醫療領域一直以來都是AI的絕佳落地場景，而當AI+醫療的觸角伸向基層，這樣的“落地”方式，讓技術的“社會價值”更加明顯地顯露出來。

12月8日，《麻省理工科技評論》（MIT Technology Review）發布報告《AI醫療：亞洲的發展空間、能力和主動健康的未來》（以下簡稱MIT報告），一系列訪談+研究+實地考察給出了亞洲地區AI醫療的價值和前景分析，其中在中國市場上拿百度AI醫療的成果CDSS（“臨床輔助決策系統”）作為重點分析對象。

報告中提到的CDSS，是百度基于自然語言處理、知識圖譜等多種AI技術推出的循證醫學臨床輔助決策系統，從官網資料上看，包含輔助問診、輔助診斷、治療方案推薦、醫囑質控等多種功能。

而它當下應用的重心，恰恰主要在基層醫療賦能上。

公開資料顯示，CDSS現已落地全國1000多家醫療機構，覆蓋18個省市自治區，服務醫生數萬人，MIT報告中，北京市平谷區的基礎醫療借助CDSS的幫助，能夠“更好地滿足整個行政區域的醫療需求”。

（圖片來自《麻省理工科技評論》發布的《AI醫療：亞洲的發展空間、能力和主動健康的未來》）

毫無疑問，光環加身、顯得高大上的AI醫療，它最先、最有價值的落地，正發生在基層醫療身上，類似百度AI醫療與基層醫療的融合這樣的案例，反映了AI技術在帶來社會價值時將更快速得到認可的行業現實。

“基層醫療”與AI天然匹配，社會價值層面策略“穩贏“！

基層醫療問題很多，但總結起來，都離不開這四個——“恰好解決”，每一個都“恰好”可以被AI醫療自帶的特性所“解決”：

1、醫療效率上的人才缺口

即醫生數量少，數據顯示基層醫療的主體地區——農村每千人口醫師數為1．8人，僅為城市的45%。

類似百度CDSS這樣的AI醫療系統能夠通過輔助決策等功能，提升單個醫生的能力和效率，在增加人員之外，提供緩解人才缺口的另一種方式。

2、醫療質量上的技術缺口

即不但人少，醫療能力也不足（包括設備設施），國家現在要求基層承擔66種常見病的診療，客觀地說執行率并不算好。

AI醫療介入，提供體系化、智能化的解決方案，例如CDSS可以覆蓋4000+常見疾病，背后往往整合了大量權威醫學知識來源。這些不說大幅度提升基層醫療的“醫術”，至少對于幫助基層醫療實現匹配常需使用的醫療技術有直接價值。

3、醫療責任上的資源缺口

基層醫療與三級醫院甚至全國性知名大醫院注定只要“治病”不同，它除了承擔普通百姓的一些小疾患，未來還更偏向于大眾健康管理職責，是醫療“治”之外“防”的重要承載。

在我國慢性病壓境（2．6億慢性病人）、老齡化日益嚴重時（它們往往都依托基層醫療進行長期診治），基層醫療是否能夠承擔起即將到來的巨大責任是存疑的。

而由“治療”到“保健”轉型要求基層醫療有更強的系統化疾病預防與管理能力。

AI帶來的數字化、智能化醫院管理體系建設，配合CDSS帶來的效率和質量持續是解決這個問題的可行方式，只不過AI醫療必須配合更多醫療政策一起作為，這是一個浩大的工程。

4、醫療預期上的信任缺口

2017年中國三級醫院以0．23%的占比，承擔了總診療人次的21%;基層醫療衛生機構以94．5%的占比，僅承擔總診療人次的54%。

這種劇烈矛盾的背后很大一部分原因是基層醫療無法得到大眾認可，正如MIT報告中平谷區衛健委信息中心主任焦軍鋒所言，百度CDSS部署以后，“越來越多的患者來基層醫院看病，而不像以前那樣不分病情輕重就徑直去大醫院”，AI以高準確率、標準化不依賴個人的技術賦能，長期將根本上改變大眾對基層醫療的心理預期，紓解三級醫院的“擁堵”。

從上述四種“巧合”式的匹配，不難看出，百度AI醫療之所以選擇賦能基層醫療，其社會價值不言而喻——科技巨頭都在大談特談的科技向善，賦能基層醫療無疑是一種直接的實踐呈現。

或者說，選擇以AI賦能基層醫療，這與資本催熟的AI醫療行業大干快上，賣解決方案、賣服務器求短期變現有本質的不同，在社會價值層面，這種策略選擇，某種程度上將產生“四贏”的結局：

社會層面：解決醫療資源少且分配不均衡的痛點;

基層醫院/醫生層面：提升基層醫生診療質量和效率，減輕工作負擔，增強職業成就感;

患者層面：享受到良好的醫療服務，很多時候不必奔波往返于大型醫院;

AI醫療企業：社會責任與企業價值得到統一，例如百度，一方面樹立積極的社會形象，另一方面也獲得了醫療領域To B合并To G市場的巨大潛力。

面向基層的普惠醫療，AI到底要做什么？

不久前，國家工業信息安全發展研究中心發布《人工智能中國專利技術分析報告》，顯示中國人工智能領域的專利申請量呈逐年上升趨勢，而上文CDSS的所有者百度以5712件位列中國人工智能專利申請量第一，是去年的2．4倍。

（百度以5712件人工智能專利申請量排名中國第一）

下半年以來，包括IDC《中國AI云服務市場2019年廠商評估報告》在內的多份行業專業報告都在關注AI前沿走勢，其中百度行業公認的AI領導者地位被進一步確認。

問題在于，像百度這樣的企業，AI越來越強，技術把控也越來越前沿，當它要把AI技術應用到面向基層的普惠醫療這件事上，AI到底要做什么、能做什么？

從行業角度，拆解百度AI醫療案例，至少有四個層面是AI需要注意的，亦可看做挑戰所在。

1、從單點突圍，到體系化鋪設

與基層醫院相比，非基層大型醫院往往都建立了自己成熟醫療體系，一些醫院在信息化、數據化方面也有所動作，所以，后者對AI醫療的需求，在體系化方面并不如基層醫療強烈。

用大白話說，基層醫療環境“幾乎什么都缺”，對技術的索求是全面的;而高級別醫院雖然也有全面的需求，但它在短期內更渴望單點突破的技術，例如CT影像智能識別解決影像科不堪重負的“看片子”壓力。

所以，百度面向基層醫療的賦能，一開始就是體系化的。嚴格來說，上文MIT報告所重點強調的CDSS只是百度大腦AI技術驅動的AI醫療品牌“靈醫智惠”的一個部分，該品牌對外稱以“循證AI賦能基層醫療”為愿景，有一整套面向基層醫療的賦能體系。

從公開資料看，靈醫智惠以“靈醫智惠技術中臺“為核心，面向院內院外場景開放15項能力，圍繞從臨床、科研、到管理、患者服務等領域，提供五類解決方案，具體包括上文提到的CDSS、眼底影像分析系統、醫療大數據解決方案、智能診前助手以及慢病管理等。

這些解決方案不只是為基層醫療提供全方位的配套服務，那些同樣服務于基層醫療的信息化廠商、健康管理運營商、藥企等亦是靈醫智惠的合作對象，如此，凡是基層醫療需求的，可能都被“包圓了”。

這種體系化能力鋪設，既可以看做百度AI醫療主動為之，也某種程度上是基層醫療需求的倒逼。

2、從“理科”看病效率與質量，到“文科”流程協同

醫療AI一直都有兩個大的“分支”：

專注醫療效果的“治病”技術，可看作“理科”;關注醫療流程優化、事務性工作簡化等的“管理”技術，可看作“文科”。

從基層醫療的全面需求來看，有“理”更有“文”是一種內在必要，醫技不足固然是基層醫療眾多問題之一，但那些僅僅鉆研將AI利用到疾病診療的卻未深刻理解基層醫生需求的AI醫療企業，或許會在“理科”上有所建樹，但卻很難真正”賦能”這個領域。

僅從百度靈醫智惠的CDSS來看，在疾病診斷方面，該系統覆蓋了27個科室，超過4000種常見病，基層常見病多發病Top3疾病推薦準確率高達95%。但從平谷區的落地案例來看，更值得關注的是，它于當地上線的輔助問診、輔助診斷、治療方案推薦、醫囑質控、相似病歷推薦、知識查詢等六大模塊，無縫融入基層醫生的工作流程去，而不是變成額外的負累而不被接受，實實在在地被用了起來，體現了 “文科”方面的AI醫療賦能。

對比起來，媒體“尋找中國創客”曾報道不少AI醫療技術設備（例如肺結節識別服務器）被放在醫院科室“吃灰”的現象，說到底還是“理科”沒有與“文科”更好地融合，或者說根本就是缺乏“文科”的配套落地。

3、從單純工作推動的“魚”，到職業技能提升的“漁”

在平谷區CDSS案例中，醫生的工作體驗得到大大改善，例如“輔助診斷”模塊，可以基于主訴、現病史中提到的癥狀、疾病，以及體格檢查、檢驗結果推薦相關的疾病、相關癥狀及體征，按照診斷結果由高到低推斷潛在疾病可能性，這都使得醫生獲得“醫技”上的統一加持，診療更專業、更放心。

更重要的是，配合治療方案推薦、醫學知識查詢等模塊，基層醫生實現了某種程度上的邊學邊實踐邊快速提升自我的效果，例如醫學知識查詢中提供了9700+疾病知識，3600+典型病例，760+心電圖，2600+多維臨床決策等知識，反過來相當于持續不斷的“培訓”。

說到底，所有基層醫療賦能最終都必須“授人以漁”，它代替不了醫生，只能不斷提升醫生的能力和水平。

4、從AI“黑盒”，到醫療“白盒”

隨著AI算法的越加“精密”，神經網絡的復雜度不斷提升，很多時候，算法工程師們都開始無法理解自己設計的AI在計算與輸出的結果時究竟是如何“想”的，只是知道這些結果的有效性如何。

這被稱作AI黑盒，它是業界默認的事實。

但是，這種默認是建立在輸出結果能夠承受錯誤的情況下，大不了再換算法試驗，但是，醫療AI事關大眾健康，基層醫療往往都是疾病的初篩階段，且事關大眾信心，試錯成本過于高昂，AI“黑盒”在這里不應該被接受。

所以，也就不難理解百度靈醫智惠將自己定義為“循證AI”了。這個產品后端根據醫學知識和醫學經驗進行深度融合，例如與中山大學中山眼科中心、解放軍總醫院、盛京醫院、北大國際等幾十家一流醫院專家醫生深度合作，與權威醫藥衛生出版社合作，輸入大量醫學知識和診療方式方法;在前端，則提供給醫生治療方案推薦，或者更匹配病情的醫囑推薦，這中間，靈醫智惠能夠清晰地給出對應的推斷邏輯，讓醫生有章可循，知道輔助建議的來由，而不是由AI“黑盒”式操作。

這就是“循證”的價值所在，從技術角度看，這樣的循證AI能力，主要基于深度NLP、知識圖譜等能力，讓AI醫療解決方案變成可解釋的“白盒”。

基層醫療不應該被看作AI醫療的“垂直領域”

雖然百度AI醫療選擇賦能基層醫療作為突破口，但是，這種做法卻不能按互聯網通常所說的“垂直領域”來解釋。

綜合上文種種，可以看出，基層醫療的改變推動的是醫療全局的變化，解決醫療結構性失衡就是在解決非基層醫療人滿為患的痛點，讓所有人都能享受更優質的醫療服務。基層醫療面對的是所有人群，AI賦能基層醫療，就是在服務整個社會健康體系。

2016年我國發布《“健康中國2030”規劃綱要》，提出“2030年主要健康指標進入高收入國家行列”的戰略目標，2019年，我國出臺了《健康中國行動（2019—2030年）》等相關文件，圍繞疾病預防和健康促進兩大核心，提出將開展15個重大專項行動，“健康中國2030”已經成為國家戰略并加速落地。

在此背景下，賦能基層醫療的社會意義進一步凸顯，除了百度，更多AI醫療從業者都應該加入進來，這才是實實在在秉持正確價值觀又能帶來巨大商業潛力的業務領域。舉目望去，這樣的AI才是在做一件真正推動社會進步的事，脫離單純的技術概念，塑造廣泛的社會價值。

我們能夠為醫保談判專家“靈魂砍價”所贊嘆，就也應該期待AI醫療在基層醫療領域有更大的作為，畢竟，AI賦能基層醫療與藥品價格一樣，將成為少數不必增加過多的“醫療投入”就能大大提升醫療健康水平、減輕社會保障壓力的行動，未來可期。