当前位置： AI资讯 > 内文

辅助诊疗是医疗人工智能在基层医疗难题上的重要应用

2021-12-17 关键词：临床决策支持(CDSS)

近年来，我国各类医疗机构年诊疗总人次已超过70亿次，且存在医疗资源分配不均、布局结构不合理等问题，医疗卫生行业面临巨大的服务需求压力。

随着医疗信息化的快速发展，电子病历和健康档案的广泛应用，医院信息系统产生了大量的文档、表格、图像、语音等多媒体信息。利用医疗AI（医疗人工智能技术）辅助诊疗，在临床开展医疗活动过程中，对患者数据进行整合分析，实时提供诊疗建议，为提升医疗卫生服务能力，解决医疗资源紧缺问题带来了新契机。

此外，医疗AI通过对海量的医学文献、病例数据和诊疗方案进行快速检索，分析数据之间的隐含关系，能够帮忙医院开展辅助诊疗、药物研发等问题的研究，推动医疗技术的进步。

辅助诊疗是“刚需”

“人满为患”是很多人提起医院最初的感受，尽管近年来医疗卫生体制在不断改革，包括组建国家医保局，全面推进医保制度改革，希望通过顶层设计，改善医、患、药关系，缓解就医难、就医贵的问题。但由于中国基层缺乏优质医疗资源，患者 “趋高就医”成了习惯。

在就医路径上，如果能够由基层从患者早期预防、前期微小症状时就提前介入，在保健、健康教育层面先行，精准识别急危重症进行快速转诊，分级诊疗路径走通，能够缓解患者就医现状。

在这个时候，辅助诊疗产品系统将发挥重要作用，这是医疗AI进入人们的健康场景中，改变医疗方式，重塑就医体验的应用之一。

辅助诊疗有很多实际应用场景，比如，在使用OCT系统（光学相干断层扫描）做眼底疾病筛查的时候，通过医疗AI（医疗人工智能系统）做病灶筛查，医生可以看到视神经和每一层视网膜的细微病变，清晰度比B超高10倍以上，还可以自动识别20多种常见的眼底病灶，媲美经验丰富的眼科医生。

要做到自动化和智能化的辅助诊断，实际上并不容易，因为如果只是单个病种识别，反而会降低效率。在实际临床设计中，一个医疗AI模型需要能够识别数十种甚至数百种疾病，才能真正帮到医生，这背后需要对医疗场景足够多的了解，对临床案例有足够多的沉淀。

辅助诊疗是“前景”

去年新冠肺炎疫情防控中，互联网、云计算、大数据、物联网、人工智能及5G等手段和技术，立下了重要战功，这是广义的辅助诊疗手段。而对于基层医疗机构来说，辅助诊疗产品系统更是推进分级诊疗重要的技术投入。

分级诊疗的概念要真正实现，需要突破不少阻力。一方面，强基层需要一个过程，无法一蹴而就。另一方面，基层医疗资源稀缺，造成了患者的信任度缺失。这里面有体制与政策能解决的问题，也有医疗科技能够推动的改变。

医疗AI（医疗人工智能）辅助诊疗以大数据智能作为基础，需要解决医疗健康数据碎片化的问题，实现从数据到知识，从知识到智能的跨跃，打穿数据孤岛，建立链接个人和医疗机构的跨领域医疗知识中心，形成开放式、互联互通的医疗信息共享机制。

在医疗行业中，非结构化数据占整个数据量的90%左右，如果能够深挖这些海量数据背后的价值，将对精准医疗研究、个体化治疗、疾病治疗与疗效评价、重大疾病的风险评估等具有重要意义。

医疗科技最大的价值之一，就是提高医疗机构的效率，赋能医疗资源，短期内提升各层级医院的医疗水平。

不论是大型公立三甲医院还是基层卫生机构，随着医疗数据不断充盈，疾病图谱逐渐完善，辅助诊疗产品和系统能够在数据中发现长篇大论中，帮助医生日常医疗服务中的诊疗决策。

此外，互联网与医疗科技正在进入一个线上线下深度融合的阶段，辅助诊疗产品系统能够确保问诊时效性与医疗品质，同时以人工智能进行医疗质量管控，最终助力医疗服务更优质。