近日，位于河南洛阳的栾川县人民医院出现了一个医生助手——VGo远程会诊机器人，通过借助现代网络通讯技术来与请求会诊的其他医院进行对接。然后通过网络传输及视频对话等方式，开展医学会诊、资讯以及医学教育等活动。

远程会诊机器人属于一种“互联网+医疗”的模式。英特尔医疗与生命科学部亚太区总经理李亚东曾经表示，该模式提高了整个医疗系统运行的效率，例如网上轻问诊、挂号以及在线支付等方面都做了很多工作，并且取得了很多成绩，但是现在还没有走近院内，并没有触及医疗本身。

李亚东指出，医疗健康的需求端急剧上升和供给端的严重不足都驱使人工智能等技术与医疗健康行业的结合。

有数据表明，应用智能辅助诊断系统，能够把医生看片的时间平均减少4.25个小时，并且准确度能够提高到90%以上。这样，不仅是医生有更多的时间来提升自身的水平，而且还能够把医生“还给”患者，让医生有更多的时间为患者解释病情及病因。作为“基础薄弱、人才缺失”的基层地区，AI技术毫无疑问能够为这些地方提高诊断率、分担三甲医院所承担的就诊压力提供很大的帮助。

但是基层医疗机构能否用得起看起来昂贵、技术壁垒强的AI技术呢？

基层医疗需要 AI 吗？

在我国，基层医疗机构是医疗体系的末梢神经，而硬件设施和人才缺失则是摆在基层机构面前的一道难题。2014年，我国医疗机构总诊疗人次超过76亿，而基层医疗卫生的诊疗人次从2009年的62%下降到58%。在这样的背景中，国家提倡分级诊疗，而基层首诊则是分级诊疗制度的重要基础。

2015年3月，国务院办公厅印发了《关于进一步加强乡村医生队伍建设的实施意见》，其中要求基层医疗卫生机构：社区卫生服务中心（站）3.5万个，乡镇卫生院3.7万个，村卫生室63.8万个，诊所（医务室）20.5万个。每千服务人口不少于1名的标准配备乡村医生。2015年9月，国务院办公厅下发了分级诊疗制度建设的指导意见，目的在于解决医疗资源不平衡的问题，问题的关键在于完善基层医疗建设，多级解决就诊难的问题。

在理想条件下，一个患者的就诊顺序应该是：通过社区内全科医生诊断，获得初步诊疗，根据病情再向上级医院转诊。但是实际上由于患者自身的原因，大多数患者会直接选择去“更加靠谱”的上级医院，而这当中最大的原因就是对于医生的不信任。

腾迈智医创始人曹继平对此表示，这种不信任来自于基层全科医生本身的经验，一般大型医院单个医生接诊数量比较高，积累了较为丰富的经验，而基层医生和普通三甲医院医生的接诊数量有限，经验相对较少。基层医生缺少诊疗经验，诊疗能力进一步被质疑，分级诊疗更加难以落实。

深圳市科恒力电脑软件有限公司总经理车飞沦曾在自己的一篇文章中表示，智能诊疗最大的市场机遇是在基层，辅助基层医生诊疗。三甲医院的著名专家教授具有精尖的专科技能和仪器设备，所以对于AI辅诊的需求并不高，可以说是一个“可有可无的点心”。然而基层医疗医务人员的能力不足，有需要承担大量多发病、常见病以及慢性病的病人，所以他们更需要提高诊疗水平及效率的工具。智能诊疗技术创新能够推动原本需要专家才可以做到的诊断和治疗。让基层医生在缺乏高端仪器设备的情况下，也可以为患者提供初步的诊治工作。

推想科技CEO陈宽认为，医疗人工智能产品在基层的产品需求实际上是十分强烈的，医生也有非常高的设备使用率，这些产品能够帮助他们降低漏诊率，在基层的联动医联体和三级分诊中起到了非常大的作用，降低了基层医院搭建诊断团队的门槛。基层医院对于AI产品的以来程度甚至要超过一般的三甲医院。

基层医疗会使用AI吗？

基层医疗对于AI科技公司开说，是一个尚未开发的“巨大金矿”。但是，这座金矿真的有想象中的那么好挖吗？设备条件落后，医生专业知识的匮乏，这是不仅是AI在基层发挥作用的出发点，同时也是成了难点。

在AI产品推进到基层医疗的过程中存在着哪些困难？基层医院在应用AI产品是由哪些难点？陈宽从企业的角度表达了自己的观点，基层医疗一方面是渠道较难覆盖，即使基层的市场空间很大,但是相应的渠道挑战也更大。另一方面，基层有许多的IT系统相对比较缺乏，这个与三甲医院不同，在IT系统缺乏的情况下，怎样才能够把这个AI系统对接上去？这是一个较大的命题，其中包括我们有一些上线的基层医院也许连基本的设备都没有。医生还是采用一个胶片阅片的方法，这就对AI的技术和产品带来了更大的挑战。

腾讯架构平台部高级工程师颜克洲在做乳腺癌病理图像识别项目，他遇到的数据问题源于医生的习惯。他说：“我们更需要波片扫描的数据，这个数据非常少，它需要把整个波片全部数字化，但是这个机器现在很多医院没有普及，很多医生也比较抵触使用这样的机器，他们从医学院开始接触到的训练都是使用显微镜。”

除了渠道以及医生的工作习惯的问题之外，AI在落地基层医疗的过程中，还有一个不可避免的因素，那就是数据。

数据中存在着大量冗杂的数据，如果处理不好，很有可能会产生数据污染。清华大学教授张勤表示，医疗数据并不是多多益善，而是数据质量高才行。凭借手术治疗、高精尖仪器设备的技术以及价格昂贵的新特药等等医学数据源，这些都不适合基层医疗，适宜基层的专家经验及文献资料才是基层智能诊疗系统所需要的数据源。

医疗数据对于AI来说就如同维系生存和成长的主食，有了数据才能够训练AI机器，应用转化也需要与临床数据相对接。对于国内的企业来说，获得数据的渠道主要是与公立的三甲医院合作。此时，医院与医院之间的数据没有实现互联互通就成为了主要的障碍。

汤衡说：“中国医院都有私有云，各个私有云都是独立的，数据不共享。现在有一部分数据被互联网挂号平台占据，但数量少，数据质量达不到医疗研发级别。也有企业帮医院做系统对接然后抓取数据，一般是有选择性的抓取，无法获得完整版的数据资源。”

基层医疗能够用得起 AI 吗？

除了数据难题之外，医疗人工智能开始迈入产业化，但是在这个领域国内的审批和监管还处于空白阶段。

学术界与院方人士又是怎样看待AI在基层医疗中遇到的商业化问题的呢？在近期北京举办的北大医学部影像医学学系的学术年会上，北京大学人民医院放射科原主任杜湘珂教授提出了一个现实性问题：AI的盈利与消耗是一个非常大的问题，那么医院的投入由谁来承担呢？

车飞沦表示，智能诊疗系统知识软件基础上使用AI技术切入医疗的一种工具。软件的边际成本甚至是价格是接近于零的，因此智能诊疗系统的实际定价不应该太高，特别是在基层。让基层医疗机构花费上万元甚至是十几万元买一套系统，这不现实。

针对这个问题，陈宽认为，企业现在还处于摸索阶段，就目前来看，AI产品是比较难从病人身上去收费的，目前还无法实现，这对于企业的商业模式也形成巨大挑战，尤其是在医院有可能在自由资金较少的情况下怎样收费，这还需要结合政府政策以及院方等各个方面。

AI诊疗系统在商业模式上还需要继续探索。对此，高特佳执行合伙人汤衡表示，现阶段应用层面的医疗人工智能企业的商业模式创新已经到了瓶颈期，基本上依靠筛查服务和分析报告来变现，后期的技术升级和数据积累能否带来一些质变还有待验证。

汤衡说：“未来是根据医疗器械、系统还是其他的方式进行监管还没有定论。国内已经在临床使用的产品基本都是打擦边球，借鉴临床同类项目的收费标准进行定价，也很难开出一个比较高的价格。”

AI 怎样在基层医疗中落地，专家怎么说？

那么，在商业化变现和数据有效性等问题的背景下，AI怎样才能够更好地在基层医疗中站稳脚跟呢？北京大学公共卫生学院周子君教授在学术会议上曾表示，AI在基层医疗影像中的医疗场景，未来需要有一个整体的数据解决方案来解决基层医疗这个问题。乡镇卫生院的拍照水平和医生水平可以通过培训达到要求，但是诊断确实是一个问题。未来能否通过云的解决方案来用基层大数据进行诊断。

从筛查的角度来看，基层需要解决早期发现的问题，如果基层是用CT解决的话，从经济学的角度来说，它不是一个成本效率很高的方法。如果使用AI-DR来解决就很好了，即用降低成本地方法来解决，这样就面临了AI如何早期发现的问题。而且我们并不建议在AI-DR层面上将假阳性控制很好，实际上假阳性还可以放得高一点，下一步是用CT或是其他方法进行确诊。这样就能够节省大量的社会资本。我们现在有一些方法，例如肺癌全人口筛查以及乳腺癌全人口筛查，这个费用是很高的。从经济学角度讲，这个是非常不适合做的方法。

如果要使用常规的检查，假如基因家族史是高发的，再加上AI的诊疗技术，这也许会把这个经过的代价拉高，因此，整个社会的成本就降低了，这是AI未来从数据的角度来应用的一种方式。这样分级诊疗就出来了，例如基层，将所有的医生都培养成人民医院的那种是不现实的，但是假设全国通过AI这种方法，在结合专家的诊断，完全能够在很小的范围内将13亿人口的健康问题解决了。

首都医科大学教授顾湲从基层教育的角度提出，通过全科医学服务模式的推广一级全科医生队伍的速成建设，使包括村医、乡医、城市全科医生、护士以及健康管理师等在内的数百万基层医疗卫生服务人员尽快掌握“居民健康守门人”必须的本领，进而展现出基层医疗的优势和基础作用。