免費學醫解決基層醫療問題？還要看人工智慧（AI）

在我國，基層醫療機構是醫療體系的末梢神經，是保障和踐行「全覆蓋、保基本」的社會醫療政策的「第一島鏈」。儘管國家提出各種各樣的政策促進基層醫療機構的發展，但是基層醫療機構的發展並不順利，已經逐漸失去了患者的信任。

去年，新鄉醫學院管理學院院長孟勇教授在「健康中國與衛生事業改革研究成果新聞發布會」上公布了自己《健康中國與衛生事業改革》調查報告，通過410名師生深入山東、河南、四川三省農村基層，對6766名農村居民、2983名城鄉醫生、4400名患者進行問卷調查分析發現，當前基層首診在推行中主要面臨三大難題：一是醫保制度不完善，農民不願去。二是機構條件不充足，農民往上跑。三是業務培訓不到位，農民不放心。

為了加強基層醫生建設，改善基層醫療機構技術不到位的情況，山東省衛生和計劃生育委員會等多部門聯合下發《山東省醫學生免費教育工作實施辦法》，3月6日起，我省將在省屬醫學高等院校實施訂單定向醫學生免費教育，免費醫學生在本科提前批次錄取，在校期間免學費、住宿費，並有一定生活補助。但報考免費醫學生須承諾，畢業後到鄉鎮衛生院從事醫療工作不少於6年。

免費醫學生不能解決基層醫療問題

孟勇教授的報告顯示，過半基層醫生沒有參與業務培訓，在參加過業務培訓的醫生中，僅有48.05 %的醫生接受過「全科醫師培訓」的培訓，這也導致村民不相信基層醫療機構，有48.34%的農民因為「擔心醫生技術」而不願意到村衛生室就診。

免費醫學生下到基層醫療機構能否給基層醫療機構帶來幫助呢？在醫學知識層面上，經過長達6年專業培訓的醫學生能夠下到基層醫療機構可以帶來豐富的知識，同樣可以增加村民的的信心，從而盤活基層醫療機構。

但是從整體層面上來看，並不能在短時間內解決基層醫療機構的問題，首先，我國有上百萬的基層醫療機構，需要的醫生數量會更多，所以在短時間內很難覆蓋。其次，醫生是一個十分需要經驗的行業，發現發達國家的醫生培養通行的做法是在醫學院畢業以後實行不同專業3-7年不等的強制與強化訓練，稱為畢業後醫學教育階段，才能獲得醫生的從業資格。如家庭醫生、普通內科醫師需要3年，神經外科醫師需要7年，畢業後下到基層醫療機構的醫學生缺乏豐富的診斷經驗。

人工智慧解輔助醫生診斷

兩會開始後燃起了人工智慧熱，越多越多的人希望人工智慧可以解決醫療上的問題，其實人工智慧已經開始應用在醫療領域，並且取得了我們想不到的成果，史丹福大學已經可以成功分辨皮膚癌，IBM的Watson也能夠在10分鐘內識別癌症，人工智慧應用在醫療領域已經是個趨勢。

將人工智慧輔助診斷系統應用在基層醫療機構，可以起到很好的效果，拿糖尿病性視網膜病變為例，目前全球已經超過4.15億人患有糖尿病，其中超過15%的人群有糖尿病性視網膜病變，作為糖尿病的最常見併發症，糖網發病率會隨著患糖尿病的時間增加而增加，患糖尿病20年以上糖尿病性視網膜病變發病率為63%。國內人工智慧領先企業Airdoc在掌握了世界頂級的計算機圖像識別技術後，決定將該技術應用在醫療領域，希望可以利用人工智慧讓醫療更加高效，在國際頂尖眼科醫生的幫助下，Airdoc的糖網診斷模型對糖尿病眼底影像進行分型分期，已經達到三甲醫師水平。

我國糖尿病患者早就超過了一億人，可是大多數患者對糖尿病性視網膜病變缺乏足夠的重視，直到最後失去視覺，如果Airdoc的糖網診斷模型應用在基層醫療，將會為無數患者帶來便利。

未來基層醫療展望

人工智慧可以通過兩個方面來輔助醫生診斷疾病，一個是類似Watson這種，基於自言語言處理，可以根據病人的的症狀和病歷來診斷疾病，目前在腫瘤和癌症領域已經可以為人類醫生提供診斷建議；另一類是類似於Airdoc這種，基於計算機視覺，通過識別醫學影像來診斷疾病，除了在腫瘤和癌症領域，在眼科、皮膚科等領域同樣可以為醫生提供診斷建議。

人工智慧醫療應用在基層醫療機構，可以在早期篩查出重大疾病，比如乳腺癌、肺癌、肝癌等癌症，肺癌、肝癌和乳腺癌等癌症的早期治癒率明顯高於晚期；還可以識別青光眼、糖尿病性視網膜病變、老年性黃斑變性、白內障等眼病；基底細胞瘤、濕疹等皮膚科疾病同樣可以被輕易識別，人工智慧可以像醫生一樣診斷幾乎所有疾病。

未來的基層醫療醫生和人工智慧之間的關係是人工智慧輔助診斷系統是醫生的聽診器、是醫生手中的一個輕易被操作的工具，為醫生提供診斷建議，醫生觀察病人情況下達診斷決策，然後根據診斷決策來對患者進行相對應的治療方案。經過人工智慧和醫生判斷，病人眼底出現了疾病，就可以推薦到相對應的眼科醫院；皮膚出現疾病，就送到相應的醫院，如果出現心血管疾病或者腫瘤、癌症等重大疾病，推薦到對應的大型三甲醫院，同樣可以幫助國家疾病分級政策的執行，緩解目前的醫療壓力。