面对我国医疗服务系统存在的医疗资源供给不足、分配不均、医疗效率低等困境，人工智能技术正在显示它改造医疗行业与社会的潜力。基于医疗大数据、深度学习算法和愈发优异的计算机运算能力，凭借在辅助诊疗、药物研发、健康管理、医院管理等多个场景的应用，人工智能将从诊疗技术和医疗系统两个层面，通过多条路径来提升我国医疗的效率。

随着国务院在《新一代人工智能发展规划》中指出要推广应用人工智能医疗的新模式、新手段，人工智能医疗项目在医疗领域的各个场景中得到开展。然而，人工智能医疗的发展尚处于起步阶段，在真正为我国医疗服务水平带来全面提升之前，还需要克服医疗数据互联共享、医疗大数据伦理实现、医疗人工智能人才短缺等挑战。

一、我国医疗服务系统中存在的问题

结合覆盖城乡的全民医保体系建设，我国医疗事业自新中国成立以来取得了长足进步，居民健康状况达到了中高收入国家水平。但我国医疗服务系统仍存在一些问题，主要表现为医疗资源供给不足、分配不均和医疗效率低三个方面。

（一）医疗资源供给不足

医疗资源是指提供医疗服务的生产要素的总和，是一个国家维持医疗系统运行和保障国民身体健康的基础，具体包括医疗费用、医疗机构、医务人员、医疗设备和技能等。尽管政府持续加大医疗卫生方面的投入，医疗资源供给不足仍是导致我国民众“看病难、看病贵”问题的根本原因。据《2019年我国卫生健康事业发展统计公报》，截至2019年底，我国每千人口医疗卫生机构床位数为6.3张，每千人口执业（助理）医师2.77人，每千人口注册护士3.18人；人均卫生总费用为4656.7元。这远不及发达国家在2013年之前的平均水平，其中主要差距表现为卫生技术人员数量的不足。

（二）医疗资源分配不均

医疗资源分配不均已经成为我国医药卫生体制改革面临的重要难题。首先，最明显的是区域间优质医疗资源拥有量的差异。《2019中国卫生健康统计年鉴》显示，我国共有1442家三甲医院，其中45.8%位于东部地区。在复旦大学医院管理研究所发布的全国医院百强榜中，有半数席位被北京、上海、广州的医院占据。其次，是大小医疗机构之间的差异。据《2019年我国卫生健康事业发展统计公报》，2019年末，我国医疗卫生机构床位共880.7万张，其中基层医疗卫生机构仅占18.5%。

（三）医疗效率较低

我国医疗服务效率在全国范围内呈现东高西低态势，区域失衡现象明显，部分地区存在医疗服务效率低下的情况。研究表明，医疗技术整体水平成为医疗服务效率不高的主要影响因素。此外，医疗信息化建设的滞后不利于医疗、医保、医药的三医联动与业务协同，降低了医疗卫生服务效率。因此，全面提高医疗技术、整合线上线下资源、实施有效的分级诊疗制度是提升我国医疗服务系统效率的当务之急。

二、人工智能在医疗领域的应用

我国医疗资源供给不足、分配不均、医疗效率低下的问题具有内在的相关性和复杂性，长期困扰着我国医药卫生体制改革的进程，人工智能技术的兴起则为这些问题的解决提供了可能。数据显示，我国已有150家左右的医疗健康企业涉足人工智能，2015年以来在人工智能医疗领域的投资累计超过200亿元。

（一）人工智能与辅助诊疗

首先是影像识别。与人工智能技术结合最早、目前也最成熟的是医学影像领域。这一结合得以率先落地具有一定必然性。其一，医疗数据中影像数据占到了90%，而大数据正是人工智能技术得以施展力量的“原材料”基础。其二，基于神经网络的深度学习技术的突破，使得图片识别的准确率极大提高，激活了传统影像数据的医疗资源价值。

其次是临床决策支持系统。医疗健康领域的信息量呈指数增长（每五年翻一番），导致医生根本来不及知识更新，其结果是如今的医学决定中只有五分之一基于严格的证据，因而必然导致变异性。

再者是语音工作助手。借助语音识别与自然语义理解技术，人工智能可以帮助医生在诊断的同时完成电子病历编写，提高了诊断效率，减少了医生的工作量。

（二）人工智能与健康管理

如今，各种急慢性疾病对人类生命健康造成严重威胁，对其预防与治疗就显得格外重要。尤其是对慢性病的管理，人工智能技术能够识别心力衰竭个体，病患无需通过临床试验就可以获益。自2017年7月推出“数字健康创新行动计划”之后，美国食品药品监督管理局连续批准了多款人工智能医疗产品。如KardiaBand能够在30秒时间内随时随地获取用户的医疗级心电图数据，结合人工智能分析手表的心率和活动传感器数据，每月生成心电图总结报告并发送给医生。配合SmartRhythm技术则可以实时监测心率，预防中风等严重疾病的发生。其他产品如Wave临床平台可以提前6小时发送致命情况警报；Embrace可以监测癫痫的发生；Viz.ai能比正常情况提前50分钟将脑卒中患者的CT图像告知医生，从而使患者尽早得到救治。基于人工智能技术的健康管理设备能够为病患提供实时的高质量健康监护，降低了发病的风险性和危害程度。

（三）人工智能与医院管理

医院管理中至关重要的一个环节是病案质控。病案记录着病人的病情发展、治疗情况、治疗效果和最终转归等信息，不仅是医学教研的基础材料，也是医患双方处理医疗纠纷的法律依据。对病案质量的把控，既影响对病人诊断的规范性和安全性，也关系到医院的声誉和经济利益，国家也对此提出了相应标准。但实际上，病案质控人员数量缺乏、水平不高，使得病案质控流于形式。目前我国85%的三甲医院在病案质控人员配备数量上不达标，而且质控人员的质控能力也堪忧。针对这一问题，颐圣智能推出了人工智能病案质控机器人，在不增加额外人力投入的情况下能够对全部病案作出准确审核。若全部采用人力，这项工作在全国范围内需要花费数百亿元的人力成本。另外，如果将病案管理技术应用于医保控费，对医院的处方进行审查，则可有效遏制过度医疗现象。

三、人工智能提升医疗效率的机遇

基于前文对我国医疗服务系统存在问题的分析，以及对人工智能技术在医疗领域相关应用的梳理，未来可以进一步提炼并探索人工智能技术提升我国医疗效率的路径。

在提升医疗效率方面，人工智能的作用可以通过提升诊疗技术水平和降低医疗服务系统成本来实现。第一，借助医学影像处理技术、临床决策支持系统、医用机器人和诊疗语音助手等工具，医生能够极大程度地直接提升诊疗速度。第二，人工智能健康管理产品通过日常监测来维护群众的身体健康，降低了人们的患病风险，达到“治未病”的效果，最终减少患者和医保基金的医疗支出。第三，借助智能化的病案管理技术，在不增加人力成本的前提下可保质保量解决病案管理的问题，提高了诊疗的安全性与合规性，降低了医院的医疗事故风险。据国家医疗保障局副局长陈金甫所言，我国医疗消费中有30%属于过度医疗。若将病案管理技术应用于医保系统，则能够充分实现医保控费的效果，遏制过度医疗行为，节省大量医疗费用支出。第四，人工智能技术的发展使得大量的医疗数据具有了资源属性，并能从中发掘出潜在的巨大价值，进而可能为医院创造收益。第五，在未来，人工智能技术能够在某种程度上代替医生的工作，取代一部分医疗工作岗位。这一方面可降低医院对医务人力资源的需求量；另一方面可以让医生把精力投入到产生更多医疗价值的工作上。第六，除了上述直接影响外，人工智能医疗技术还通过促进分层诊疗、消除资源闲置来提升医疗效率。通过将成熟的医疗影像分析处理技术和临床决策支持系统迅速大量地部署到基层医疗机构，提升基层医疗机构的服务水平和吸引患者的能力，进而促进分级诊疗制度的落地，最终可减少基层医疗机构资源闲置、大医院小病大治以及群众跨区域诊疗带来的各种成本。

四、关键挑战与对策

一直被业界所津津乐道的沃森健康于2018年5月下旬传出裁员70%的消息，这体现出人工智能医疗项目落地的过程也并非易事。人工智能医疗作为一个处于萌芽期的产业，很多产品和商业模式还在试验与探索当中，在提升我国医疗效率的道路上还需要克服一系列关键挑战。

（一）医疗数据互联共享

我国医疗卫生系统内各机构的信息化工作往往由不同的系统开发商来完成，由于各开发商采用的数据采集、存储标准不同，致使医院、甚至科室之间的医疗数据无法互联互通。在医学术语方面，我国还缺乏标准术语语义管理体系，对于相同的病症，在不同的医院、医生间有不同的描述，为医疗数据的整合带来了困难。另外，医院为了自己的利益或出于病人隐私安全考虑，也不愿意与其他医院或企业进行数据共享。这样就形成了一个个数据孤岛。而孤立的、没有标准化的数据是无法被有效利用的，只有将同类型以及具有相关性的数据集合起来，才能借助人工智能技术挖掘其中潜在的价值。

要解决数据孤岛问题，首先需要政府发挥引导作用，与行业一起制定医疗信息标准体系，为医院、系统设计厂商以及人工智能医疗企业的相关工作提供参考依据。其次，需要形成涵盖患者、医院、企业、监管部门在内的医疗数据共享机制，由上而下促进数据的有效流动与聚集。在技术方面，对现有医疗信息系统进行标准化更新还不现实，一条途径是利用数据接口或异构数据采集引擎来实现不同系统间数据的互联互通。区块链技术恰好能够保证医疗数据的隐私性、可靠性以及交易过程的透明性和可说明性，这一探索为解决数据孤岛问题提供了有益的思路。在机制方面，需要从医院利益角度出发设计高效、标准化的医疗数据收集系统，充分调动医院在提升医疗数据质量方面的积极性，为后续的共享开发提供基础。

（二）医疗大数据伦理实现

随着人工智能医疗应用的广泛开展，大数据必然成为医疗领域的核心资源，伴随而来的大数据伦理问题日益受到研究者关注。首先，资源化意味着医疗数据具有了价值，与价值分配相关的大数据所有权问题愈发突出。具体来说，医疗数据是归个人、医院、政府还是企业所有，所产生的利益该如何分配？第二，在人工智能时代，医疗数据必须通过共享才能发挥作用，那么，如何确保患者的信息安全？即使数据经过脱敏处理，也可以通过对个体信息的全面收集与交叉检索，轻易突破技术安全屏障追溯到信息主体。第三，知情同意权实现困难。医疗大数据挖掘项目动辄涉及数十万信息主体，如果全部实施知情同意程序，其经济与时间成本将导致项目难以开展。

    面对医疗大数据的伦理问题，需要把握两个关键点：一是要以促进医疗数据共享与利用为发展目标；二是要以保护患者隐私和信息安全为基本前提。在促进数据共享与利用方面，需要构建合理的利益分配机制，提高患者和医院信息共享的意愿，提升企业等科研平台开发利用医疗大数据的积极性。在这方面，需要政府出台完善的医疗信息管理和使用法规，利用技术手段提升医疗数据的安全性，还可以通过设立保险基金来应对信息泄露给个人带来的损失。

（三）医疗人工智能人才短缺

职场社交平台领英去年发布的《全球AI领域人才报告》显示，我国人工智能领域专业技术人才总数超过5万，世界范围内排名第七。腾讯研究院和BOSS直聘联合发布的《全球人工智能人才白皮书》则称，全球人工智能领域的人才缺口为百万量级。神经网络研究中需要确定网络的层数、每层的节点数、节点的激发函数等因素，需要很多的经验、技巧和人工尝试，因此难以掌握和使用。而医疗人才的培养也至少需要8年的学校教育，加之人工智能属于近年来兴起的领域，导致具有医疗和人工智能双重技术背景的复合型人才更是奇缺。

针对医疗人工智能人才不足的问题，首先，要在高校加强学科建设，加大人才培养的力度，推动学科交叉融合；其次，可以通过重大研发任务和基地平台建设，培养一批高端医疗人工智能技术人员；第三，需要促进产业间深度交流与合作，让人工智能技术人员能够更深入地理解医疗行业的痛点及其运作模式，通过市场合作来培养复合型人才，如此也可以保证人工智能医疗应用的研发是立足于实际需求的。

五、总结

提升医疗效率是社会治理精细化的要求，对人民幸福、社会发展与稳定的意义不言而喻。而且目前有一项调查显示，民众对人工智能在医疗上的应用大多数都抱支持的态度。马克思科技批判思想认为，科技作为一种直接的生产力，是人的本质的直接体现，不仅能推动社会发展，更具有实现人的自由和解放、推动人类走向自由王国的的价值。人工智能技术的兴起与进步就具备这样的力量，也为医疗领域痛点的解决带来了可能。在辅助诊疗、健康管理、医院管理等场景，人工智能正在引领一系列医疗变革，同时也面临着不少障碍。相信随着监管机制的完善、标准化医疗大数据共享的实现，以及产业合作商业模式的逐渐清晰，人工智能技术终将在促进我国医疗效率的提升上发挥重要作用。

本文系上海市软科学研究重点项目“人工智能驱动的医疗服务体系创新研究”（编号18692108500）；苏州市软科学资助项目“人工智能助推苏州生物医药产业创新发展路径研究”（编号240107）的阶段性成果。

（作者单位：上海大学管理学院）

【责任编辑：江民】