1200万医疗保健缺口，需要用AI慢慢填平

人工智能从来都不缺少落地的场景，可如果要找一个近乎刚需的行业，医疗保健大概是最可能入选的答案。

12月8日， 国际知名科技杂志《麻省理工科技评论》发布的《ai医疗：亚洲的发展空间、能力和主动健康的未来》中，对人口超过41.6亿的亚洲的医疗状况进行了实地调研，然后得出了3组令人惊讶的数据：

根据世界卫生组织的估计，2030年亚洲地区需要超过1200万名新的医疗保健专业人员，比当前增长70%以上；

人口超过22.5亿的南亚和东南亚地区，平均每10000人拥有的医生不到7人，即便是在富裕的日本和新加坡，对应的数字也低于25人；

据瑞士再保险公司预计，沉重的医疗负担造成12个国家约4000万家庭的医疗保健缺口，其中有近半数为中国家庭 。

在提出问题的同时，《麻省理工科技评论》也尝试给出了解决的思路，即借助人工智能提高医疗服务供应能力和效率，并着重提及了以百度为代表的中国案例：百度灵医智惠推出的“临床辅助决策系统”（cdss），目前已经覆盖了中国18个省市自治区1000多家医疗机构，辅助医生进行临床诊断决策。

01 20000：1的背后

医疗资源不均等候一个解决办法

如果说麻省理工的数据还偏向宏观，那么下面一组数字几乎和所有人息息相关：中国有6.6亿左右的眼底疾病风险人群，基层的眼科医生却只有3.6万，比例接近20000：1，同时在这些眼科医生中，能够阅片的医生数量可能只有几千人。

仅仅在数字上就足以让人震惊，而数字的背后还隐藏着一连串的事实：

比如相对于基层，医疗资源更向大医院倾斜，导致人们就医时习惯性涌向三甲医院，占全国医疗卫生机构总数0.23%的三级医院承载了21%的医疗需求，而占比高达94.5%的基层医疗机构，只分摊了54%的医疗需求，一边人满为患，一边门可罗雀；

再比如《中国医师执业状况白皮书》披露的数据，85.87%的医生每周工作时长在40个小时以上，长工作时间内的超压负荷、紧张的工作环境以及与付出不成正比的薪资水平，潜移默化地消磨了医生们的“职业荣誉感”，致使71.76%的医生苦于医患关系的处理。

但这些还仅仅是其中的一个侧面，中国所面临的医疗资源稀缺以及分配不均衡问题远比想象中的复杂。

一方面，人口老龄化的进程迅猛。1982年全国65岁及以上老年人口占比还只有4.9%，2000年达到7%进入“老龄化社会”，到2016年老年人口的占比就已经达到10.8%，预计2035年65岁人口占比将超过20%，进入到“超级老龄社会”。彼时所存在的医疗痛点将全面爆发，而时间上的窗口期已经非常短。

另一方面，慢病患病率上升的挑战。中国的疾病谱正从传染性疾病加速转向以高血压、糖尿病、心血管疾病等为主的慢性病，当前慢性病所导致的死亡已经占到总死亡的87.8%，慢性病导致的疾病负担也超过疾病总负担的70%；更令人担忧的是慢病年轻化的趋势，这将进一步加剧了中国医疗健康所面临问题的复杂性。

在这样的局面下，“健康中国2030”等国家战略的推行实施，除了优化全民医疗保障制度、推进健康老龄化、重视疾病预防和健康管理等治理措施，运用技术化手段也成为战略重心之一，诸如互联网+、大数据、人工智能等新概念在医疗领域也开始占据一方高地。

那么，新技术的落地应用又能否弥合医疗资源的鸿沟呢？

02 用ai“武装”基层医生

激活基层医疗潜在价值

在回答这个问题之前，不妨先来看下《麻省理工科技评论》在报告中提到的印度和日本的应用案例：

按照印度*卫生情报局的报告，2016年印度每千名活产婴儿死亡34人，婴儿死亡率是美国的6倍。于是瓦德瓦尼研究所开始通过手机的人工智能应用统计新生儿数据，例如一定时间范围内的婴儿头部大小，希望利用手机照片和算法模型的比对，为孕妇提供是否需要手术的建议。

作为世界上第一个进入“超级老龄社会”的国家，一些初创公司针对日本的养老问题开发了独一无二的ai应用，比如针对失智症患者的沟通工具、帮助护理人员为老年人安排如厕时间的预测分析。

回到中国市场来看，不同于印度、日本在ai+医疗方面的“浅层次应用”，中国的ai与医疗的融合已经进入到了“深层次阶段”，开始用ai来“武装”基层医生。

百度大脑ai技术驱动的灵医智惠就是个例子，从2018年百度成立智慧医疗部门，到2019年品牌升级为“灵医智惠”，短短两年时间内灵医智惠已经面对院内院外场景推出了临床辅助决策系统（cdss）、眼底影像分析系统、医疗大数据解决方案、智能诊前助手、慢病管理等五类解决方案。

就像前面所提到的基层眼科医生的庞大缺口，灵医智惠与中山大学中山眼科中心等一流医院进行深度合作，基于扎实的眼底影像数据基础，整合循证医学可解释算法架构及深度学习高准确率算法构造了眼底影像分析系统。只需要使用眼底相机拍摄二维眼底图，就可以自动提取眼底四大生理结构，在10秒内完成对糖尿病视网膜病变、青光眼、黄斑区病变等疾病的筛查。据悉，该系统已覆盖数百家医疗机构，日均辅助近3000人完成糖尿病视网膜病变等眼部疾病的科学早期筛查。

《麻省理工科技评论》也在报告中不惜篇幅介绍了百度cdss系统在北京市平谷区的落地案例。通过学习权威教材、药典以及三甲医院优质病历，百度cdss被用于辅助基层医生进行疾病诊断。借用平谷区卫健委信息中心主任焦军锋的表态：“以前基层医生能看的病人、能看的病比较少，所以诊疗经验也比较有限，cdss部署以后，医生的能力提高了，人们也因此越来越认可我们当地的医生了。”

或许ai+医疗还有很长的路要走，不同国家的进程也有所不同，至少百度已经验证了用ai“武装”基层医生在方向上的正确性。

03 ai+医疗：创新者的征途

深耕落地将推动社会变革

当ai在医疗领域落地应用的时候，也往往伴随着新的商机。按照研究公司idc的估计，2022年亚洲医疗保健行业的技术支出可能达到150亿美元，并将以每年7%的速度持续增长。

事实也是如此。2016年前后就有一大批ai医疗团队应运而生，也曾凭借一个个好故事在资本市场风光无二。可医疗终归是一个慢行业，摧枯拉朽式的颠覆式革命没有出现，在落地难、缺少盈利预期等不利因素的制约下，资本市场已经出现了逐渐熄火的态势，ai+医疗已然成为创新者才有资格入局的征途。

百度无疑就是个直接例证。百度成立智慧医疗部门的2018年，早已有不少创业公司拿到了b轮、c轮融资，可在这场b端市场的探索中，先发者们抓住的不是时间上的红利，偏偏成了百度弯道超车的垫脚石。有创业者哭诉自己在某家医院和医生们同吃同住了一个月，才抓住第一个客户，百度等互联网巨头们则要容易得多。

只是里面的门槛从来都不是资源优渥与否，ai能力才是真正的杠杆。

在国家工业信息安全发展研究中心发布的《人工智能中国专利技术分析报告》里，百度以5712件的ai专利申请位列第一；在 idc发布的《idc marketscape：2019中国ai云服务市场厂商评估》报告中，百度位居领导者象限最上方，领先于阿里云、aws、腾讯云和华为云等厂商……

以cdss系统为例，大多数创业者选择以标准的机器学习算法，围绕少数或单一病种作辅助决策，而国家对基层医生的要求是承担66种常见病的诊疗。而灵医智惠的cdss系统可以诊断27个科室的4000多种常见疾病，top3疾病的推荐准确率达95%，并且推出了辅助问诊、辅助诊断、治疗方案推荐、相似病历推荐、医嘱质控等板块，可以无缝融入基层医生的工作流程。

何况医疗行业本就不是纯粹的商业市场，有着天生的公益和社会属性，参与者不应该局限在“做生意”的心态，而是积极融入到医疗保健行业的改革当中。与微软的“云+ai+医疗”的布局有些相似，百度在为基层医疗的改善提供创新方案和思路的同时，也在为东软、浪潮等同行者们赋能，并且以比赛的形式促进“医—学—企”的融合，继而让ai+医疗成为一场社会性的大变革。

无论是对于基层医疗的从业者，还是每一个与医疗相关的普通人而言，“ai+医疗”的赛道上需要的都是深耕者，而非投机者。

04 写在最后

美国著名心脏学家埃里克·托波尔在《深度医学》一书中不无肯定地指出：“人工智能可以为医疗系统带来更多的人性和温情。”

或许埃里克·托波尔的观点还无法得到所有人的认同，甚至会有人拿着科幻小说中ai医生消灭人类的场景进行斥责。对于这样的现象，我们无须用太多的言语苛责，只需要把目光放在亚洲、非洲等欠发达地区的基层医疗事业，然后对比下人工智能已经带来的改变，就不难坚定自己的立场。

而作为世界上人口数量最大的国家，中国的基层医疗仍然面临着种种挑战，好在百度等人工智能先行者们早已全副武装，行动多时。