人工智能技术赋能基层医疗的几点思考.docxVIP

人工智能技术赋能基层医疗的几点思考

基层医疗卫生机构作为我国医疗卫生服务体系的重要组成部分，是守护群众健康的第一道防线。

近年来，国家卫生战略明确将提升初级保健服务能力作为优先事项，通过政策倡导和财政投入持续推动基层医疗机构建设。然而，人员短缺、能力不足等问题依旧是全球初级医疗保健体系共同面临的难题。

人工智能（AI）技术因其高效能和智能化优势，已逐渐成为解决这些问题的重要手段，特别是新兴的生成式AI技术正在医疗咨询、诊断、治疗、管理和教育等各个环节展现出巨大的应用前景。比如，在很多研究中，AI模型在疾病诊断任务中表现出色，甚至超越了部分全科医生和专科医生。

然而，要实现AI在基层医疗卫生服务中的真正落地，除了关注AI本身的技术能力之外，我们更需要深入思考：在当前基层医疗卫生服务全流程中，AI到底能解决哪些痛点和难点？哪些是我们亟须去突破且迅速转化落地的方向？

AI在卫生服务体系中短期内只能是辅助工具，无法代替医生进行全面的诊治。从落地实施角度看，AI的黑箱、法律、伦理的不完善等这些短期内很难被完美解决的问题，都会限制AI独立行医。因此，AI医生的诊断能力即使被验证再强、对应的处理方案（下一步检查及药物处方）再准确，在应用场景中，依然需要专业医生进行细致判断和调整。何况，当下训练数据偏见、“幻觉”等涉及医疗安全的问题还没有很好地被解决。目前部分研究中，用AI独立答题和人工答题的对比来评估AI的能力，与实际应用场景是不相符的。因为我们关注的是最终采取的诊疗实施方案及效率，而这会因医生自身水平定位以及对AI的认知而产生很大差异。

其次，如果以诊断能力和药物处方作为AI“卖点”，解决的是否是医疗机构自认为的痛点呢？答案显然是否定的。在AI热潮下，虽然很多专家都在提倡新技术下的创新生态，不少医疗机构也在跟风式地接入AI大模型，好像谁不用谁就落伍了。但这种盲目的技术接入到底解决了什么实际问题，应用场景又究竟是什么？特别是在县域基层，我们经常看到，虽然智能系统看起来很先进，但实际上“用不起来”，甚至很多医务人员根本“不知道怎么用”。为此，我们不妨反思一下，这到底是产品本身的信息平台不够友好、操作过于复杂，还是因为提供的功能并没有真正切中医生和患者的需求？

我们一直强调技术要赋能基层，但事实上，医生最头疼的可能并非AI诊断，而是写病历、与患者沟通以及任务考核，而这些是目前的大模型并未提供的功能。

因此，在AI大多局限于问答或辅助诊疗之时，其应用可能并未有效匹配基层医疗环境的痛点。

有些企业呼吁打造AI全科医生，声称可实现丰富的功能，但是，只要在基层诊室待过的人都会知道，目前很多基层医生的时间是花在了给患者开药上，甚至是花在按患者所给药方开药上。

其实，辅助诊断系统也并非新玩意儿，十余年来一直都在推广使用，但不少地方的反馈却是“使用频率并不高”。

所以，我们不能只满足于“上了系统”，更应该深入思考：医生真正需要的是什么？患者真正希望改善的又是什么？如果不去认真理解和回应这些问题，再先进的技术恐怕也很难“用起来”，更谈不上“用得好、用得久”。

从一名临床医生（实习生）、医院行政人员、卫生政策研究人员以及患者等多个基层应用相关角色的视角来看，AI可以在以下两个方面发挥重要作用：

一是助力疾病早筛和风险预警。新技术尤其是算法模型的发展，为我们提供了一个重要工具，那就是利用数据治理来构建精准的疾病风险预测模型，推动疾病的早发现、早治疗和个性化管理。这是AI在基层医疗中可以发挥价值的重要方面。以慢病管理为例，通过历史数据与算法模型结合，我们可以主动预测患者未来一定时期内可能发生的风险事件，比如预测高血压患者未来1年内发生中风的风险，及时进行个性化干预；学术界也有很多基于基层数据的疾病的早筛研究，过去疾病早筛面临成本高、覆盖人群少等问题，AI技术的加入有效降低了成本并提高了效率。

目前，已有很多相关的文章证实AI具备这样的能力，可以根据既往数据来预测个体某些疾病发生的风险，或为患者急诊、住院提供一定预测依据。

在这个功能上，能够落实医防融合，在疾病进展的早期阶段实施药物和非药物干预，做到早发现、早诊断、早治疗。

比如，在一些研究中提到的肾病、痴呆、皮肤肿瘤以及一些罕见病甚至自杀倾向等，大模型擅长的数据分析，尤其是多模态数据（语音、语调、表情识别等）支持下的分析，将有着显著的应用潜力。包括现在已经投入实验的通过患者的咳嗽声音、通话交流甚至是阅读固定文本的语音等来诊断呼吸系统疾病、心理疾病等。

基层医院是患者在病情不严重的情况下首先接触的医疗机构，也是患者最可能高频接触的机构，因此也是能在医患交互过程中收集最多信息的机构。利用这些数据来构建预测模型，实现疾病的早期预防、诊断，将是最值得期待的。

二是提供智能档案和社会共治的非药物处方