2017年中国医疗资源及人工智能解决医疗问题分析

一、现实医疗痛点亟待解

目前我国医疗领域有四大痛点：医疗资源不足，医生培养周期长，医疗成本高企，医生误诊率较高。而这些现实问题不仅在国内突出，在世界范围内也有普遍需求。

痛点一：我国医疗领域最主要的问题就是医疗资源的不足，中国每千人执业医生数仅为 2.2，医生密度与发达国家相比还有一定差距，例如法国、澳大利亚和瑞士等国每千人拥有接近 4 名医生，尽管如此这些国家也开始重视医生数量不足的问题。并且我国地域分布非常不均衡，在沿海东部省份医生密度较高。医生资源尤其是优质的医生资源短缺是一直以来困扰中国的医疗问题的根本原因之一。此外，随着未来人口老龄化的加剧和慢性疾病发病率的增长，以及人们对健康的重视程度日益提高，人们对医生的需求量有增无减。

痛点三：医生培养周期长。医生培养周期十分长，独立上岗医生培训周期长达 8 年，需要极大的人力物力支出，很难跟上急剧增长的医疗需求。

痛点四：误诊率高。美国行业认为其临床诊断和治疗方案存在瑕疵的比例超过 30%，而中国基层医疗的误诊率至少在 50%以上。主要原因大致有以下几种：循证医学没有真正成为医疗行为的基础，实践中充斥大量主观性强的证据；健康信息与医疗信息隔阂，医疗行为缺乏数据证据；分诊不严谨，草率进入专科诊治阶段。因此人类医生存在相当高的误诊率，优质医疗资源缺乏的地方更甚。

二、人工智能是解决目前医疗需求的关键

1）解决医疗资源不足是人工智能的发展动力和根本需求。为了解决医生资源不足，一方面可以加大供给量，也就是提高医生培养数量，但是医生培养周期十分长，很难跟上急剧增长的医疗需求。而另一个方法就是寄希望于技术的发展，希望能够通过机器辅助诊断取代不必要的人工时间消耗，增加医生治疗的效率。或者是深入到医疗各个环节，利用各种技术手段，包括基于语音识别的病历填写等，来提高治疗效率的提升。

2）人工智能在解决成本压力具有以下三大优势：（1）帮助患者自查自诊自我管理，减少医疗支出；（2）提高医疗机构的工作效率，降低医疗成本；（3）帮助做出合理有效的医疗方案，减少不合理的支出。

3）人工智能的训练时间远小于医生培养周期。独立上岗医生培训周期长达 8 年，需要极大的人力物力支出，很难跟上高速增长的医疗需求。并且每年有大量医学论文发表，医生学习时间有限，很难在短时间内消化吸收新的医疗技术。而与之相比，人工智能的训练时间几乎可以忽略，例如 IBM Watson可以在 17 秒内阅读 3469 本医学专著，248000篇论文，69 种治疗方案，61540 次试验数据，106000 份临床报告，在短时间内迅速成为肿瘤专家。

4）人工智能可以解决误诊率高的问题，准确率尤其是客观性较医生有极大提升。人工智能可以解决误诊率高的问题，准确率尤其是客观性较医生有极大提升。因为人工智能是根据过往医疗数据做出诊断，正确性得到海量医疗数据的背书。总的来说，人工智能在医疗领域等数据密集型、知识密集型行业领域的应用可以提升医生工作效率，解放生产力，不仅能够解决医疗资源短缺等问题，还将带来医疗效果上的提升，因此人工智能在医疗行业有很广阔的市场空间。

人工智能解决医疗行业四大痛点

数据来源：公开资料整理