人工智能在医疗行业应用的三大场景,信任如
看病难，医院跑
今年初，一篇《流感下的北京中年》刷爆朋友圈，也道出了当前国人生病后面临的种种无奈。作者的岳父不慎得了流感，最初没当大事选择了就近治疗，结果病情日益严重。医院，医生发现感染已深入肺部、并且难以确定病毒类型。尽管经过了ICU一系列治疗，仍然无力回天，患者最终撒手人寰。看似简单的流感，不到一个月时间就夺了人的性命、乃至毁了一个家庭的幸福生活。这样的过程和结局让人唏嘘、更让人共鸣：看病太难了。
当然，这个“难”不是指医疗机构少。从总数看，目前我国各级医疗机构共有99.3万个，比美国的78.5万个还多；从平均覆盖人口数看，我国平均每个医疗机构覆盖人，与日本的人基本相当。
“看病难”的真正原因，在于医疗机构分布极度不平衡。
拥有优质医院数量有限，且主要集中在经济发达的大城市；而中、低等级的医疗机构虽然数量庞大、但医疗资源和能力不足。国人生了病，往往不信任周边的低等级医疗机构，医院跑。对大部分人而言，大医院意味着“有保障”和“少折腾”。
就拿去年年末的流感高发季来说，医院纷纷爆满，排队候诊需要好几个、甚至十几个小时；另医院依旧冷清，看病就医的人极为有限。
医院跑的“虹吸效应”，背后反映的其实是医疗服务体系设计和管理的问题。计划经济时代我国建立起的三级医疗服务体系，越来越不能与日益丰富的市场经济环境相匹配。
分析其原因，一从需求角度出发，随着国人收入的增加、交通日益便利等，病患有更强的意愿和能力寻找优质的医疗资源，为了求好医越来越不计成本，通过传统的医疗服务等级差异定价进行市场协调的手段日益失灵。
二从供给角度出发，现实中对基层和高级医疗机构的二元补偿机制，导致并强化了医疗资源配置的“倒三角”结构。对高级、大型医疗机构采取的是财政差额补偿和医保按服务项目付费的方式，治疗病人的数量与收入直接相关，使得这些机构对病人的态度是“多多益善”；而对基层医疗机构采取的则是收支两条线和基本药物制度，治疗病人的数量多少基本不影响收入，导致这些机构对病人态度消极，甚至出现“不愿治”、“情愿放”等情况。
分级诊疗，光靠行政手段很难落地
“分级诊疗”被认为是解决目前“看病难”问题的最佳方案。所谓“分级诊疗”，就是按照疾病的轻重缓急及治疗的难易程度进行分级，不同级别的医疗机构承担不同疾病的治疗。这种模式源自西方且目前也正在西方各国被普及，其主要特点是“全科医生”和“专科医生”的划分与分工协同。
全科医生大多深入居民社区，私营各种社区诊所等基层医疗机构，负责百姓各类日常疾病问题的处理，并决定病人是医院；专科医医院坐诊，负责收治全科医生转送的病人，对其重大疾病进行治疗。在这种模式下，大量的全科医生处理了百姓80%的医疗问题，同时专科医生资源可以专注于20%的重大疾病救治，使得医疗资源与病患需求能够实现较为有效的匹配。
实际上我国早已开始分级诊疗的努力和尝试。国务院办公厅年9月就已印发了《关于推进分级诊疗制度建设的指导意见》，希望通过指导和推动分级诊疗体系的建立，实现各级病患需求和医疗资源之间更有效的匹配。随后各省市也进行了各项尝试，以探索分级诊疗建设落地的方法。
有行政强制类，如青海基于医保强制首诊和转诊的措施；有经济激励类，如青岛正确首诊可降低起付线、提高报销比例；还有引入私营类，医院的家庭医生机制等。
虽然这些尝试起到了一定的探索作用，但效果还比较局部和有限。我们通过对比-三年间，不同等级医疗机构的平均诊疗人数发现，医院（如三级甲等）仍源源不断地吸引着资源和患者，居民就医流向非但没有分散反而更加集中。
为什么分级诊疗这么难落地？因为光依靠行政手段，不管是强制、还是激励，都无法解决分级诊疗面临的核心问题：优质医疗资源有限。分级诊疗的有效实施，特别需要大量的有能力、可信赖的全科医生，来覆盖和满足大部分人日常医疗的需求。
而这个体系的有效建立，不仅需要对医生进行全面培养，还需要医生与病患间建立稳定且信任的关系，这就需要大量的时间和成本投入，很难一蹴而就。西方国家如英国，通过近七十年、三代人的努力，才构建了今天的全民医疗服务体系。
好医生不够？人工智能补上的三大场景
既然好医生不够是核心问题，那么如何又快又好地建立起好医生队伍，就成为医疗行业发展的根本。而人工智能技术，恰好非常适合优化和加速这个过程。
医疗行业是一个存在大量数据、目前又特别依靠专家经验的行业。所谓诊断，大多是医生对病人的各种化验、影像等数据和信息的个人经验处理与判断。首先，人工智能特别适合快速高效处理海量数据，尤其能够分析出人无法察觉的数据差异，而这点差异可能就决定了对疾病的判断；其次通过机器学习，人工智能可将专家经验转换为算法模型，使得专家经验实现低成本复制，大量的基层医疗机构因此可能更方便地用人工智能专家进行诊断，这将有效支持分级诊疗的实现。
在人工智能技术的融入下，未来老百姓有望更快享受到“家-全-专”完整协同的三级系统化医疗服务，即人工智能+家庭医生/全科医生/专科医生三大角色的应用场景。
场景一：人工智能+家庭医生—健康监测
对大部分国人而言，拥有一个家庭医生基本上是不可能的。而随着亚健康、慢性病的情况越来越普遍，拥有了解自己健康情况、能长期提供治疗指导的家庭医生服务，又显得越来越有必要。人工智能技术对海量数据的处理能力，能够有效满足健康监测的需求，尤其对于患有慢性病的人群特别有用，可以有效降低其疾病风险和看病成本。
例如腾讯针对糖尿病患者推出的智能血糖仪“糖大夫”。这款外观酷似手机、具有防滑防抖设计的血糖仪，不仅达到了传统高端血糖仪的检测水平，还提供了传统设备所不具备的特殊功能：
1、实时记录。“糖大夫”能根据设置按时提醒用户采血测试，自动记录患者的血糖值，并生成可视化图表和报告便于用户监测；
2、互助提醒。扫描“糖大夫”开机
