当前位置： AI资讯 > 内文

惠每科技：AI在医院的应用与服务远看不到“天花板”

2022-7-22 关键词：专家视点,临床决策支持(CDSS)

“在七年的创业历程中，惠每科技始终把CDSS产品的研发与临床诊疗、医疗质量管理和医院运营管理等紧密结合，使其在实际临床工作中发挥最大效用。”在36氪主办的“【10倍增长潜力】36氪医疗创投新风向大会”上，惠每科技创始人、CEO张奇博士就AI赋能医疗创新变革进行鞭辟入里的阐述。

解决医疗“痛点”  促CDSS应用落地

在“十四五”的一系列改革与高质量发展驱动下，人工智能已成为医疗健康产业变革的重要驱动力之一，从实际成效来看，AI在促进医疗质量与管理效率的双升的同时，还为行业持续健康发展带来新的机遇。张奇表示，理解医疗AI业务的本质，需要从临床诊疗、医院管理的痛点出发，所有产品的研发与业务布局要紧贴医院实际需求，解决痛点，才能使产品在院内真正应用落地。

在张奇看来，医疗质量是惠每科技围绕医院应用场景打造AI解决方案的中心点，并由此延伸两条核心业务线，一是解决临床医生的需求，帮助他们避免在诊疗过程中出现医疗差错、偏离规范等问题；二是解决医院管理者对医疗质量管控与运营效率提升的需求。医疗质量是医院管理的核心任务，但传统管理模式依赖于人工和经验管理，使医疗质量管理偏重于形式，缺少对医疗过程内涵性、及时、定量的评价，难以实质性地管理好医院临床质量，因此，惠每科技面向医疗质量管理痛点打造了基于人工智能的惠每CDSS和一体化的解决方案，建立标准化数据资源中心，实时分析、监测医疗活动过程中的全量数据，将质控关口前移至临床端，及时发现并定位过程质量问题，制定改进策略，帮助医院管理者实现高质量、高效率、低成本的医疗质量管理模式。

这一模式也获得了市场与用户的认可，目前已有37家头部医院和400余家大中型医院与惠每科技建立深度合作关系。

CDSS在医院的应用与服务

远看不到“天花板”

“政策的加持与需求的释放，为CDSS在整个AI医疗大产业里的发展建立可持续发展生态。”张奇认为，CDSS在医院的应用和服务里还看不到“天花板”，无论是合作医院的广度，还是与临床疾病结合的深度，都仍有非常强的延展空间。

从宏观层面，政策刺激需求释放。我国密集发布了多项推动和利好医疗人工智能发展的政策，按关键词提炼可聚焦为“电子病历评级”、“互联互通评级”、“医保控费”、“医疗质量安全”等，促使医院更加积极应用AI等新兴技术解决医疗质量控制与管理等问题。

再看国家医保局去年年底发布的《DRG/DIP支付方式改革三年行动计划》，明确医院需要在保证医疗质量安全的前提下实现治疗效果与成本之间的平衡。

针对医院在DRG/DIP付费模式的控费管理需求下，惠每科技构建了基于AI的DRG/DIP医保控费系统。通过AI对医院业务数据、DRG分组流程的整合分析，在医生诊疗过程中实时提供DRG分组预测、费用超支风险预警等，将费用控制前移到医生端；通过事后的盈亏分析、绩效分析等，帮助管理者快速了解医院绩效及费用情况，协助医院从诊疗规范、病案质量等多个层面控制费用不合理增长因素，最终达到合理控费与医疗质量的平衡。

从微观层面，覆盖医院场景的广度与深度注入应用价值和研发动力。“把覆盖医院场景的广度比作横坐标，把医疗垂直细分领域研究的深度比作纵坐标，对于CDSS企业而言，在‘横纵轴’上打造闭环化的AI产品体系有广阔的市场空间”，张奇表示。

从横坐标来看，三级医院数量持续增加，县域医院的AI应用仍存在大片空白。根据国家卫健委发布的《我国卫生健康事业发展统计公报》，近10年来，我国三级医院数量增长步幅维持在每年100~250家间。2021年全国三级医院总量突破3000家，约200家新迈入三级医院行列。三级医院作为CDSS应用的主力军，每年都有一定数量的增长，加之还有更多二级医院、一级医院、社区卫生服务中心为主体的县域医院，在医疗AI产品应用上基本处于空白阶段，这都无疑是较大的业务拓展空间。

从纵坐标来看，临床的需求加速释放，AI在与临床疾病的应用结合上大有可为。张奇介绍，伴随大数据时代的到来和医疗理念的更新发展，疾病智能化诊疗已逐渐成为医院高质量发展的重要趋势。例如在肿瘤规范治疗管理上，惠每肿瘤CDSS围绕肿瘤诊治全周期，对肿瘤分期、肿瘤化疗、抗肿瘤药物合理应用等关键环节的临床诊治行为进行质控管理。

此外，张奇还介绍，当“AI+医疗”经验累积到一定程度，会发现制药或临床研究的业务里，人工智能化程度较小，若把AI技术延展到其中，也是一项具有价值意义的实践探索。可通过AI赋能于临床研究的各个阶段，帮助研究者提升科研效率与质量，解决传统依赖于人工导致成本较高、科研质量与效率不能得到保障等问题。在短短的半年多时间里，已有100余家医院采用惠每AI临床试验流程服务。未来，惠每科技还将在医疗产业链更上游和下游提供更多的智能服务，这也是利用AI赋能医院后的另一个很重要的探索目标。