<mark id="oztn4"></mark>
0
| 本文作者： 任平 | 2023-04-21 10:12 |
今年55歲的方必勇，是貴州龍里縣一個村子的鄉村醫生。
三十多年前，他考入黔南衛生學校“農村醫學”專業，成為村子自解放以來的第一個科班生。光景最好時，他用了十五年時間做到了鄉鎮衛生院院長，又用了十五年時間回到鄉村衛生室，背起藥箱，走鄉串寨，成了方圓五十里有名的村醫。
“鄉鎮醫院里不差一個我，但是村里就差這樣一個我。”這是方必勇選擇留在村里的理由。
如今，像方必勇一樣的基層村醫，龍里全縣有240余名。在這個常住人口近24萬人的小縣城，幾乎每一個村醫要管理1000人，才能撐得起基層醫療衛生事業。他們屬于醫療診療環節的“末梢”，行走在當地縣城的“毛細血管”。
作為鄉村醫生，日常工作主要分為兩塊，一塊是公共衛生服務，主要是定期隨訪四大慢病人群，建立健康檔案以及給村民打預防針；另一塊是基本診療，打針開藥或向上轉診。
過去，方必勇用得最多的診斷工具就是“老三樣”——血壓計、聽診器、體溫計。但基礎設施的落后嚴重限制診斷準確度，一旦用藥不準或過量，不僅耽誤病情，情況嚴重的甚至還會釀成醫療事故。
“背上一個壞名聲，村民以后就不愿意來了。”連方必勇這樣經驗老道的村醫，依然害怕出問題。
實際上，這也是導致我國醫療衛生服務長期失衡的重要原因。
據全國第三次衛生服務調查顯示，目前，我國80%的醫療衛生資源集中在城市，其中80%又集中在大中型醫院，“小病買點藥，大病奔三甲”，成為多數患者的真實就醫寫照。
因此，如何讓村民放心在基層首診，按需轉診，成為全國各地鄉村衛生室的當務之急。
“基層村醫要多扛一點，技術水平提高一點、服務能力完善一點”，這是龍里縣醫共體總院執行院長鄧威經常說的一句話。在他看來，只有從源頭做好分診的“分”，才能保證分診的“診”，要善于將遠程診療，AI導輔診等先進醫療技術引進基層，才能一步步推動新型醫療服務體系建立，真正走出一條可復制的醫改之路。
很多人不知道，在扶持基層醫療首診上，騰訊醫療AI早在六年前就提前布局。
“區域醫療發展的最大問題是什么？大醫院一號難求，小醫院門可羅雀，大病小病都跑大醫院。”
鄧威院長對這一現象深有感觸。他原來是龍里縣人民醫院普外科主任，對于普外科這樣的大型科室來說，收治病種繁多，急診量大，手術多且復雜，工作超負荷是常有的事。但最難的問題是，一旦急重癥患者錯過“黃金就診時間”，后果往往是不治身亡。
龍里縣醫共體總院執行院長鄧威，走訪鄉村衛生室
鄧威拿龍里縣舉例，龍里縣超1500平方公里，下轄5鎮81村，優先采用“就近就診”才是最優策略。
然而，現實是目前龍里當地基層醫生普遍存在學歷低，大部分都是專科畢業，很少一部分通過繼續教育拿到本科證書，存在技術水平不高、服務能力較差等問題，導致他們面對接診時遇到的棘手情況，不會看病，很難與上級醫院做好配合。
長期以來，我國針對基層醫生能力提升制定了各種辦法，比如專家下鄉幫扶，基層村醫外出進修。但多年來臨床一線的工作經歷，讓鄧威看到了不少問題。
“本身縣級醫院人手就不足，專家下派后各科室日常運作可能就出現問題，且不說醫生下鄉會不會‘打醬油’，光是醫療技術提升本身就是一個長期過程，專家撤回后，基層醫生馬上又回到原點。同樣，基層村醫每季度例行外出學習，基層衛生所就要關停，老百姓就診就出了問題。”
此外，鄧威指出，過去醫院也想過通過遠程連線的方式幫扶基層醫生，但設備大都固定在會議室，每次會診都要花費大量精力統籌上下級醫療機構的醫患時間，最終這批遠程設備大都淪為了醫院的開會工具。
因此，對于基層衛生室而言，一個尷尬處境是門診醫生全科技能不到位，被動輸送僅有的病源，又不能跳出基藥的用藥桎梏，更無專科特長門診。因此，不少人稱：“現在的基層衛生室只具備公衛的功能，日常只做著測測血壓、刷醫保、配慢病藥的‘搬磚’業務而已。”
2015年9月，隨著國務院辦公廳印發《關于推進分級診療制度建設的指導意見》，“基層首診、雙向轉診、急慢分治、上下聯動”的十六字方針正式出臺，釋放加快建設各地分級診療制度的信號。
鄧威表示，國家政策送來及時雨，一掃龍里縣過去束手束腳的醫改作風。
“從這以后，我們縣醫院和縣委縣政府，一直在構思如何構建一個可持續的醫療協同體系。更確切來說，基層首診是分級診療的發展基礎，要讓患者對分級診療‘買單’，關鍵是要讓優質的醫療資源在基層得到共享，讓基層醫院的實力‘硬’起來。”
實際上，這也是AI等新技術下沉龍里的重要契機。
2015年開始，針對龍里當地特點，騰訊與合作伙伴中邁醫療開始構思軟硬件支持，率先在龍里各級醫療機構進行試點，目標是建成覆蓋省、州、縣、鎮、村五級醫療機構的遠程醫療服務體系。
值得一提的是，自2021年7月龍里縣啟動“醫共體”建設以來，縣人民醫院、縣中醫院、縣婦幼保健院以及 14 家鄉鎮衛生院、1家社區衛生服務中心實施“集團化辦醫”，近一步推動了各級醫療機構資源互通，為騰訊在龍里全縣推進AI導輔診平臺吹來東風。
透過一個例子看AI在村醫手中的用法。68歲男性，自訴有高血壓，初次就診，AI代入專科醫生的視角，會這樣輔助村醫來問診：
首先，會追問患者高血壓的時間信息，包括出現多久、是首次出現還是復發，并追問相對客觀的指標，比如血壓的具體數值（收縮壓/舒張壓）；
接著，追問相關誘因、伴隨癥狀，比如AI還單獨追問了“是否有粉紅色泡沫痰”，“是否出現右上腹疼痛”。為什么會提這么具體的問題？實際上，這是患者有無心力衰竭的高危預警癥狀，AI試圖一一排查。
最后，采集過敏史、既往史、個人史、檢驗檢查等情況，全面評估患者情況，自動生成結構化的電子病歷。
對于不常見的癥狀，或者沒有把握的診斷，村醫們習慣先找手機里的AI問一問。他們大致能感受到AI給出的參考是有條不紊的，但AI背后的知識庫可能遠超出他們的想象：
AI導輔診技術背后的醫學圖譜，涵蓋了近100萬醫學術語節點，以及近400萬條醫學關系鏈，為基層醫生搭建了一個包含疾病知識、治療方案、臨床路徑、用藥規則等海量知識的“醫學百科”。目前，AI導輔診系統能夠精準預測272種基層常見病，鑒別診斷超過3000種疾病，遠超出國家衛健委要求基層鄉鎮衛生院開展診治的66種基本病種。
同時，為了讓AI更懂患者的口語化主訴表達，系統還用自然語言處理技術，學習海量的標準化醫學文獻，以及經過高年資醫生標注的臨床病歷，形成具有數十億參數的醫學AI大模型，輔助基層醫生更規范、全面地了解患者病情。
此外，以電子病歷為基礎，通過數字醫療協作系統“一鍵撥通”縣級醫院對口科室，就可第一時間獲得上級專家一對一指導，為患者進行病情研判和精準診療，快速提升基層醫生診療操作能力。
作為親身使用者，方必勇在用了五個月后，已經能夠熟練在移動大屏和手機上操作這一工具，每周都能與龍里縣第一人民醫院心內科的田醫生連線交流。他直觀感受到，“現在是AI和上級醫生帶著我一起學習，每次遠程會診就是一次示教，專家在線做信任背書。鄉親們知道不出村就能掛上專家號，就診人數也變多了。”
龍里縣團結村村醫溫園紅，使用AI問診后一鍵撥通上級醫院
一組數據顯示：距離龍里縣二十多公里外的草原衛生院，2020年門診量是8900多人次，自從接入AI導輔診系統+遠程會診系統后，2021年全年門診量提升2倍，達到了19000多人次。
與此同時，龍里各級醫療機構的差異化門診報銷比例，即省醫門診全自費，縣醫院為45%，鄉鎮衛生院為55%，進一步推動“大病不出縣、常見病不出鎮、小病不出村、康復回鄉鎮”的基層醫改目標落到實處。
“有些東西我們其實幾年前就在做了，之所以這個時間點發布，是因為還是希望能有一些真正的成績拿出來。這個需要時間的打磨，還需要有落地的印證。”
在2022年底的騰訊數字生態大會上，騰訊健康副總裁吳文達曾指出，騰訊的產品發布原則，不能夠停留在純PPT、講概念的層面，必須有真正的產品操作頁面拿出來，而且是已經開發完了，也實際驗證過了，才會對外做展示。
事實上，從騰訊2018年6月正式開放旗下首款AI+醫療產品“騰訊覓影”的AI導輔診引擎，已經走過五年時間。
這一過程中，如何實現導輔診技術把傳統的“人找服務”轉變成“服務找人”，從住院、門診和互聯網就醫場景中，把每一個就醫步驟全部按時間順序推送給患者，讓患者能夠平滑地完成整個就醫過程，需要騰訊與醫院和醫療信息化廠商打好配合，也需要提前練好內功。
騰訊AI導輔診產品負責人趙靜，最早負責QQ空間的對話交互，2018年以來轉向醫療產品開發，她對雷峰網表示，早在2017年，騰訊AI導輔診產品就開始做底層技術積累，將醫療AI、自然語言處理（NLP）、醫學知識圖譜等技術一體化，核心思路是通過NLP的技術研究醫學文本，輔助醫生診斷。
她形容道，“這個過程需要時間的積累，好比一個醫學小白成長為獨當一面的醫學專家，需要經歷熟讀醫學書籍的積累期，臨床實習的診斷技能提升期，以及大量臨床實踐的執業期。與人類醫生的學習路徑相似，AI導輔診也要遵循由淺入深的學習過程。”
首先，運用自然語言處理和深度學習等AI技術，學習、理解和歸納權威醫學書籍文獻、診療指南和病歷等醫療信息，自動構建出一張“醫學知識圖譜”；
其次，基于病歷檢索推理和知識圖譜推理知識，建立診斷模型；
最后，在人類醫學專家的校驗下，優化診斷模型。
因此，我們能看到，騰訊AILab、天衍實驗室、優圖實驗室、等騰訊公司內部的AI實驗室多次聯手研發，賈佳亞、姚建華、鄭冶楓等世界級科學家牽頭項目，提供算法支持并參與模型開發工作。國內頂級醫學專家，學科帶頭人，如宮頸癌方向僑友林、眼科方向王寧利、消化道方向李兆申等擔任具體項目顧問，長期指導不同病種研究方向。
在第二十屆中國計算語言學大會（CCL2021）的“智能化醫療診斷賽道”，騰訊天衍實驗室團隊提交的方案憑借較高的疾病預測準確率和癥狀召回率，成功獲得該賽道第一名。此外，面向醫療大數據、自然語言理解、醫療影像等方向，多篇論文曾被自然語言處理領域的頂級會議ACL和人工智能領域頂級會議IJCAI接收。
近年來，在互聯網技術和政策、疫情等大環境的推動下，在線問診需求正高速增長，對自然語言處理技術在該領域的研究成果和應用落地也越來越多。但醫療行業有其特殊性，涉及到數據隱私、數據安全、數據倫理等諸多問題，一直被視為戰略高地。
正如吳文達曾說過的一番話，“通過小型科研用AI的方式，監測某一個患者的并發癥，這個不難實現。但如果要批量大規模做這個事，真正在醫療上面應用到AI，離不開數據質量的規范化。”
但事實情況卻是，數據一直被各家視為“護城河”，作為稀缺資源并未廣泛流通，零散分散在醫療機構的各種信息化系統中。
因此，騰訊AI導輔診產品在落地過程中，堅持與已然打入醫院內部的醫療信息化（HIS）廠商合作的核心目的，就是能力互補一一騰訊更專注于核心的AI算法，更多開放的是能力，醫療信息化廠商更懂醫院、醫生及醫療，這樣的合作能加速技術在醫院場景中產品化落地的進程。
直觀數據顯示，2018年AI導輔診引擎發布當天，騰訊分別與智業軟件、山東順能、廣州海鶿、金蝶醫療、健康160等醫療信息化廠商及其合作醫療機構簽署了戰略合作協議，上述五家醫療信息化廠商服務的醫療機構近千家，由此奠定了如今騰訊AI導輔診的千院規模。
“這樣的合作模式非常符合我們互聯網公司‘小步快跑、快速迭代’的風格。”趙靜表示，“產品一經推出就會上線，在線上做反復的迭代升級，我們也會親自實地調研，盯醫生用后的反應，也會邀請部分醫生參與到優化過程中。”
從最早擠入一線大三甲，到如今輻射偏遠基層衛生室，兩項工作的難度不盡相同。
但經歷過三年疫情大考，武漢戰疫、上海戰疫以及鄉村戰疫等，極限形勢下的醫療AI落地方案不斷更新，“比如各省份的問題需求，我們內部的研發配合，各地區的政策力度，HIS廠商的區域服務能力，能讓我們積累具體場景下的軟硬件耦合經驗和部署實踐。”趙靜說到。
據了解，龍里縣的數字化分級診療體系搭建，醫院合作技術成本從5000萬級別降至10萬級別，每年可為群眾節約就醫成本370萬元。這也意味著，騰訊AI導輔診下沉龍里，跨越地域與資源的界限，正在帶來一場深刻的醫療變革。
近期，隨著ChatGPT上線火爆全球后，各個行業都開始高度關注到科技變革的力量。
據IDC統計，到2025年AI應用市場總值將達到1270億美元，其中醫療行業將占市場規模的五分之一，中國已經迎來醫療AI的風口。
今年3月22日，騰訊在發布的《2022年第四季度及全年財報》中透露，正大力投入AI與云基礎設施建設，將AI能力應用到工業質檢、智能制造等產業場景，以及醫療、助老、生物多樣性保護、農業等多個社會領域。
間隔一周后，騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生對外簡單透露，“騰訊正在研發類ChatGPT聊天機器人。”對于騰訊的聊天機器人是集成到QQ、微信，還是通過騰訊云向B端用戶服務，湯道生回答三個字：“都會有。”
在3月國內大廠集體進入AI大模型“軍備競賽”的時刻，騰訊高層的表態，似乎有意在這一波浪潮中引而不發。
值得注意的是，早在2022年4月，騰訊曾首次披露“混元”AI大模型刷榜奪冠消息，當年12月，騰訊正式推出國內首個低成本、可落地的萬億參數“中文NLP大模型”——混元NLP大模型，并已悄悄嵌入騰訊廣告、騰訊搜索等多個核心業務場景。
接連動作，已經明確騰訊加碼NLP賽道的野心。而混元NLP大模型如何進入醫療場景，成為騰訊的一道重要命題。
但毫無疑問，AI導輔診是NLP大模型發揮價值的熱門賽道。這有很大的想象空間。
首先，重點研究因果推理，疾病預測將實現可解釋。
過去的NLP系統更像一個黑盒，只能輸出結果，很難解釋為什么是這個結果。但如今ChatGPT等大模型在這方面有了不錯的提升。比如讓ChatGPT去解一道數學題，它既能告訴你答案，還能分步驟解釋解題思路。
ChatGPT解題思路
“因此，推理邏輯是GPT等大模型的最大升級。”
趙靜說到，“如果這一技術放在輔助診療、疾病預測場景下，不僅能夠自動對話梳理患者病史，比如發病時間、伴隨癥狀、首發復發、體檢指標、相關誘因以及過敏史，既往史，家庭史等，快速出具預測結果；同時，還可以展示相似病人病歷，依據病理給出判斷理由。”
今年2月23日，中共中央辦公廳、國務院辦公廳印發了《關于進一步深化改革促進鄉村醫療衛生體系健康發展的意見》，明確提到一點：要逐步促進村醫執業醫師化，到2025年，鄉村醫生中具備執業（助理）醫師資格人員比例提高到45%左右。
以龍里為例，目前基層鄉鎮衛生室已經建立遠程會診體系，未來除了不定期的遠程帶教和遠程查房外，基層醫生還可會通過AI導輔診工具補齊知識短板。從縣域醫療發展的整體出發，這種模式也將促進“輸血式”的遠程“拉幫帶”，升級為自驅式的“造血式”常態化學習，從而進一步提高基層醫護人員的醫療服務能力，有效推動縣域優質醫療資源的擴容和下沉。
其次，發揮AI大模型強大的整合信息和語言組織能力，能提高智能預問診、院外隨訪“人味兒”。
“它可以讀取就醫場景所有的醫療政策，就診流程手冊，基于這些內容提供相應的服務引導，具體到科室，路線等，這是更加人性化的交互，可以做到比你更了解醫院場景，甚至在提供服務時比現有的智能客服更有溫度。”
與此同時，趙靜指出，要實現這些功能還有不少難點。
在準入門檻方面，算力壁壘決定訓練成本高，目前國內只有幾個大廠具備能力布局大模型。而OpenAI逐步放棄開源，極大增加了國內科技企業的復現難度。頭部廠商能否支撐訓練及推理環節的算力需求，還需要考慮資金充足程度與公司戰略。
在數據方面，如何獲取高質量的數據，利用醫療數據訓練完成后，模型準確性或可適用度到底有多高，還值得論證。互聯網詞匯存在負面信息，單純憑借學習能力無法清除這些訓練數據，因此，具體標注技術細節、對標注員的培訓等仍需要國內科技企業探索。
在人機交互方面，如今大多數ChatGPT的生成過程包含隨機性，讓它看起來更不受控制，或者生成虛假回答。但醫學領域強調客觀、準確、及時，如何在醫學這一嚴肅的垂類領域做出好的交互工具是個不小的挑戰。
如今，由ChatGPT引發的AI熱潮，已經行進到爐火純青的關鍵階段，再立浪潮之巔，趙靜和團隊都有不少感觸，“或許我們不是顛覆者，但我們一直在做難而正確的事。”
雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
