AI醫(yī)療如何“下基層”？下基層

　　【場景創(chuàng)新面面觀】

　　人工智能(AI)輔助解讀患者影像資料，外骨骼機器人幫助患者做康復訓練，醫(yī)療用面AI系統(tǒng)預判患者發(fā)生急性心梗的臨多風險……如今，AI逐漸走進醫(yī)療的重挑戰(zhàn)不同場景，給看病就醫(yī)帶來實實在在的下基層改變。

　　前不久，醫(yī)療用面國務院辦公廳印發(fā)的臨多《關于加快場景培育和開放推動新場景大規(guī)模應用的實施意見》要求，推動大數(shù)據(jù)、重挑戰(zhàn)物聯(lián)網(wǎng)、下基層腦機接口等新一代信息技術及醫(yī)療機器人等智能設備集成應用，醫(yī)療用面創(chuàng)新健康咨詢、臨多問診指引、重挑戰(zhàn)輔助診斷、下基層遠程醫(yī)療、醫(yī)療用面用藥審核等醫(yī)療應用場景。臨多

　　這一政策在為AI醫(yī)療普及指明方向的同時，也讓一個重要問題浮出水面：先進技術如何適配應用場景，使AI真正走進基層醫(yī)院、服務普通百姓？

　　重塑醫(yī)療全鏈條

　　1月6日，中國科學院深圳先進技術研究院醫(yī)學成像科學與技術系統(tǒng)全國重點實驗室研究員王珊珊等人在《自然·生物醫(yī)學工程》發(fā)表一項研究。研究團隊展示了一款名為AFLoc的AI模型，其最大特點是可以自動在醫(yī)學影像中“找病灶”。這一最新成果是AI醫(yī)療技術應用的生動縮影。

　　醫(yī)學影像診斷是AI醫(yī)療應用最成熟的領域之一。

　　在放射科，AI能自動識別肺部CT片中的結(jié)節(jié)和腫瘤，大大縮短出報告的時間，幫助放射科醫(yī)生減少閱片工作量；在皮膚科，AI通過分析皮膚鏡圖像，判斷病灶是良性還是惡性，部分大醫(yī)院已常規(guī)使用該技術做篩查；在眼科，AI能通過分析眼底圖像識別糖尿病引發(fā)的視網(wǎng)膜病變，幫助患者早發(fā)現(xiàn)、早治療。

　　AI應用還能提升臨床診療效率和醫(yī)院管理水平。

　　例如，在急診科，AI可整合患者的生命體征、病史和檢查結(jié)果，實時預判急性心梗風險，大幅縮短危急病例的識別時間，為搶救生命爭取更多時間。在醫(yī)院管理上，AI能通過歷史數(shù)據(jù)預測床位需求，顯著提升床位利用率；智能排班系統(tǒng)根據(jù)患者流量調(diào)配醫(yī)護人員，能讓患者候診時間減少三成以上。

　　在慢性病管理和新藥研發(fā)上，AI也發(fā)揮著重要作用。

　　&bsp; 智能手環(huán)、血糖儀等可穿戴設備搭配AI，能形成慢性病管理閉環(huán)。比如，智能血糖儀能提前預測糖尿病患者低血糖風險并發(fā)出提醒；遠程心電監(jiān)測系統(tǒng)已在基層推廣，能自動識別心跳異常。在新藥研發(fā)領域，AI能大幅縮短抗癌藥物的篩選時間，加快研發(fā)進度；此外，部分平臺能根據(jù)患者身體情況調(diào)整化療劑量，提升治療效果。

　　在公共衛(wèi)生領域，AI的預測和干預能力也很突出。

　　AI通過分析搜索引擎、社交媒體、醫(yī)院報告等數(shù)據(jù)，能提前14天預測流感流行趨勢，為防控提供參考；通過分析居民健康檔案，能精準找出高血壓、糖尿病的高危人群，幫助基層醫(yī)生開展針對性干預。

　　應用面臨多重挑戰(zhàn)

　　雖然AI醫(yī)療技術越來越成熟，但要“下沉”到鄉(xiāng)鎮(zhèn)衛(wèi)生院、社區(qū)醫(yī)院等基層機構，還面臨不少現(xiàn)實困難。首都醫(yī)科大學宣武醫(yī)院信息中心醫(yī)生張璨從臨床經(jīng)驗中發(fā)現(xiàn)，這些困難主要有四類。

　　第一類是網(wǎng)絡和設備跟不上。“不少基層醫(yī)院網(wǎng)絡不穩(wěn)定、設備性能差、系統(tǒng)接口老舊，要是直接把AI大模型裝進去，很容易卡頓，影響看病節(jié)奏，最后醫(yī)生寧愿不用?！睆堣舱f。比如，一些AI設備依賴穩(wěn)定的網(wǎng)絡和高性能設備，對設備條件有限的基層醫(yī)療機構來說，應用并不順暢。

　　第二類是后續(xù)維護成本高?；鶎俞t(yī)院采購AI醫(yī)療技術產(chǎn)品，除了前期采購費，還要持續(xù)花錢更新模型、維護知識庫、改造系統(tǒng)接口、整理數(shù)據(jù)、培訓人員和日常運維，這些費用對經(jīng)費緊張的基層機構來說，是不小的負擔。

　　第三類是數(shù)據(jù)和工作流程不匹配。張璨說，基層醫(yī)療數(shù)據(jù)記錄不規(guī)范、用詞不一致、質(zhì)控標準不統(tǒng)一，這會讓AI的判斷能力下降，出現(xiàn)誤判、漏判，反而加重醫(yī)護人員的工作負擔，和用AI減負的初衷背道而馳。

　　第四類是合規(guī)和責任劃分不明確?！癆I醫(yī)療涉及患者隱私保護、風險提示，以及出問題后該由醫(yī)生還是AI負責等問題，解決這些問題需要制度和技術雙重保障。這對基層醫(yī)院的管理能力是不小的考驗?！睆堣蔡寡?。

　　云知聲智能科技股份有限公司是智慧醫(yī)療領域的實踐者，該公司執(zhí)行董事、研發(fā)副總裁李霄寒的觀點與張璨不謀而合。“我們觀察到，AI產(chǎn)品‘下基層’的挑戰(zhàn)集中在四方面：基層網(wǎng)絡與硬件條件薄弱，綜合成本壓力大，產(chǎn)品與基層實際工作流脫節(jié)，醫(yī)護人員缺乏使用動力與能力?！崩钕龊f。

　　加快培育場景試點

　　如何突破重重梗阻，讓AI真正落地基層醫(yī)療機構？

　　“AI醫(yī)療產(chǎn)品不是簡單搬到基層就行，而是要根據(jù)基層看病的實際需求，把技術嵌入日常工作流程，形成可復制、可推廣、可監(jiān)管的用法?！痹趶堣部磥?，突破基層落地難題，關鍵要做到“輕量化、標準化、平臺化、可監(jiān)管”。

　　具體來說，一是采用“云端+本地”協(xié)同模式，降低基層設備的性能要求，確保相關設備在網(wǎng)絡差的情況下也能穩(wěn)定運行；二是統(tǒng)一數(shù)據(jù)和系統(tǒng)接口標準，規(guī)范數(shù)據(jù)記錄，讓AI能精準識別和分析數(shù)據(jù)；三是改變花錢方式，從買單一的AI產(chǎn)品，變成搭建可靈活調(diào)整的AI能力平臺，避免被某一家廠商或某一個模型“鎖死”；四是建立可追溯、可評估的安全機制，對關鍵診療場景嚴格把關，明確醫(yī)生和AI的責任，防范風險。

　　李霄寒也認為，AI賦能基層醫(yī)療并非簡單的技術輸出，其核心是“適配的技術+可持續(xù)的模式+貼心的服務”，和基層醫(yī)院一起成長。

　　“關鍵在于務實融合?！崩钕龊f，“一是要推動技術輕量化與邊緣部署，保障設備在弱網(wǎng)、低配環(huán)境下穩(wěn)定運行。二是要通過軟件運營服務等模式創(chuàng)新降低初期投入，并依托區(qū)域醫(yī)聯(lián)體實現(xiàn)技術的集約化落地，減輕長期成本。三是要推動產(chǎn)品深度適配基層場景，聚焦常見病與公共衛(wèi)生需求，融合語音等自然交互，提升使用便捷性。四是要建立長效運營與培訓體系，幫助基層醫(yī)生會用、用好AI。”

　　首都醫(yī)科大學宣武醫(yī)院在病歷質(zhì)控、自動生成病歷上的AI應用，為基層提供了可借鑒的經(jīng)驗。“這兩個場景精準滿足了醫(yī)生需求。”張璨解釋說，“AI在病歷書寫過程中就做好質(zhì)量把關，貼合診療節(jié)奏，能夠?qū)崿F(xiàn)不打斷診療、少干擾操作，還能減輕文書工作的負擔。其簡單實用、直擊臨床需求的設計思路，很適合推廣到基層?！?/p>

　　在張璨看來，進一步推動AI在醫(yī)療衛(wèi)生場景的應用，關鍵是要讓AI醫(yī)療在實際應用過程中找到可復制的落地方法——首先選痛點突出、效果明顯的場景試點，然后逐步完善平臺能力、數(shù)據(jù)規(guī)范和評估標準，從單個場景應用推廣到更多地方。

　　“推廣AI醫(yī)療技術產(chǎn)品，必須把臨床價值和安全放在第一位?！睆堣舱f，“只有把能落地、有效果、可監(jiān)管的環(huán)節(jié)做扎實，AI才能真正幫到一線醫(yī)生和臨床患者，而不是添負擔?！?科技日報 記者 代小佩) 頂: 2踩: 375