文章主题:北京看病难,分级诊疗, DUCG系统, AI医疗

666AI工具大全,助力做AI时代先行者!

北京看病难,AI医疗专家如何解救?

看病难、看病贵,一直是深受关注的民生问题。人工智能(AI)能解决这个难题吗?

近日,在中国人工智能学会发起主办的2019中国人工智能产业年会中,多位专家在智能医疗论坛上介绍了AI医生的最新研究成果。

AI医生医术是否精妙?还有多久能普及?请看本报记者发回的报道。

北京看病难,AI医疗专家如何解救?

北京看病难,AI医疗专家如何解救?

AI诊断:向顶尖大夫看齐

在北京的三甲医院看病有多难?

🌟【院士张勤亲身经历】🏥 今年7月,这位清华大学的学术巨擘及国际核能领域的领军人物,深刻体验了北京人民医院的超负荷运营。面对人潮汹涌、床位紧张的情况,他带着年迈的父亲,无奈地在急诊室的长椅上度过了漫长9小时,直至凌晨1点半,才得以暂时安顿。这样的场景,让人深感医疗资源压力之大。📚✨

北京看病难,AI医疗专家如何解救?

🌟张勤,一位执着的科研战士,他的信念坚如磐石——通过优化的*DUCG系统*,解决中国医疗资源紧张的难题。 técnica的研发之路虽然充满挑战,但他深信,这一创新解决方案离临床应用仅咫尺之遥。让每一个公民都能享受到高质量医疗服务,是他的使命,也是他坚持的动力。🌍

张勤在论坛上讲完自己带父亲看病的故事后,分析起看病难的“痛点”在哪。

🌟2018年全国医疗资源分布显著,✨99.7万个机构中,基层医疗机构占比高达94.6%,犹如医疗服务的基石。然而,尽管数量庞大,🔥基层就诊人次却占总人次53%,与三甲医院的就医压力形成了鲜明对比。📚三甲医院仅1442个,服务人群密集,自然人满为患。这一现象反映出基层医疗机构虽是主体,但面对海量需求,还需进一步优化资源配置和服务效率。🌟SEO关键词:全国医疗结构、基层医疗机构占比、就诊人次分布、三甲医院压力

看病难、看病贵,医患矛盾突出,很大程度上是由于没有实现真正的分级诊疗。

🌟我国分级诊疗的宏伟目标是让90%的大病患者能在县内得到妥善治疗,然而这一挑战为何难以达成?主要症结在于基层首诊的有效率不高和基层医生的专业能力有待提升。🔍张勤专家对此给出了创新的解决方案——智慧医疗的革新力量。💡他设想了一款全能型全科疾病诊断AI系统,无论在何种环境下都能精准无误地进行诊断,并能清晰解释其决策过程,还能根据个体情况自动生成最佳治疗路径,实现精准医疗的终极目标。🚀这无疑将为提升基层医疗服务水平提供强大的技术支持,助力我国分级诊疗制度迈向更高层次。

北京看病难,AI医疗专家如何解救?

🌟核电站安全运维与医疗诊断的隐形联结🔍——精准与严谨同行

🌟理论虽有共通之处,但实质上是知识海洋的差异所在。张勤团队巧妙地将专为核电站故障诊断研发的独特算法系统——DUCG,进行了医学领域的创新应用。他们的首要步骤是携手医疗界的顶尖专家,搭建一个高度精准的知识库基础。🎯

“我们以患者为中心,围绕患者的主诉症状构建知识库,包含所有相关科室,免除挂错号的烦恼。比如病人的主要症状是腹痛,那就可以看我们的‘腹痛’知识库。”张勤介绍,团队正与北京协和医院、北京朝阳医院、北京宣武医院等国内著名三甲医院的约30位临床专家深度合作来构建知识库。“知识库由各科临床经验丰富的大夫来参与构建,我们追求的是,让AI达到这些专家的水平。医学在进步,你有多高的水平我就跟你一样,至少是接近你。”

这个目标一旦实现,基层医疗机构的医生使用DUCG系统的“AI医生”做辅助,就能得到与北京三甲医院资深大夫同样的诊断结果,这将大大提高基层诊疗水平,缓解三甲医院就诊压力。

理想很丰满,现实进度如何?DUCG知识库目前开发到什么程度了?

目前,DUCG知识库已完成第三方病历测试的有关节痛、呼吸困难等13个知识库;基本完成开发和内部测试的有胸痛、水肿等17个知识库;正在开发的有不明原因发热、妇科等8个知识库。已经接近覆盖所有临床主诉。

AI诊断的便捷度如何?

“我们正在开展青岛胶州市和重庆忠县的临床应用试点。不管是镇医院的大夫,还是村卫生室的村医,有电脑或iPAD就可以通过云上DUCG系统进行诊断,并可一键生成符合规范的电子病历。”张勤说。

北京看病难,AI医疗专家如何解救?

AI诊断的正确率如何?

重庆6家三甲医院对DUCG系统的关节痛、腹痛、咳嗽咳痰、发热伴皮疹、呼吸困难、鼻出血6个主诉知识库的第三方测试结果显示,除了22个罕见病没有找到病历外,其余疾病的AI诊断正确率达100%(AI诊断结果与三甲医院医生诊断结果一致)。“我们的测试方法特别强调对罕见病诊断的正确率,因为基层诊断错误主要发生在罕见病。”

AI医生何时能进化成全科医生并投入基层医院?

“所有主诉知识库构建完成后,即可实现全科诊断。我们计划再用一年覆盖基层医院可能遇到的所有主诉(普通外科除外)的临床诊断。”张勤表示。

AI读片:要比人眼更锐利

去拍个片吧!这是很多患者在医院经常听到的话。

现在,超声、核磁、CT……各种医学成像已经成为医学诊断的必备参考数据,AI读片也随着人工智能技术的普及开始走向临床应用。AI读片准不准?这种技术正在给“看病难”问题带来哪些改变?

AI读片可以提高疾病的早期发现率。

有些致盲、致畸、致死疾病在发病早期已经出现轻微症状,很难被肉眼发现,但这些细微的变化却有可能被AI敏锐识别。这些疾病越早被发现,越早干预治疗,预后就越好。

北京看病难,AI医疗专家如何解救?

“任正非曾表示,华为P30的代表是数学,拍照时图像不是照出来的,而是数学算出来的。我期待AI读片也能做到这样。”浙江大学数学科学学院、浙大一院双聘教授孔德兴说,《新英格兰医学杂志》曾发表的一篇论文显示,癌症病人从发病到死亡大约是25年时间:其中基因发展异常是前5年;基因表达到组织表达出现问题大约是从第5年到第20年,此阶段病灶很小;而等到出现医生可以直接诊断的5毫米以上的肿瘤病灶,往往为时已晚,病人所剩时间只有1至3年了。“医生很难直接判读小于5毫米的病灶,但数学方法可以辅助,算出超分辨率的医学图像。”

北京看病难,AI医疗专家如何解救?

“我们希望把前沿数学理论与现代物理规律和医学、尤其是临床医学深层次交叉,所以提出了数理医学这一新概念,并取得一系列具有临床应用价值的研究成果。”孔德兴介绍,他的团队利用自主研发的基于超声影像的创新性分析技术,开发出国际上第一款超声辅助智能诊断系统,可以对甲状腺结节、乳腺结节、肝肿块等进行准确识别。其中对乳腺的识别准确率为:良性92%,恶性93%;分割准确率93%。超声乳腺钼靶的钙化准确率达到97%。

从2019年7月至今,这套智能超声诊断系统被部署到杭州市西湖区的基层卫生院,已经为3万多人做了体检,发现32例甲状腺癌、20多例乳腺癌的患者。这些患者到三甲医院做穿刺,手术病理都是恶性的,说明AI读片结果很准确。“整个社区卫生院周边的老百姓都跑过去体检,既便宜又方便,不用排队,准确率还挺高。”孔德兴说。

AI读片也可以提高医生的服务能力。

在广州的中山眼科中心,“AI眼科医生”已经试行2年多了,诊疗决策准确率超过90%,诊断技能已达“专家级眼科医师”水平。

北京看病难,AI医疗专家如何解救?

中山大学中山眼科中心人工智能学科带头人林浩添介绍,在国家重点研发项目的支持下,现在中心正在推出眼科AI三级诊疗模式:在家里,可以通过智能手机软件,通过个人自拍来进行初步筛查;在社区和基层医院,通过基本检查设备和云平台进行初步疾病诊断;在三级综合及专科医院,通过人工智能辅助的专业检查设备,辅助专家诊治,提高效率。

“通过眼科AI三级诊疗体系,每名眼科医生的效率可以提高10倍以上,从一年服务4千人,提高到一年服务4万人甚至更多。”林浩添说。

AI落地:巨大临床需求推动

AI医疗的落地情况如何?

不少专家认为,巨大的临床需求正在推动AI医疗的落地。

“临床医生远远不能满足眼底检查的潜在需求。眼科医生紧缺,2、3级医院的眼科医生加起来只有3.6万名。与此同时,我国需要进行眼底筛查的人数量庞大,仅糖尿病患者就有1.14亿,高血压患者还有3.3亿,这些病人至少要一年查一次眼底。”上海市静安区市北医院眼科主任陈吉利认为,人工智能是解决基层眼底检查能力短板的利器。

北京看病难,AI医疗专家如何解救?

陈吉利介绍,该医院是人工智能医学影像识别公司Airdoc在沪上的首个应用示范基地,也是国家科信中心眼科大数据实验室上海静安影像阅片中心,还是平安好医生人工智能问诊系统沪上眼科首家应用示范基地,已建设成为集AI、大数据、云平台和远程会诊于一体的静安北部医共体眼科云平台,启动了基于人工智能的社区糖网筛查的项目。

该项工作建立了“筛查-发现-转诊-随访-健康管理”的模式,推动了分级诊疗的落实。在上海市静安区市北医院的一站式糖网筛查系统中,四家基层社区医院一年多时间内,就协助筛查了5590例患者。

“以往社区筛查后,社区将片子上传至区域医疗中心,要完成远程读片,再把结果给到社区,再通知患者向上转诊,这个过程大概需要一个多月。这是由于上级医院医生时间短缺,来不及阅片。而有了人工智能后,就可以即刻告诉患者筛查结果,马上告诉他转诊时间,从而大大提升了诊疗效率。”陈吉利说。

北京看病难,AI医疗专家如何解救?

AI医疗领域目前有很多创业公司,什么样的公司更有商业前景?

据统计,目前全国人工智能+医疗领域约有150多家企业,大部分企业从单领域突破,医学影像上的辅助诊断、在线智能化问诊等是目前比较集中的方向。对于医疗类的企业来说,技术真正落地离不开真实的应用场景,算法模型、可持续的优质医疗数据、变现渠道缺一不可。

复星集团投资总监陈宏表示,考核一个公司是否值得投资,除了考核算法有没有先进性,还要看数据量,要看数据量的维度和质量。大致是以下四点:商业模式,是否能够真正实现产业化落地;创始人对其细分医疗AI领域有什么程度的理解,是否有营销人才、互联网的思维;硬件是否能够在整个产业链上有很好的结合;对场景的选择是否正确,能否找到更新的场景去匹配更新的数据、更新的硬件,或是在已有的场景里面做好产业链的延伸。

他表示,目前比较看好慢病管理、药物研发、院外健康管理、基层预防筛选这几个细分领域的人工智能机构。

AI医疗服务能解决“看病难”顽症吗?让我们拭目以待。

END

经济日报经点科学工作室

记者:佘惠敏

北京看病难,AI医疗专家如何解救?

北京看病难,AI医疗专家如何解救?

AI时代,掌握AI大模型第一手资讯!AI时代不落人后!

免费ChatGPT问答,办公、写作、生活好得力助手!

扫码右边公众号,驾驭AI生产力!