现在,“医生荒”已经成为医疗行业一个尴尬而棘手的问题。

如果我们留意 AI+ 医疗、互联网+医疗等这些概念提出的背景 ,就会发现他们都包含一个共同的医疗行业痛点:医生缺口大。此前,Lancet 杂志一项研究分析了中国 2005 年至 2015 年中国卫生和计划生育委员会公布的卫生年鉴,发现在 10 年中,中国大学培养了470 万名医学专业毕业生,而医生总数只增加了 75 万,增幅为 16%。也就是说有近 400 万的医学人才流失。

而造成这一现象的核心因素是医学教育与就业机会的不匹配:一是成为医生的培养过程漫长而严格。二是医学知识的运用难。医学知识海量且分散,解决一个临床问题需要查阅多个资料源。这样漫长且艰难的过程,有的人被淘汰,有的人中途放弃,最后成为合格的临床医生很不容易。“医生数量少,医生的时间不够用,成长太痛苦。”未来医疗的 CEO 靳超总结了医生行业的现状。

人才是社会和行业发展的充分必要条件,所以医学人才的教育就与医疗行业的繁荣程度息息相关。未来医疗就是一家用 AI 技术帮助加速医学人才教育过程的公司。未来医疗的前身是 360 医学网,是一家从事网络医学教育的公司。不过,随着 AI 技术的优势展现,和之前该公司的资源累积沉淀,未来成为了一个医疗行业人工智能产品开发及应用整合公司,以医疗大数据和深度学习为核心。未来医疗希望“科技重构未来医疗体系”,其主要产品是围绕着医学教育,包括临床思维训练系统和住院医师规培系统。

“我们要做的第一件事情是将数据结构化。”据靳超介绍,和所有医疗大数据应用所面临的门槛一样,数据的结构化是一个大的障碍。未来医疗通过两种途径获取结构化数据,一是将之前积累的数据进行清洗和整理;二是把应用到医院的相关软件改造升级,使软件可产生结构化的数据。

在将医疗大数据结构化后,未来医疗推出一个 AI 临床思维训练系统。阿里巴巴曾经提出 AI 虚拟病人,和这个概念相似,未来医疗的 AI 临床思维训练系统被称为临床标准化病人(SP)机器人。“这个产品主意是帮助医生或者医学生成长。我们的系统可以让他们模拟一个病人从门诊到住院整个过程中的情景。因为医生录入病人数据是有限的,所以导致一般的思维训练系统可知道的症状也有限。而用 AI 就可以模拟出更多的情况与场景。”靳超说。

据悉,标准化病人(Standardized Patient,SP)是指经过特别培训后,能够充分了解临床病人的心理状态和病史并恒定、逼真地模仿其症状,在临床教学及技能考试中扮演病人、教学指导者和评估者等多种角色的人员。标准化病人(SP)包括两种:一种是模拟某种或某些疾病的正常人;另一种是自愿将自己所患疾病按标准模式用于教学的病人,他们都应是非专业人士。

此外,针对住院医师规培的系统,未来医疗也提供了更高效的 AI 解决方案。根据国家的标准,医生开始进入医院时,要进行一些规培能力训练的,参加了考试后才能成为一个真正具有处方权的医生。未来医疗结合了国家的规培大纲、各省市的规定、医院本身的要求和医学学科课的特色,打造了一个标准的规培系统。靳超向动点科技说明了其中的”玄机“:

“医生初到医院时,需要在各科室轮转学习记录所学的东西。然后每个科室学习完毕,要进行一个小考试,通过后再去下一个科室。这一过程,医院端需要在后台管理,但是这个任务量非常繁杂。我们将 AI 技术嵌入到规培系统后。系统就可以分析管理到医生更多细微的情况。如帮组医生轮转排班之类的。另外,还可以详细了解到这个医生在哪些环节或者知识点有问题。如一些环节因为老师打分太松,而导致分数上是达标,但是实际上医生对这个知识并没有掌握够。”

目前市面上 AI+ 医疗的尝试主要是集中在医疗影像,但是未来医疗以医学教育为医疗的切入口,对此,靳超表示:“我们的目的是对医生的成长提供帮助。对于医生从业的机构,包括医院、医学院,提供技术帮助,以助他们丰富专业知识。”虽然未来医疗尚未公开融资,不过依靠给医院提供一些传统的考试软件等依然可以保持营收。

与许多医疗科技公司面临的问题相似,靳超透露:“AI 医疗很大的挑战是两个专业性的结合,也就是需要即是大数据专家又是医学专家复合型人才。”据悉,未来医疗的核心团队均有多年的医疗行业经验与技术经验,此外,其在医学方面特聘很多医学专家,大数据方面则主要和一些科研机构合作。

题图来自123RF