文|楊璇

編輯|王動

正文共計：3853字

預計閱讀時間 ：3分鐘

AI+醫療有兩個時代關鍵詞：融入和噴涌。

醫療行業必將融入更多人工智能等高科技，使醫療服務智能化：人工智能將被更多運用在疾病診療、藥物研發、醫院管理、健康監測領域。智慧醫療走進日常。

從全球市場來看，醫療領域AI產品和大模型也不斷涌現

MarketsandMarkets預測，到2025年，全球醫療大模型市場規模將達到38億美元。到2030年，這一數字將超過100億美元。

但今天星船知造更想討論的是——AI加醫療，帶給普通人的感受到底是啥？

從我們了解到的情況看，當前助力臨床診療的AI醫學影像產品總量仍比較少，對病種的覆蓋面還有很大提升空間。比如當前醫療AI模型大多針對某一個具體病種，泛化性較為有限。

所以今天我們主要就一個相對常見的應用場景（AI技術和肺部影像結合：CT室醫生看片時，AI如何幫助醫生更快、更準確的判斷肺部病情）、一個正在進行的建設場景（在大城市和鄉村地區建設“AI+智慧醫療”會有什么不同）淺淺展開。

01 AI如何輔助醫生判斷肺部病情？

梳理美國FDA（美國食品藥品監督管理局）截至2022年底累計批準的521款AI醫療器械，統計其應用科室后可看到，以識圖閱片為主要工作的放射科承載了最多的AI器械。

而不論是CT、X射線、磁共振檢查，AI產品目前都主要在肺部醫學影像中扎堆。

醫學影像中的肺部影像主要用于肺癌、肺結核及肺炎等疾病的篩查。

一位智慧醫療領域專家告訴我們，傳統診療流程中，醫學影像閱片需要耗費大量時間和人力，而人工智能技術可以快速且準確地分析醫學影像，完成病灶識別、篩查、分割等工作，幫助醫生快速做出診斷和評估。

以肺結節CT篩查為例，人工智能技術可以幫助醫生提高微小結節檢出能力，實現毫米級肺結節病灶自動檢出，同時自動計算長短徑、面積、體積等量化指標。對于實性、磨玻璃、混合、鈣化等不同類型結節均能高效檢出，提高閱片效率2倍以上，可有效助力肺癌早篩。

此外，傳統影像診斷流程中，醫生需要基于二維的醫療影像進行診斷，如需更直觀的觀察，需要借助后處理站進行器官三維重建，耗時較久，成本也較高。在人工智能技術的幫助下，能在短時間內快速完成病灶、血管、組織器官的三維重建，清晰展現病灶和鄰近脈管、器官的相對位置關系。

2020年，中國科技館收藏了國內首張利用AI識別新冠肺炎的CT影像——阿里巴巴達摩院AI抗疫作品。如今這一作品靜靜躺于中國科技館數字館藏中

阿里巴巴達摩院AI自動識別新冠肺炎病例CT胸片

這一年，全球范圍內的新冠肺炎確診患者頻現高峰。根據世界衛生組織的數據統計，2020年美國累計確診新冠肺炎患者1980.7萬例，確診人數居世界首位。FDA在這一年批準的AI醫療器械首次突破了三位數。

國內，肺炎患者的階段性暴漲也一度讓不同科室的醫護人員聚集到呼吸科。人工智能影像輔助診斷方法幫助醫生們提升了閱片時的工作效率——中國科學技術館相關數據，AI智能影像識別進入新冠肺炎病毒醫學影像篩查后，病例CT影像數據識別時間被壓縮到20秒以內，最終識別準確率達90%以上。

肺炎患者從入院到出院一般需要拍攝四次左右的CT影像，在傳統的CT影像量化評估過程中，每拍攝一次CT，醫護人員都需要手動勾畫三四百張的CT影像，通過肺葉計數或肺段計數來統計肺葉、肺段的病變范圍，從而評估新冠肺炎的嚴重程度，這一過程耗時長達五六個小時。但當AI遇上疑似病例，會自動發起對可疑區域的重點識別，自動統計各個肺部解剖結構中肺炎區域的占比，形成量化數據提供醫生，縮短評估和閱片時長。

得益于醫療模型的云端存儲，患者的過往病歷及拍攝的CT影像可被調取并對重點病灶區域進行對比呈現，讓醫生提升對患者病情的把握程度。

02 AI如何助力縮小城鄉醫療差距？

AI對緩解城鄉醫療差距有所裨益，但目前來看，它可能將階段性的指向城市醫療與基層醫療兩種不同的“智慧模式”。

《中國衛生健康統計年鑒》數據顯示，2017年我國農村每千人口執業（助理）醫師為1.68人，較同期城市每千人口執業（助理）醫師3.97人少了2.29人。4年后，農村每千人執業（助理）醫師數為2.42人，同期城市每千人口執業（助理）醫師數為3.73人，城鄉差距縮小至1.31人。城鄉人均醫師資源差距大的情況有所改觀。

但具體到不同的省份——還有多個省份未達到這一水平（城鄉差距1.31人）。如2021年，每千人口執業（助理）醫師與城鄉差距最大的是西藏，農村（1.83人）較城市的（6.14人）少了4.31人。其次是新疆（2.15人）、河南（2.13人）、山西（1.98人）、云南（1.97人）、青海（1.95人），城鄉差距都在1.9人以上。

此外，2021年我國衛生健康事業發展統計公報顯示：截至2021年底，我國衛生人員總量達1398.3萬人。但截至2021年底，我國基層醫療衛生機構人員總數為443萬余人。

也就是說，全國近1000萬衛生從業人員在三線以上城市，而基層的400多萬衛生人員對接服務的是約5億的農村常住人口。

基層地區醫療資源仍然緊張，醫療隊伍結構方面存在兩個突出問題：

一是麻醉醫生。比如一些小鎮醫院能進行手術治療的疾病有限，出于對手術水平和術后護理要求的提高，當地患者遠赴上級城市或一線城市手術治療幾乎成為慣例。基層麻醉醫生也可能因業務不夠選擇轉崗或流向其他醫療機構。

二是影像科醫生。對很多鄉鎮患者來說，去外地看病的必備物件是一摞厚厚的CT片。由于CT機的全國覆蓋率并不是100%，基層影像科醫生不僅人數不多、收入不高，培養周期也長達7-12年。種種BUFF疊滿，患者花費500元拍的CT片可能從縣級醫院到市級醫院，經由幾位醫生的手才能尋得清病因。

那么AI能為人們做點什么？

在四五線城市或鄉村地區建設“AI+智慧醫療”與在大城市會什么不同？

當前僅靠大型三甲醫院難以承載所有醫療需求，但縣域醫療資源水平有限，在這樣的情況下，“AI+遠程診療”是比較好的解決方案之一。

先看大城市的情況。

對一二線城市醫療機構來說，除了負擔起當地的醫療需求，大型三甲醫院還接待著來自全國各地的患者。外地患者前往大城市求醫，往往有兩種原因。一是病情嚴重，需要大醫院提供重大疾病的臨床治療。二是病因不明，需要大醫院提供精準診斷。

所以在一二線城市醫療機構，“AI+智慧醫療”的錨點更多將在精準診療領域。但無論配以怎樣的技術手段，醫療事業仍是一項普惠性工程。因此，一二線醫療機構的智慧醫療模式完整圖譜也應是“精準診療+遠程支持”：既需要妥善診治每一位尋醫問藥的患者，又將以“隔空投送”的方式使人工智能沿著電路，鏈接起更多基層醫療機構。

再看鄉鎮版“智慧醫療”。

相較于追求“高、精、尖”的城市智慧醫療，基層智慧醫療模式沿著“分級診療”體系，更多承擔著對常見病、多發病及地區特色病的篩查診療。

九峰醫療是國內第一家獲得肺部疾病X射線人工智能三類證的企業，這一應用的落地醫療機構中，基層醫療機構占了大多數。

基層醫療機構對肺結核X射線圖像分析的重視，一方面是因為X射線是篩查肺結核的常規檢查，另一方面，是因為我國大部分肺結核患者都在農村地區。

結合國家衛健委相關信息，我國肺結核患者在地域分布上呈現西高東低的分布，西部地區發病率高于東部地區；在職業分布上，患肺結核的農民占全國患者總數的約60%。

經濟欠發達地區農民罹患肺結核概率更高的原因之一是：農村醫療水平落后和農民醫學知識相對欠缺。

統計數據顯示有21%的無癥狀感染者具備傳染性，再加上一部分輕癥患者——一些結核病人沒有能夠及時就醫、確診、隔離。就診率低被認為是農村地區肺結核傳染率較高的最重要原因之一。但低就診率無法僅向患者追責，基層醫療機構篩查、識別能力欠缺也是原因之一。

指向肺結核的X射線診療輔助AI能為基層醫療助上一臂之力。我們了解到的信息，“肺結核X射線圖像輔助評估軟件”業務已覆蓋全國15個省市近2000家鄉鎮衛生院，服務偏遠山區人群3000萬。

一位智慧醫療領域專家告訴我們，相較大型醫院，基層醫療機構普遍比較缺乏醫療人才，但又面向最廣泛的患者群體。對于基層醫療機構而言，高質量、標準化的醫療服務相對稀缺，且考慮到醫療人才的流動性，很難通過培養基層醫生在短時間內彌補這一缺口，這是目前基層普遍存在的痛點之一。

因此，一些基層醫療機構可能會面臨醫療設備利用率不高的問題，即雖然擁有醫療設備，但缺乏讓醫療設備充分發揮作用的能力。人工智能技術的引入，可以快速為基層醫療機構提供標準化的醫療服務：

一方面可以提高基層醫療機構的服務水平，輔助經驗尚不充分的醫生完成診斷，并幫助其在診斷過程中學習；另一方面可以大幅提高醫療機構診治效率，緩解基層醫療機構醫療人才不足的問題。

尾聲

如火如荼的醫療領域AI產品和大模型，其成功或失敗的要穴都是“臨床”。

“AI+醫療”不是閉門造車。企業的產品需要盡可能貼近臨床的需求，與此同時，滿足不同角色對于產品的不同需求同樣很重要，如影像科更關注診斷準確性，臨床科室對三維重建及手術規劃的性能較為關注，信息科會更關注系統的運行穩定性，醫院管理者則更關注產品如何量化呈現醫療效率的提升。

醫療領域的產品需要更多用戶思維。用產品獲得市場、用市場獲取更多臨床反饋，用臨床反饋進一步改進產品。

參考資料：

[1] 最新發布：2022年全國癌癥報告 江豐生物 智慧病理

[2] 數說中國癌癥死亡50年：肺癌增長最快，乳腺癌近年低于全球平均.澎湃新聞

[3] 采取綜合措施提高肺結核患者病原學檢出率.中國防癆雜志期刊社

[4] 我國醫療衛生機構人員流失情況分析.中華醫院管理雜志

[5] 醫學影像AI大盤點：CT篇.醫工研習社

[6] 中科九峰醫療：用大數據賦能鄉鎮治療|數字高新系列 澎湃政務

[7] 專家報告|AI與影像“術”——醫學影像在新冠肺炎中應用.中國圖象圖形學報

本文基于訪談及公開資料寫作，不構成任何投資建議

本文為星船知造原創內容

未經授權，禁止轉載