医疗大模型遍地开花，普通人的感受到底是啥？
AI+医疗有两个时代关键词：融入和喷涌。
医疗行业必将融入更多人工智能等高科技，使医疗服务智能化：人工智能将被更多运用在疾病诊疗、药物研发、医院管理、健康监测领域。智慧医疗走进日常。
从全球市场来看，医疗领域AI产品和大模型也不断涌现
MarketsandMarkets预测，到2025年，全球医疗大模型市场规模将达到38亿美元。到2030年，这一数字将超过100亿美元。
但今天星船知造更想讨论的是——AI加医疗，带给普通人的感受到底是啥？
从我们了解到的情况看，当前助力临床诊疗的AI医学影像产品总量仍比较少，对病种的覆盖面还有很大提升空间。比如当前医疗AI模型大多针对某一个具体病种，泛化性较为有限。
所以今天我们主要就一个相对常见的应用场景（AI技术和肺部影像结合：CT室医生看片时，AI如何帮助医生更快、更准确的判断肺部病情）、一个正在进行的建设场景（在大城市和乡村地区建设“AI+智慧医疗”会有什么不同）浅浅展开。
01 AI如何辅助医生判断肺部病情？
梳理美国FDA（美国食品药品监督管理局）截至2022年底累计批准的521款AI医疗器械，统计其应用科室后可看到，以识图阅片为主要工作的放射科承载了最多的AI器械。
而不论是CT、X射线、磁共振检查，AI产品目前都主要在肺部医学影像中扎堆。
医学影像中的肺部影像主要用于肺癌、肺结核及肺炎等疾病的筛查。
一位智慧医疗领域专家告诉我们，传统诊疗流程中，医学影像阅片需要耗费大量时间和人力，而人工智能技术可以快速且准确地分析医学影像，完成病灶识别、筛查、分割等工作，帮助医生快速做出诊断和评估。
以肺结节CT筛查为例，人工智能技术可以帮助医生提高微小结节检出能力，实现毫米级肺结节病灶自动检出，同时自动计算长短径、面积、体积等量化指标。对于实性、磨玻璃、混合、钙化等不同类型结节均能高效检出，提高阅片效率2倍以上，可有效助力肺癌早筛。
此外，传统影像诊断流程中，医生需要基于二维的医疗影像进行诊断，如需更直观的观察，需要借助后处理站进行器官三维重建，耗时较久，成本也较高。在人工智能技术的帮助下，能在短时间内快速完成病灶、血管、组织器官的三维重建，清晰展现病灶和邻近脉管、器官的相对位置关系。
2020年，中国科技馆收藏了国内首张利用AI识别新冠肺炎的CT影像——阿里巴巴达摩院AI抗疫作品。如今这一作品静静躺于中国科技馆数字馆藏中
阿里巴巴达摩院AI自动识别新冠肺炎病例CT胸片
这一年，全球范围内的新冠肺炎确诊患者频现高峰。根据世界卫生组织的数据统计，2020年美国累计确诊新冠肺炎患者1980.7万例，确诊人数居世界首位。FDA在这一年批准的AI医疗器械首次突破了三位数。
国内，肺炎患者的阶段性暴涨也一度让不同科室的医护人员聚集到呼吸科。人工智能影像辅助诊断方法帮助医生们提升了阅片时的工作效率——中国科学技术馆相关数据，AI智能影像识别进入新冠肺炎病毒医学影像筛查后，病例CT影像数据识别时间被压缩到20秒以内，最终识别准确率达90%以上。
肺炎患者从入院到出院一般需要拍摄四次左右的CT影像，在传统的CT影像量化评估过程中，每拍摄一次CT，医护人员都需要手动勾画三四百张的CT影像，通过肺叶计数或肺段计数来统计肺叶、肺段的病变范围，从而评估新冠肺炎的严重程度，这一过程耗时长达五六个小时。但当AI遇上疑似病例，会自动发起对可疑区域的重点识别，自动统计各个肺部解剖结构中肺炎区域的占比，形成量化数据提供医生，缩短评估和阅片时长。
得益于医疗模型的云端存储，患者的过往病历及拍摄的CT影像可被调取并对重点病灶区域进行对比呈现，让医生提升对患者病情的把握程度。
02 AI如何助力缩小城乡医疗差距？
AI对缓解城乡医疗差距有所裨益，但目前来看，它可能将阶段性的指向城市医疗与基层医疗两种不同的“智慧模式”。
《中国卫生健康统计年鉴》数据显示，2017年我国农村每千人口执业（助理）医师为1.68人，较同期城市每千人口执业（助理）医师3.97人少了2.29人。4年后，农村每千人执业（助理）医师数为2.42人，同期城市每千人口执业（助理）医师数为3.73人，城乡差距缩小至1.31人。城乡人均医师资源差距大的情况有所改观。
但具体到不同的省份——还有多个省份未达到这一水平（城乡差距1.31人）。如2021年，每千人口执业（助理）医师与城乡差距最大的是西藏，农村（1.83人）较城市的（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），城乡差距都在1.9人以上。
此外，2021年我国卫生健康事业发展统计公报显示：截至2021年底，我国卫生人员总量达1398.3万人。但截至2021年底，我国基层医疗卫生机构人员总数为443万余人。
也就是说，全国近1000万卫生从业人员在三线以上城市，而基层的400多万卫生人员对接服务的是约5亿的农村常住人口。
基层地区医疗资源仍然紧张，医疗队伍结构方面存在两个突出问题：
一是麻醉医生。比如一些小镇医院能进行手术治疗的疾病有限，出于对手术水平和术后护理要求的提高，当地患者远赴上级城市或一线城市手术治疗几乎成为惯例。基层麻醉医生也可能因业务不够选择转岗或流向其他医疗机构。
二是影像科医生。对很多乡镇患者来说，去外地看病的必备物件是一摞厚厚的CT片。由于CT机的全国覆盖率并不是100%，基层影像科医生不仅人数不多、收入不高，培养周期也长达7-12年。种种BUFF叠满，患者花费500元拍的CT片可能从县级医院到市级医院，经由几位医生的手才能寻得清病因。
那么AI能为人们做点什么？
在四五线城市或乡村地区建设“AI+智慧医疗”与在大城市会什么不同？
当前仅靠大型三甲医院难以承载所有医疗需求，但县域医疗资源水平有限，在这样的情况下，“AI+远程诊疗”是比较好的解决方案之一。
先看大城市的情况。
对一二线城市医疗机构来说，除了负担起当地的医疗需求，大型三甲医院还接待着来自全国各地的患者。外地患者前往大城市求医，往往有两种原因。一是病情严重，需要大医院提供重大疾病的临床治疗。二是病因不明，需要大医院提供精准诊断。
所以在一二线城市医疗机构，“AI+智慧医疗”的锚点更多将在精准诊疗领域。但无论配以怎样的技术手段，医疗事业仍是一项普惠性工程。因此，一二线医疗机构的智慧医疗模式完整图谱也应是“精准诊疗+远程支持”：既需要妥善诊治每一位寻医问药的患者，又将以“隔空投送”的方式使人工智能沿着电路，链接起更多基层医疗机构。
再看乡镇版“智慧医疗”。
相较于追求“高、精、尖”的城市智慧医疗，基层智慧医疗模式沿着“分级诊疗”体系，更多承担着对常见病、多发病及地区特色病的筛查诊疗。
九峰医疗是国内第一家获得肺部疾病X射线人工智能三类证的企业，这一应用的落地医疗机构中，基层医疗机构占了大多数。
基层医疗机构对肺结核X射线图像分析的重视，一方面是因为X射线是筛查肺结核的常规检查，另一方面，是因为我国大部分肺结核患者都在农村地区。
结合国家卫健委相关信息，我国肺结核患者在地域分布上呈现西高东低的分布，西部地区发病率高于东部地区；在职业分布上，患肺结核的农民占全国患者总数的约60%。
经济欠发达地区农民罹患肺结核概率更高的原因之一是：农村医疗水平落后和农民医学知识相对欠缺。
统计数据显示有21%的无症状感染者具备传染性，再加上一部分轻症患者——一些结核病人没有能够及时就医、确诊、隔离。就诊率低被认为是农村地区肺结核传染率较高的最重要原因之一。但低就诊率无法仅向患者追责，基层医疗机构筛查、识别能力欠缺也是原因之一。
指向肺结核的X射线诊疗辅助AI能为基层医疗助上一臂之力。我们了解到的信息，“肺结核X射线图像辅助评估软件”业务已覆盖全国15个省市近2000家乡镇卫生院，服务偏远山区人群3000万。
一位智慧医疗领域专家告诉我们，相较大型医院，基层医疗机构普遍比较缺乏医疗人才，但又面向最广泛的患者群体。对于基层医疗机构而言，高质量、标准化的医疗服务相对稀缺，且考虑到医疗人才的流动性，很难通过培养基层医生在短时间内弥补这一缺口，这是目前基层普遍存在的痛点之一。
因此，一些基层医疗机构可能会面临医疗设备利用率不高的问题，即虽然拥有医疗设备，但缺乏让医疗设备充分发挥作用的能力。人工智能技术的引入，可以快速为基层医疗机构提供标准化的医疗服务：
一方面可以提高基层医疗机构的服务水平，辅助经验尚不充分的医生完成诊断，并帮助其在诊断过程中学习；另一方面可以大幅提高医疗机构诊治效率，缓解基层医疗机构医疗人才不足的问题。
尾声
如火如荼的医疗领域AI产品和大模型，其成功或失败的要穴都是“临床”。
“AI+医疗”不是闭门造车。企业的产品需要尽可能贴近临床的需求，与此同时，满足不同角色对于产品的不同需求同样很重要，如影像科更关注诊断准确性，临床科室对三维重建及手术规划的性能较为关注，信息科会更关注系统的运行稳定性，医院管理者则更关注产品如何量化呈现医疗效率的提升。
医疗领域的产品需要更多用户思维。用产品获得市场、用市场获取更多临床反馈，用临床反馈进一步改进产品。
参考资料：
[1] 最新发布：2022年全国癌症报告 江丰生物 智慧病理
[2] 数说中国癌症死亡50年：肺癌增长最快，乳腺癌近年低于全球平均.澎湃新闻
[3] 采取综合措施提高肺结核患者病原学检出率.中国防痨杂志期刊社
[4] 我国医疗卫生机构人员流失情况分析.中华医院管理杂志
[5] 医学影像AI大盘点：CT篇.医工研习社
[6] 中科九峰医疗：用大数据赋能乡镇治疗|数字高新系列 澎湃政务
[7] 专家报告|AI与影像“术”——医学影像在新冠肺炎中应用.中国图象图形学报
文 | 星船知造，作者 | 杨璇，编辑 | 王动（https://www.tmtpost.com/6668256.html）
内容链接：https://www.hpaper.cn/11413.html
