西雅圖水手用AI醫生破解“看病難”
河北灤州市人民醫院的醫生在“醫共體”影像診療中心通過互聯網與灤州市中醫醫院的大夫一起為患者會診。 新華社記者 楊世堯攝 看病難、看病貴,一直是深受關注的民生問題。人工智能(AI)能解決這個難題嗎?在中國人工智能學會近日發起主辦的2019中國人工智能產業年會中,多位專家在智能醫療論壇上介紹了AI醫生的最新研究成果AI醫生醫術是否精妙?還有多久能普及?經濟日報記者帶您一探究竟。 在北京的三甲醫院看病有多難? 清華大學教授、國際核能院院士、中國人工智能學會會士張勤今年7月親身體驗了一把。那天,他帶93歲的父親去北京人民醫院看病,醫院人滿為患,沒有床位,老人只能坐在急診觀察病室的椅子上輸液9小時,一直熬到凌晨1:30。 而張勤堅信,如果自己團隊研發的DUCG系統能盡快完善並應用于臨床,將大大改善中國的看病難問題。而這個目標,距離實現已不太遙遠。 AI診斷:向頂尖大夫看齊 對于看病難的“痛點”,張勤表示,2018年,全國有醫療機構99.7萬個,其中三甲醫院僅1442個,94.6%都是基層醫療機構;而就診總人次83.1億,其中基層就診人次44.1億,僅佔53%。基層醫療機構佔絕大多數,卻只承擔了一半的就診量,這就難怪三甲醫院人滿為患了。 看病難、看病貴,很大程度上是由于沒有實現真正的分級診療。 “我國分級診療要求實現‘90%大病不出縣’,為什麼做不到?主要問題是‘基層首診’正確率低,基層醫生水平不高。”張勤認為,解決方案在“智慧醫療”上,“我們要做一種全科疾病診斷智能系統,它在任何場景都能正確診斷,且有可解釋性,還能動態生成個體優化臨床檢查路徑,實現精準診斷。” 張勤以前做核電站的安全運維系統,核電站的故障診斷和醫療診斷有何相似之處?都是給一個復雜系統看病,都要求“幾乎100%的診斷正確率”。理論是相通的,不同的是知識庫。張勤團隊將原本用于核電站故障診斷的原創系統DUCG拿來做醫療臨床診斷,首先要與專家級醫生合作構建知識庫。 “我們以患者為中心,圍繞患者的主訴症狀構建知識庫,包含所有相關科室,免除掛錯號的煩惱。比如病人的主要症狀是腹痛,就可以問診我們的‘腹痛’知識庫。”張勤介紹,團隊正與北京協和醫院、北京朝陽醫院等多家國內著名三甲醫院約30位臨床專家深度合作構建知識庫。“知識庫由各科臨床經驗豐富的大夫參與構建,我們追求的是,讓AI達到這些專家的水平。” 這個目標一旦實現,基層醫療機構的醫生使用DUCG系統的“AI醫生”做輔助,就能得到與北京三甲醫院資深大夫同樣的診斷結果,這將大大提高基層診療水平,緩解三甲醫院就診壓力。 理想很豐滿,現實進度如何?DUCG知識庫目前開發到什麼程度了? 目前,DUCG知識庫已完成第三方病歷測試的有關節痛、呼吸困難等13個知識庫;基本完成開發和內部測試的有胸痛、水腫等17個知識庫;正在開發的有不明原因發熱、婦科等8個知識庫。已經接近覆蓋所有臨床主訴。 AI診斷的便捷度如何? “我們正在開展青島膠州市和重慶忠縣的臨床應用試點。不管是鎮醫院的大夫,