田豐、楊燕/文自疫情發生以來，直播抗疫、在線問診、無接觸住院、遠程診療、智能CT閱片等科技成爲醫療産業的“新動能”，而在産業模式的創新中必然需要試錯和叠代。
自從2014年以來的“互聯網+醫療”轉型，喜憂參半，5000多家互聯網醫療企業陣亡率頗高，幸存的互聯網醫療企業正在進化，從“輕問診”升級爲“智服務”，從單點場景突破到縱向産業鏈延伸。而傳統醫療機構也開始紛紛擁抱互聯網，雙方從競合關系，如今卻相向而行。
不同的是，以機器學習驅動的“智能醫療”在以連接資源驅動的“互聯網醫療”基礎上更進一步，形成了醫療産業轉型升級的長期路徑“在線-數據-智能”，人工智能等新興技術族通過5G這條“數據高速公路”通達産學研資源，成爲本次醫療轉型的技術動能。
看病難、難看病，到底難在哪？
醫療，攸關生命安全。解決“看病難、難看病”問題，關系中國民生。沒有全民健康，就沒有全面小康。“看不上病”和“看不起病”問題是全面建成小康社會的突出短板之一，必須加快補齊，爲老百姓築牢健康防線。
看病難，難看病，本質上是醫療資源“供求矛盾”的外在體現，相對老百姓對醫療健康的迫切需求，當前的醫療資源呈現供給不足、分配不均的不利局面。
尤其在新冠疫情期間，突如其來的疫情給整個醫療系統造成極大的壓力和沖擊，在疫情的“放大鏡”下，更是凸顯了醫療資源配置的供求失衡。
此外，我國老齡化進程加速，對醫療資源的使用提出了較高的需求。2000年至2018年，中國65歲以上人口數量從1.26億增加到2.49億人，老齡人口占比從10.2%上升至17.9%，增長超過同期世界平均水平的兩倍，預計到2050年，老齡人口將達到3.29億人，占比達23.6%。老年人口疾病發生率相對較高，以糖尿病爲例，60歲以上老年人的患病率是30歲成人的3倍以上！2017年上海市常駐人口統計，人口占比不到20%的老年人口，門急診人次占全市總量的52.2%，是醫療資源消耗的主體。
·醫療資源供給不足
2018年，權威醫學期刊《柳葉刀》曾發表過一篇報告，從各個維度對全球195個國家和地區的醫療水平進行打分。在全球197個國家和地區中，中國排名90，每一千人僅擁有1.79個醫生，日本、新加坡、美國分別爲2.41，2.31，和2.59。
與資源稀缺相應的，是醫生的高負荷工作。據研究調查，中國有77%的醫生曾一周工作超過50個小時，24.6%的醫生工作時長曾超過80小時。而過勞所造成的直接問題，就是一線醫生沒有時間學習充電，進而形成惡性循環，限制了中國整體醫療水平的提升。
“我們差不多要花上25年的時間，才能培養出一位主任醫師，如果我要是死了，那就是浪費國家資源。”這是河南省人民醫院、國家高級卒中中心主任醫師朱良付觸動人心的一句感慨，同時也點出我國的醫學人才培養也是一個關鍵性問題。
以最典型的兒科醫生爲例，目前在執業醫師中，兒科醫師有11.28萬人，占3.9%，而中國兒童總數達到2.26億，每千名兒童僅有0.53名兒科醫師，特別是國家在全面實行二孩政策後，兒科醫生的需求將更爲迫切。兒科醫生培養時間長，資源稀缺的問題，甚至牽動了大國總理，在2016年的政府報告中，國務院總理李克強就指出需要加快培養全科醫生，兒科醫生的任務。
醫療資源稀缺不僅僅是數量，也是質量和信任。
人的生命/成長只有一次，在醫療、教育等領域都存在同樣的現象，即人們對于高質量資源的需求往往更加迫切，選擇也更加挑剔，這也在一定程度上加重了資源的稀缺性。這也是爲什麽中國人在看病就醫上會有濃厚的“三甲情節”。
據央視網調查數據顯示，全國有87.73%的網友認爲，三甲醫院集中了優勢醫療資源，會更受患者青睐。“在條件允許的情況下，選擇最好的醫院和醫生”是人之常情，“三甲情節”本質上體現了人民群衆對健康的向往。
這就涉及到醫療行業另一個重大問題：醫療資源分配不均，優質資源向三級醫院集中，基層醫療水平不足以滿足人民群衆對生命健康需求的提升。
·優質醫療資源分配不均
首先， 優質醫生資源向三級醫院集中，三級醫院及三級以下醫院醫生等級差別較大。醫生的臨床職稱總體反應了醫生的診療水平，也是患者判斷一個醫生水平的重要標准。根據《2015中國互聯網醫療發展報告》統計，我國被調查的醫院中，三級醫院中級以上職稱醫生人數占到其總數的55.7%；而在非三級醫院中，中級以上職稱的醫生比例僅爲19.8%。
其次，優質醫療資源主要分布在一線城市，以北上廣爲最。據2018年衛健委統計數據，全國醫療機構高達99.7萬個，但三甲醫院僅有1442家，其中北京55家、廣州38家，上海32家，其他數量排名靠前的也主要爲省會城市，剩余近300個地級市，大多只有2、3個三甲醫院。
連接、提效、下沉
醫療供給不足，基層醫療水平薄弱，是制約當前醫療可持續發展的兩大症結。從醫療供給側出發，結合互聯網、人工智能，5G等新興技術，進而實現醫療資源的“連接”“提效”“下沉”，或成爲破解醫療供需失衡問題的方向之一。
·互聯網連接了資源
互聯網通過“連接”，打破醫療服務的時空邊界，提高醫療資源的供給效率。
在時空關系上，表現爲醫療服務時間、空間的去邊界化。傳統醫療服務通常受限于特定時間（醫院或診所營業時間範圍）和特定空間（公立或私立醫療機構），而互聯網醫療通過“連接”打破了時空邊界，對病患而言，可以隨時、隨地享受在線醫療服務。
尤其是對于小病/常見病/慢性病問診和尋醫求藥方面，可以通過在線咨詢得到解決，節省了病患就醫成本，也一定程度上起到對線下有限醫療資源的分流作用。
得益于互聯網信息傳輸的及時性、線下物流體系的完備性，醫療服務的供給效率得到大幅提高。通過“連接”藥品廠商/藥店，用戶可以在線下單，物流快速送藥到家。
互聯網醫療在此次疫情中大放異彩。據動脈網不完全統計，在疫情期間，全國超過10家互聯網醫療平台，200多家公立醫院開展線上診療，爲患者提供包括新冠肺炎免費咨詢、常見病問診、慢病複診處方等醫事服務;爲保證慢病患者不斷藥，阿裏健康、京東健康等醫藥電商平台聯動線下藥店和物流行業夥伴，推出多項舉措使得患者能夠享受線上購藥，打通送藥“最後一公裏”。
在這場沒有硝煙的抗疫戰場上，互聯網作爲賦能工具，在保障信息透明、傳遞防疫知識、協調醫療資源等方面均發揮了重要的作用,極大緩解了“戰時”實體醫療機構的供給壓力, 避免患者外出就診，對疫情防控起到關鍵作用。
由于中國醫療體系長期處于相對封閉的狀態，患者習慣于線下診療，互聯網醫療發展的前半段步履維艱。然而，此次疫情，將困于家中的患者推向了互聯網平台，對用戶進行了一次整體性的市場教育，推動了互聯網醫療的加速前
·人工智能提高了效率
“人工智能已幫助放射科醫生解決了兩大問題——提高效率、減少漏診”，青島西海岸新區人民醫院放射科主任王其軍如是說。
互聯網/物聯網，通過“連接”人與人，物與物，人與物/服務，實現物理世界的數字化，而人工智能在此基礎上，通過深度學習算法，實現數字世界的智能化。
人工智能以輔助醫生的角色定位，從供給側出發，主要針對三級醫院醫生，在處理海量、複雜、多維信息工作上，通過“提效減負”的方式，釋放系統資源，爲公共醫療服務“填充彈藥”。
疫情是考驗醫療資源抗壓極限的試驗石。疫情期間，作爲新冠肺炎診治定點醫院之一，青島西海岸新區人民醫院每天疑似患者CT檢查量可達百例，而醫生診斷一名患者需要查看肺部CT圖像數量300余張次，如果只靠醫生人工讀片，做出一個有效診斷往往需要5-10分鍾，耗費大量時間與精力，一線醫生長時間處于高壓和疲勞狀態。
通過引入AI輔助肺部CT診斷，能夠實現對CT影像的智能化診斷與定量評價，幾秒內就能完成定量分析，自動篩查疑似。與此同時，AI在最短時間出具報告，也可避免人員長時間滯留醫院，降低交叉感染風險，對疫情防控意義重大。
王其軍和團隊還借助這套AI輔助診斷系統爲患者做早期肺癌篩查，在超過數百幅圖像上發現並定位幾毫米大小的肺結節病竈，既減少了一些病變的漏診，又不增加患者等待時間，還節省了費用。
此外，“AI+基因檢測”用在腫瘤診斷上，可以輔助患者精准用藥，最大程度地節約醫療資源,避免無效治療或過度治療,減輕患者痛苦。
中國每年有430萬新增腫瘤患者,腫瘤病患與日增多爲原本就稀缺的醫療資源帶來莫大壓力。據至本醫療CEO王凱博士介紹，傳統腫瘤治療基于用藥指南，忽視了樣本之間的差異性，根據病竈部位“同症同藥”，用“以身試藥”的方式尋找有效方案，往往治療效果並不顯著,患者在試藥期間，極有可能錯過了最佳診療期。
AI賦能基因檢測，通過提高基因測序效率，可以幫助在最短的時間內鎖定最佳靶向和免疫用藥，做到“對基因下藥”，整體診斷效率可提升3倍，避免傳統治療用藥帶來的副作用，提升患者的生存機率。
除輔助診斷外，人工智能還能對“診療愈”全流程賦能，提高臨床治療和康複效率，進一步釋放醫療資源。
·5G加速了“下沉”
互聯網連接了資源，人工智能提高了效率，而真要要解決醫療“供需”矛盾，還需要在5G的加持下，通過“數字高速公路”的鋪設，將被算法“智能化”的專家經驗和知識圖譜複制輸出，讓基層醫生在遠程交互下也能夠擁有“三甲級別”的醫療助手，提高基層醫療機構的診療水平，爲更多的患者在基層醫療層面提供更優質的醫療服務，促進醫療資源下沉。
第三方病理診療平台衡道病理的創始人朱大爲表示，一張數字病理切片的大小一般爲2G-3G，對于基層醫院基礎設施薄弱，網絡帶寬只有幾兆，上傳幾張切片需要花費一天時間。而基于5G技術的病理診斷服務網絡，將確保異地遠程病理診斷的高度實時協同，並進一步提升AI病理輔助診斷的外圍技術條件，對于時間極度敏感的“術中快速冰凍診斷”帶來全面的服務革新，幫助極大提升基層醫院診斷和手術效率，助力國家醫改“分級診療、精准診斷”的落地。
區域智能+
分級診療制度已推行數年，旨在針對醫療供需失衡問題，從制度層面予以治本，以促進醫療可持續發展，保障全民健康。
具體來說，分級診療按照疾病的輕、重、緩、急，以及治療的難易程度進行分級，不同級別的醫療機構承擔不同疾病，再基于 “基層首診、雙向轉診、急慢分治、上下聯動”模式，達到合理配置醫療資源的目的，並通過“醫聯體”爲載體，實現資源在區域級醫療系統中縱向循環。
然而，在實際推進過程中，卻存在不小的阻力和困難。
難點一，如何讓患者首診在基層？基層醫生能否接得住下轉的病患？這本質上是醫院和患者之間的信任問題，源頭在于基層醫療機構的診療水平，是否能夠達到滿足基本醫療需求的標准。
難點二，醫聯體內，各級醫療機構之間信息平台不共享,“信息孤島”大量存在,不利于患者上下轉診。譬如接收醫院由于沒有患者之前的診療記錄，不得不重新檢查，費時費力。此外，由于“信息孤島”，系統內上下聯動缺少數據參考，也不利于機構間的分工協作。
打通信息孤島，促進數據共享，以及基本醫療水平的均質化，是解決“分級診療制度”推行困難的關鍵。
在此思路下，建立區域性“智能醫聯體”，搭建共享數據中心，部署區域型智能醫療平台，通過網絡互連、遠程交互、數據共享、技術賦能的方式，提高基層醫療水平，進一步促進區域資源內循環，才能保障了分級醫療制度的順利開展。同時，通過共建平台方式，也避免了諸如服務器、算法平台等基礎設施重複搭建造成的資源浪費，可以以較低的成本實現區域內基層醫療機構的全面智能化升級。
（田豐系商湯智能産業研究院院長；楊燕系商湯智能産業研究院 戰略生態主任；實習生洪子藍在本文中亦有貢獻）