华之康六早带你看人工智能在大健康行业应用场景中信任如何建立

今年年初，一篇《流感下的北京中年》的文章刷爆朋友圈，也道出了中国人患病后面临的种种无奈。提交人的岳父意外得了流感，起初他选择就近治疗，但病情越来越严重。到达大型医院后，医生发现感染已经渗透到肺部，很难确定病毒类型。在ICU进行了一系列治疗后，患者仍然无法康复，最终死亡。看似简单的流感在不到一个月的时间里夺走了人们的生命，甚至毁掉了一个家庭的幸福生活。

这样的过程和结果更让人唏嘘和共鸣：看病太难了。

当然，这个“困难”并不意味着医疗机构少。全国共有各级医疗机构99.3万个，比美国的78.5万个还多，从平均人口覆盖率来看，全国每个医疗机构平均覆盖1400人，基本相当于日本的1155人

“看病难”的真正原因在于医疗机构分布极不均衡。

拥有优质医疗资源的高等级医院数量有限，主要集中在经济发达的大城市。但是，虽然有大量的中低水平医疗机构，但医疗资源和能力不足。人生病的时候，往往不信任身边的低级医疗机构，即使困难也愿意跑到大医院。对大多数人来说，大医院意味着“有保障”和“麻烦少”。

以去年年底的流感季节为例。一方面，各地的儿童医院都人满为患，排队要等上几个小时甚至十几个小时。另一方面，许多社区医院仍然无人问津，就医人数极其有限。

这种患者跑大医院的“虹吸效应”，反映了医疗服务体系的设计和管理。我国在计划经济时代建立的三级医疗服务体系越来越无法与日益丰富的市场经济环境相匹配。

原因如下：第一，从需求来看，随着中国人收入的增加和交通的日益便利，患者更愿意也更能够找到优质的医疗资源。为了寻求好的医疗，成本越来越被忽视，通过传统的医疗服务差别定价进行市场协调的手段越来越失效。

二是从供给角度看，现实中基层和先进医疗机构的双重补偿机制导致和强化了医疗资源配置的“倒三角”结构。对于高等级、大型医疗机构，采用财政差额补偿和按服务项目缴纳医保。接受治疗的患者数量与收入直接相关，这使得这些机构对患者的态度“越多越好”。但基层医疗机构采用收支两条线和基本药物制度，就诊患者数量基本不影响收入，导致这些机构对患者态度消极，甚至“不愿意治疗”、“愿意放过”。

分级诊疗，单靠行政手段很难落地。“分级诊疗”被认为是解决“看病难”问题的最佳方案。所谓“分级诊疗”，就是根据疾病的轻重缓急和治疗难度进行分级，由不同级别的医疗机构承担不同疾病的治疗。这种模式起源于西方，目前正在西方国家推广。其主要特点是“全科医生”和“专科医生”的分工和协调分工。

全科医生大多深入居民社区、私人社区诊所等基层医疗机构，负责处理百姓的各种日常疾病，决定患者是否需要送往专科医院。专科医生通常坐在各个专科医院，负责治疗全科医生转来的病人，治疗他们的重大疾病。在这种模式下，大量全科医生处理了80%的百姓医疗问题，而专科资源可以集中治疗20%的重大疾病，使医疗资源与患者需求有效匹配。

事实上，我国已经开始了分级诊疗的努力和尝试。2015年9月，国务院办公厅发布《关于推进分级诊疗制度建设的指导意见》，希望通过指导和推动分级诊疗制度的建立，实现患者需求与各级医疗资源的更有效匹配。随后，各省市也进行了各种尝试，探索分级诊疗的方法。

有行政强制类，如青海；基于医保的强制首诊转诊措施，有经济激励，如青岛正确首诊可以降低免赔额，提高报销比例；还引入了私营部门，例如上海基于社区医院的家庭医生机制

虽然这些尝试起到了一定的探索作用，但效果仍然是局部的、有限的。通过对比2015-2017年三年间不同级别医疗机构的平均就诊人数，我们发现高等级医院(如三级甲等)仍然持续吸引资源和患者，居民就医流向不是分散而是更加集中。

分级诊疗为什么这么难？

因为单纯依靠行政手段，无论是强制还是激励，都无法解决分级诊疗面临的核心问题：优质医疗资源有限。分级诊疗的有效实施需要大量称职可靠的全科医生来覆盖和满足大多数人的日常医疗需求。

这一制度的有效建立，不仅需要医生的全面培训，还需要建立稳定信任的医患关系，这需要大量的时间和成本投入，很难一蹴而就。英国，等西方国家经过近70年、三代人的努力，建成了今天的全民医疗服务体系。

好医生还不够？人工智能辅助的三个场景。

由于缺乏好医生是核心问题，如何快速、良好地建立一支好医生队伍成为医疗行业发展的基础。人工智能技术非常适合优化和加速这一过程。医疗行业是一个数据量很大的行业，目前依靠专家的经验。所谓诊断，大多是医生个人经验处理和判断病人的各种检查、影像等数据和信息。首先，人工智能特别适合快速高效地处理海量数据，尤其适合分析人们无法察觉的数据差异，这些差异可能决定对疾病的判断。其次，通过机器学习，人工智能可以将专家经验转化为算法模型，使专家经验低成本复制。因此，大量基层医疗机构可能会更方便地使用人工智能专家进行诊断，这将有效支持分级诊疗的实现。

随着人工智能技术的融合，未来人们有望享受“家-全-专科”三级系统化医疗服务，即人工智能家庭医生/全科医生/专科医生三种角色的应用场景。

人工智能应该是“医生”吗？建立信任是关键。

当然，人工智能要进入医疗行业，尤其是要承担医生的部分甚至全部职责，还得面临诸多挑战。信任，尤其是患者对医生的信任，是当前医疗行业最难建立的核心问题之一。

过去的医疗体制改革过程中，商业化、市场化等负面影响逐渐增加，患者越来越担心医生“赚钱治病”的问题，医患矛盾时有发生。跑大医院成了患者无奈的选择，因为除了“名医名院”的招牌，没有更好的建立和维系信任的手段。

人工智能需要在这个信用不足的行业中获得患者、医生甚至监管部门的信任。可以说很难，但也是必经之路。要促进信任的建立，至少有四个方面值得研究和探索：

第一，技术信任。人工智能在医疗行业的应用需要建立一系列的技术性能指标体系，并重点关注正规商业指标水平的要求，从而保证人工智能达到甚至超过人类医生的基准要求。如疾病识别的敏感性、特异性和准确性。

第二，责任信托。人工智能使得传统人类医生的工作被智能机器所取代，那么接下来的问题就是：这项工作的质量和出错的风险应该由谁来负责？是用人工智能的医生吗？医院？还是人工智能供应商？这种因具体情况而异的责任很容易给人一种模糊的感觉。因此，有必要关注责任原则，以消除患者对“出了问题找不到人”的担忧。例如，在有偿交易的情况下，责任主体可以由直接参与交易的双方确认。患者支付住院治疗费用，使用医院提供的人工智能服务。当出现问题时，医院应该对病人负全部责任。

第三，隐私信任。使用人工智能诊疗服务的患者需要提供大量的个人健康医疗信息。这些信息大多具有高度私密性，一旦泄露，会对个人声誉甚至安全造成风险，属于数据隐私的重点保护范围。因此，人工智能在诊疗中的应用需要与患者签订相关的数据隐私和保密协议，让患者安心。例如，协议可以明确规定，未经患者同意，治疗期间收集的个人数据不得用于其他目的。第四，情感信任。疾病治疗不仅仅是生理治疗，在患者的整个治疗过程中，心理和情绪疏导也非常重要。目前，由于医患资源的不匹配，医生很少对患者进行有效的心理沟通和疏导，医患之间难以建立情感信任。人工智能借助对患者个人情况的持续记录和洞察，有望提供个性化的辅助诊断和陪伴服务，从而成为建立医患情感信任的有益补充。因此，对于医疗行业来说，推动情感机器人的发展也是未来的一个重要方向。

希望在未来的某一天，我们每个人都有一个值得信赖的专属“医生”。在他的帮助下，患者不再需要挤破脑袋找名医名医，也不用为了治病而加班。如果能进一步打破机构间数据壁垒，更广泛有效地培养这位AI“博士”，相信这一天不会太远。