降低費用成本、彌補人才不足、用于成熟技術，人工智能的特點與醫療行業的需求似乎有著與生俱來的“緣分”。正在全力打造人工智能應用示范高地的上海，已為智能醫療的率先“試水”提供廣闊平臺。
一天打12小時隨訪電話?AI“虛擬醫生”解決大問題
走進位于仁濟醫院門診大樓的日間手術管理中心，護士吳玲娣正在電腦上核對整理上周出院的患者隨訪信息。3個多月以來，她們從“忙到雙腳跳”的狀態解放出來，開始享受與“虛擬醫生”搭檔，有條不紊的隨訪工作。
吳玲娣告訴記者，仁濟日間手術日均出院患者數超過120人次，每位患者一般在術后24至48小時要進行一次隨訪，每個隨訪電話至少3至5分鐘，這就意味著，長期以來，醫務人員每天要花9至12個小時用于電話隨訪。“有些患者若出現嘔吐、疼痛、發熱等癥狀，還需要多次隨訪，雖然這一群體只占約5%，但也會累積成為巨大的工作量。”
“忙和累還是次要的，如何保證質量和效果也是許多醫務人員面臨的困擾。”吳玲娣坦言，電話沒人接而反復撥打、信息量大而記錄不全、重復問答而態度欠佳……“我們希望隨訪是能真正讓患者反饋問題、醫生了解癥狀的渠道，醫務人員不應該只是簡單的接線員、記錄員，分析整合數據是隨訪的最終目標。”
幸好，AI“虛擬醫生”的到來正在改變這一切。記者在電腦上看到，“虛擬醫生”根據患者病種預設了隨訪問題。在一通撥打給泌尿外科患者汪先生的隨訪電話中，既包括“有無血尿”“腰酸腰痛否”“是否發燒”等臨床癥狀詢問，也有“來不來取病理報告”“是否需要宣教”的事務性問答，更有“滿意程度”“改進”條目便于患者對“虛擬醫生”提意見。“虛擬醫生”會抓取患者回答中的重點詞段并轉為文字形成標簽，可幫助醫務人員快速進行大數據錄入整理。
那么，若AI抓取的語音信息不準確怎么辦?吳林娣說，在“記錄詳情”中，患者的每一句回答都留有錄音，醫務人員會人工進行審核。“考慮到中老年患者與外地患者的口音問題，目前AI基本已可識別長三角區域大多數方言，它也始終在不斷的學習過程中。”
如今，這位“不知疲倦”的“虛擬醫生”為仁濟日間手術隨訪做出了大貢獻。仁濟醫務一處副處長樊翊凌介紹，自運行至8月中旬，它已在膽胰外科、婦科、泌尿外科、乳腺外科等日間手術8大主要科室隨訪2189人次，電話接通率達92.04%，指標采集率達93.33%，患者滿意率達95.38%。“我們聽到的聲音不是冷冰冰的機械語音，‘虛擬醫生’好像就是真實存在的人一樣。”汪先生很是感慨，“醫學和科技的發展速度太快了，不過接到這樣的電話，我們也覺得很安心。”
人工智能的“身份”：參與者、輔助者而非決策者
據悉，除了在日間手術管理中心正式上線外，“虛擬醫生”也在仁濟體檢中心、腫瘤科進行試點之中。“目前，這位‘虛擬醫生’還是菜鳥水平，因此我們選擇的病種大多隨訪內容均一、患者接受度高且科室醫務人員積極性強。”樊翊凌說，從“打電話”中解放出來只是第一步，未來“虛擬醫生”將實現與每一位醫生的數據庫鏈接，通過技術創新，完成醫生知識內容轉化為AI服務手段，最終通過模式創新實現醫生對患者的“一對多服務”。“我們希望，醫患雙方可通過電話、微信、網站、手機應用程序、等入口與‘虛擬醫生’產生服務請求，AI生成的海量結構化數據不僅可以為醫生提供最直觀的臨床醫療信息，也能形成全生命周期的健康管理與服務。”
當然，“虛擬醫生”的理解能力如今還比不上真實醫生，其實無論在任一應用領域，AI語音識別的重點難點都在于語義。“除了口音問題之外，患者的重復性描述、形容等等也可能會‘繞暈’他。”吳林娣建議，隨訪時患者可以用盡量簡單清晰的語言描述癥狀，“比如表達痛感時，可以說針扎痛、撕裂痛、疼痛時長等，但‘我疼得快死掉了’的說法，可能會造成AI理解失誤。”
在市衛計委副主任聞大翔看來，目前AI在醫療領域的應用還處于需依靠大量的人力孵育階段，因此可以做“參與者”“輔助者”，卻遠遠達不到“決策者”級別。“2012年，《經濟學人》智庫曾就大眾消費者關于移動醫療優先級需求做出調查，全盤管理健康、尋求健康信息分別達到54.4%與53.4%，醫患溝通、信息提醒等也緊隨其后。如今，AI的參與正逐步讓這些需求可以被廣泛實現，但大范圍推廣之前，我們也在思考關于醫學倫理的問題：如果在AI隨訪過程中出現誤讀、漏讀而造成患者病情延誤等嚴重后果，相關責任應由AI開發公司、醫療機構或醫生承擔?AI發展已進入加速道，我們也期待更多法律及規范的出臺和完善能幫助它成長得更好更快。”
人工智能醫療應用三大瓶頸亟待突破
“無論人工智能目前還有怎樣的局限性，醫學界主動擁抱它的時代已經來臨。”仁濟醫院副院長張繼東直言，“在醫療器械研發等諸多方面，我們都沒有搶占先機，AI正給予我們一次彎道超車的機會。”
正如張繼東所說，無論是AI隨訪、AI讀片、AI腫瘤診斷等，醫務人員目前都在進行知識庫的籌備，即提供“阿爾法狗的棋譜”。上海市衛生和健康發展研究中心主任金春林在日前舉辦的2018未來醫療科技大會醫療人工智能應用論壇上也提到，AI在醫療領域的應用可分為3個時期，“第一是數據整合階段，由于醫療數據標準化低，擁有醫療大數據的公司或機構就會具備競爭優勢與議價能力;第二是數據共享與感知階段，但醫療數據融合到一定程度，就會出現輔助診斷、圖像識別等商用產品;第三是認知與大數據階段。可見，數據與算法是AI發展的基礎與核心，如何盡快打通各部門與機構間的數據壁壘，是亟待解決的迫切話題。”
金春林說，2013年到2017年，中國醫療AI行業共獲得241筆融資，去年國內醫療AI融資總額超過18億元;今年資本對于醫療AI市場的熱情依舊不減，有機構預測，今年中國醫療AI市場規模有望達到200億元。“然而，盡管各式醫療AI產品陸續面世，但距離真正落地仍需時日。”
除了醫學倫理等相關法律及規范之外，醫療AI行業審批、準入標準目前也不清晰。“2017年2月，國家衛健委辦公廳曾發布《人工智能輔助診斷技術管理規范(2017年版)》，對AI輔助診斷的準入有了規定，但目前適用于全行業的標準還未形成。”金春林說，“第二，醫療AI人才是復合應用型人才，國內也比較短缺;第三，目前醫療AI產品大多在醫療機構內屬于試用階段，即不可收費，這樣并不利于可持續良性發展。那么基礎醫療保險、商業醫療保險未來要不要、如何來支付醫療AI技術?我想，這些都需要管理部門、醫療機構與AI公司共同進行足夠的調研與思考。”
如今，醫療AI正在發達地區的三級醫院大放異彩，在金春林看來，未來它更將在我國基層醫療機構大有可為。“衛生系統人才數量的匱乏并非朝夕可以解決，伴隨著老齡化的逐步加重，人工智能會很好地彌補人力資源的不足并控制和降低醫療成本。”他滿懷信心，“當人工智能賦能基層醫療的那一天真正實現時，健康中國、健康上海都將增添更廣、更新的內涵。”
京公網安備 11010502049343號