AI医疗如何“下基层”？

　　【场景创新面面观】

　　人工智能(AI)辅助解读患者影像资料，外骨骼机器人帮助患者做康复训练，AI系统预判患者发生急性心梗的风险……如今，AI逐渐走进医疗的不同场景，给看病就医带来实实在在的改变。

　　前不久，国务院办公厅印发的《关于加快场景培育和开放推动新场景大规模应用的实施意见》要求，推动大数据、物联网、脑机接口等新一代信息技术及医疗机器人等智能设备集成应用，创新健康咨询、问诊指引、辅助诊断、远程医疗、用药审核等医疗应用场景。

　　这一政策在为AI医疗普及指明方向的同时，也让一个重要问题浮出水面：先进技术如何适配应用场景，使AI真正走进基层医院、服务普通百姓？

　　重塑医疗全链条

　　1月6日，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室研究员王珊珊等人在《自然·生物医学工程》发表一项研究。研究团队展示了一款名为AFLoc的AI模型，其最大特点是可以自动在医学影像中“找病灶”。这一最新成果是AI医疗技术应用的生动缩影。

　　医学影像诊断是AI医疗应用最成熟的领域之一。

　　在放射科，AI能自动识别肺部CT片中的结节和肿瘤，大大缩短出报告的时间，帮助放射科医生减少阅片工作量；在皮肤科，AI通过分析皮肤镜图像，判断病灶是良性还是恶性，部分大医院已常规使用该技术做筛查；在眼科，AI能通过分析眼底图像识别糖尿病引发的视网膜病变，帮助患者早发现、早治疗。

　　AI应用还能提升临床诊疗效率和医院管理水平。

　　例如，在急诊科，AI可整合患者的生命体征、病史和检查结果，实时预判急性心梗风险，大幅缩短危急病例的识别时间，为抢救生命争取更多时间。在医院管理上，AI能通过历史数据预测床位需求，显著提升床位利用率；智能排班系统根据患者流量调配医护人员，能让患者候诊时间减少三成以上。

　　在慢性病管理和新药研发上，AI也发挥着重要作用。

　　&bsp; 智能手环、血糖仪等可穿戴设备搭配AI，能形成慢性病管理闭环。比如，智能血糖仪能提前预测糖尿病患者低血糖风险并发出提醒；远程心电监测系统已在基层推广，能自动识别心跳异常。在新药研发领域，AI能大幅缩短抗癌药物的筛选时间，加快研发进度；此外，部分平台能根据患者身体情况调整化疗剂量，提升治疗效果。

　　在公共卫生领域，AI的预测和干预能力也很突出。

　　AI通过分析搜索引擎、社交媒体、医院报告等数据，能提前14天预测流感流行趋势，为防控提供参考；通过分析居民健康档案，能精准找出高血压、糖尿病的高危人群，帮助基层医生开展针对性干预。

　　应用面临多重挑战

　　虽然AI医疗技术越来越成熟，但要“下沉”到乡镇卫生院、社区医院等基层机构，还面临不少现实困难。首都医科大学宣武医院信息中心医生张璨从临床经验中发现，这些困难主要有四类。

　　第一类是网络和设备跟不上。“不少基层医院网络不稳定、设备性能差、系统接口老旧，要是直接把AI大模型装进去，很容易卡顿，影响看病节奏，最后医生宁愿不用。”张璨说。比如，一些AI设备依赖稳定的网络和高性能设备，对设备条件有限的基层医疗机构来说，应用并不顺畅。

　　第二类是后续维护成本高。基层医院采购AI医疗技术产品，除了前期采购费，还要持续花钱更新模型、维护知识库、改造系统接口、整理数据、培训人员和日常运维，这些费用对经费紧张的基层机构来说，是不小的负担。

　　第三类是数据和工作流程不匹配。张璨说，基层医疗数据记录不规范、用词不一致、质控标准不统一，这会让AI的判断能力下降，出现误判、漏判，反而加重医护人员的工作负担，和用AI减负的初衷背道而驰。

　　第四类是合规和责任划分不明确。“AI医疗涉及患者隐私保护、风险提示，以及出问题后该由医生还是AI负责等问题，解决这些问题需要制度和技术双重保障。这对基层医院的管理能力是不小的考验。”张璨坦言。

　　云知声智能科技股份有限公司是智慧医疗领域的实践者，该公司执行董事、研发副总裁李霄寒的观点与张璨不谋而合。“我们观察到，AI产品‘下基层’的挑战集中在四方面：基层网络与硬件条件薄弱，综合成本压力大，产品与基层实际工作流脱节，医护人员缺乏使用动力与能力。”李霄寒说。

　　加快培育场景试点

　　如何突破重重梗阻，让AI真正落地基层医疗机构？

　　“AI医疗产品不是简单搬到基层就行，而是要根据基层看病的实际需求，把技术嵌入日常工作流程，形成可复制、可推广、可监管的用法。”在张璨看来，突破基层落地难题，关键要做到“轻量化、标准化、平台化、可监管”。

　　具体来说，一是采用“云端+本地”协同模式，降低基层设备的性能要求，确保相关设备在网络差的情况下也能稳定运行；二是统一数据和系统接口标准，规范数据记录，让AI能精准识别和分析数据；三是改变花钱方式，从买单一的AI产品，变成搭建可灵活调整的AI能力平台，避免被某一家厂商或某一个模型“锁死”；四是建立可追溯、可评估的安全机制，对关键诊疗场景严格把关，明确医生和AI的责任，防范风险。

　　李霄寒也认为，AI赋能基层医疗并非简单的技术输出，其核心是“适配的技术+可持续的模式+贴心的服务”，和基层医院一起成长。

　　“关键在于务实融合。”李霄寒说，“一是要推动技术轻量化与边缘部署，保障设备在弱网、低配环境下稳定运行。二是要通过软件运营服务等模式创新降低初期投入，并依托区域医联体实现技术的集约化落地，减轻长期成本。三是要推动产品深度适配基层场景，聚焦常见病与公共卫生需求，融合语音等自然交互，提升使用便捷性。四是要建立长效运营与培训体系，帮助基层医生会用、用好AI。”

　　首都医科大学宣武医院在病历质控、自动生成病历上的AI应用，为基层提供了可借鉴的经验。“这两个场景精准满足了医生需求。”张璨解释说，“AI在病历书写过程中就做好质量把关，贴合诊疗节奏，能够实现不打断诊疗、少干扰操作，还能减轻文书工作的负担。其简单实用、直击临床需求的设计思路，很适合推广到基层。”

　　在张璨看来，进一步推动AI在医疗卫生场景的应用，关键是要让AI医疗在实际应用过程中找到可复制的落地方法——首先选痛点突出、效果明显的场景试点，然后逐步完善平台能力、数据规范和评估标准，从单个场景应用推广到更多地方。

　　“推广AI医疗技术产品，必须把临床价值和安全放在第一位。”张璨说，“只有把能落地、有效果、可监管的环节做扎实，AI才能真正帮到一线医生和临床患者，而不是添负担。”(科技日报 记者 代小佩) 【编辑:张子怡】