AI醫(yī)療的實現(xiàn)步驟：

5.1 數(shù)據(jù)的結構化和標準化問題

• 文本數(shù)據(jù)轉(zhuǎn)化問題：醫(yī)療數(shù)據(jù)結構隨意、差異化大、病歷格式不同、描述不同，臨床語言屬于自然語言范疇，同時具備醫(yī)學表述所特有的語法結構特點和語義特點，特定醫(yī)學實體識別相對容易，全量信息解析提取沒有現(xiàn)成可用的成果。
• 醫(yī)療影像提取復雜度問題：醫(yī)療影像數(shù)據(jù)屬于典型的“高維數(shù)據(jù)”，內(nèi)容豐富但提取復雜，若使用人工判讀，工作量和一致性極差，無法進行萬量級大數(shù)據(jù)處理，若基于報告進行提取，會遺漏大量信息。
• 數(shù)據(jù)標準化問題：在術語使用、描述方式等多層面，臨床數(shù)據(jù)要完成徹底的標準化，才能成為高質(zhì)量數(shù)據(jù)，臨床工作強度高，部分數(shù)據(jù)存在描述不完整設置表述錯誤的情況，質(zhì)量治理工作復雜。

5.2 人工智能的不透明問題

這個問題本質(zhì)是醫(yī)生對于AI醫(yī)療輔助診斷結果的信任問題，這個問題決定了醫(yī)生對AI診療建議的采納率，為解決這部分問題，需要在產(chǎn)品層面加入一些可解釋的技術分析指標，用來給醫(yī)生提供證據(jù)，告訴醫(yī)生AI診療結果的判斷原因。

5.3 商業(yè)化問題

醫(yī)療資源分布不均這一“瓶頸”是醫(yī)療供需環(huán)節(jié)的一大痛點，打通痛點便是商業(yè)化的機會。大醫(yī)院人滿為患，而基層醫(yī)療機構診療能力提升困難，以人工智能技術為工具，打破信息屏障，將大醫(yī)院的診療能力賦能基層，讓基層醫(yī)院醫(yī)生能夠更準確地進行診斷和治療，是解決我國醫(yī)療資源短缺的重要手段。而提供這一重要手段的AI醫(yī)療一定能夠再解決供需問題中找到商業(yè)化的路徑。

六、挑戰(zhàn)

同任何發(fā)展中的事物一樣，AI醫(yī)療也面臨著發(fā)展過程中的一些挑戰(zhàn)，主要表現(xiàn)在：

• 數(shù)據(jù)問題：人工智能應用要落地，就需要優(yōu)質(zhì)的數(shù)據(jù)土壤。機器學習并建模的過程需要大量數(shù)據(jù)，目前醫(yī)療數(shù)據(jù)仍然割裂在各個獨立的醫(yī)院中，從單個醫(yī)院過來的數(shù)據(jù)樣本不夠巨大。
• 醫(yī)療信息標準缺失：目前國內(nèi)沒有醫(yī)療信息數(shù)據(jù)的行業(yè)通用標準，不同醫(yī)院，甚至不同醫(yī)生，對病歷編寫、對病灶標注、對病種叫法都有不同，人工智能是強數(shù)理、強邏輯的工具，對于內(nèi)容的精準度和標準化要求很高。
• 人才問題：醫(yī)療本身是一個非常專業(yè)的領域，人工智能技術在醫(yī)療應用上的突破離不開醫(yī)學界的深度參與。人工智能醫(yī)療領域最缺乏的其實是復合型人才，既要懂醫(yī)學，又要懂人工智能技術。醫(yī)學人才的參與能夠讓人工智能團隊少走彎路，許多醫(yī)學問題也可能在人工智能輔助下有所突破。

上述這些發(fā)展中遇到的挑戰(zhàn)也只能夠在發(fā)展中解決，資源整合和各地域各醫(yī)院合作是可以有效解決這類問題，我們期望能夠在國家層面有意識地整合資源，梳理出臨床醫(yī)學人工智能的發(fā)展規(guī)律和路徑，鼓勵醫(yī)學界、科研單位、企業(yè)等多方深度合作，從而進一步推動醫(yī)療人工智能發(fā)展。

總結

本文對AI醫(yī)療做了簡單的概述，綜合來說，人工智能打破了醫(yī)院與醫(yī)院的邊界，延長了服務半徑，能直接快速的提高本院及基層醫(yī)療服務水平，助力分級診療。

可比較高效的提升醫(yī)療體系的運行效率及診療規(guī)范性，提升基層醫(yī)療機構的診療能力，緩解當前中國最為急需解決的優(yōu)質(zhì)醫(yī)療資源短缺及分布不均的問題，讓更多基層百姓享受到技術進步帶來的診療體驗提升。

相關閱讀

醫(yī)療健康產(chǎn)業(yè)互聯(lián)網(wǎng)的思考分析

當我們談慢病管理時，我們談些什么？

對醫(yī)療健康互聯(lián)網(wǎng)C端產(chǎn)品的一些思考

醫(yī)療健康行業(yè)中那些相對正確的產(chǎn)品方向

作者：田絲兒，公眾號：U-4EverYoung

本文由 @田絲兒 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pexels，基于 CC0 協(xié)議