人工智能技术重塑卫生资源供给

一场由AI掀起的生产力变革席卷全球，撞上素有“资源供给难题”的医疗行业，成为当下最热门的领域之一。

谷歌、微软等相继发布医疗AIGC（人工智能生成内容）大模型，国内头部互联网企业亦纷纷布局。业内的共识是，在大模型基础上经过行业知识精调的模型，其特定工作表现，会优于未经优化的通用基础大模型。

医生们有了“自动化”的新工具书写病历、开具诊断方案，直接由AI医生来问诊的新产品也在筹划进行临床试验。

在需求端，国民“看病难”尚未得以完全解决，中国医疗行业仍存在医疗资源分配不平衡的结构化矛盾，医疗需求集中在基层，医疗人才和医疗资源却聚集在城市中的大医院。

技术在人类发展中之所以重要，是因为能成为解决现实问题的一个重大突破口。而AI技术的变革究竟能与医疗行业碰撞出怎样的火花？

围绕这一具有前瞻性的话题，《财经》专访国家医保局原副局长、资深医保专家陈金甫，他从三个层面层层递进地分析了，在医疗领域技术取代人的服务的可能性，以及由此转变为医疗服务产品化、社会化供给的新模式，并最终产生资源供给、配置模式变革的深刻影响。

为医改带来新机遇

《财经》：有观点认为，中国医疗领域最迫切要解决的问题是总量不足、结构失衡、水平不高，对此你怎么看？

陈金甫：医疗供给的总量不足是始终存在的，但也是相对的，是发展的，国民疾病谱在不断变化，社会对医疗服务需求日益增长，没有哪个国家可以说实现了医疗的充分供给。

更重要的是，我们要看到总量不足和结构失衡是相互关联的。结构失衡体现在医疗资源分布不均，既有区域性的失衡，也有不同医学专业上的失衡，这与公共政策相关，但一定意义上也是供给问题所导致的。

如果不解决结构问题，单纯从总量去讲发展，一味的扩大医院、增加床位数，只会让结构上的不足越来越严重，尤其在偏远地区、基层地区、部分专科上的问题更突出。

同样，近年来中国的医疗水平提升非常快，无论是硬件配备，还是医务人员的软实力都如此。但相对不断发展的复杂疾病来说，真正优秀的医生总是不足的，所以对更多的医务人员来说，还是相对水平不高，越在贫困地区越是如此。

此外，对于一个以消耗医生人力为主的医疗供给模式，要提升平均水平的难度本身就很大，不像药品领域，供给依赖于产品，提升产品质量和产能相对更容易。

所以，总量和水平问题，永远是相对的，结构失衡才是当下最需要解决的问题。但如果能够破局医疗领域的供给问题，上述三方面都将有所缓解。

传统的解决思路是继续增加现有资源的供给，如增加政府投入，开办医院，购买设备，增加医生培训，包括前端的医学院扩招等。这种模式的缺点也很明显，资源总量的有限性和区域差异。

尤其是在一些并没有严重医疗资源不足的地方，过度发展，只会让大医院虹吸现象加剧。比如近年一些快速扩张的超大规模医院，并没有显著解决当地医疗资源短缺的问题，倒是加剧了区域内的医疗资源失衡，而且造成行业内卷，医院之间抢医生、抢病人。

另一种解决思路就是依靠技术，抓住技术变革的特定时期，推出一种新的工具，对医疗领域产生爆发性的改善。好比一个高速公路开通以后，一下就能把运力增加几十倍。

《财经》：技术的进步，让你看到这样的机会了吗？

陈金甫：现在正逢全球进入技术革命的爆发期，AIGC成为一个通用技术。有国际投资银行（高盛）的报告预测，AIGC会使全球3亿个工作岗位实现自动化，美国约三分之二的工作岗位会受到影响，其中25%-50%的工作可以被替换。

它所影响的领域基本上是高端技术领域，比如行政、教育、医疗等技术岗位，具有普遍替代的机会。

未来的大国博弈，关键就是技术博弈，进而是对人类发展的博弈。比如一个人年收入达到100万元，可以讲财务自由，这是由经济收入决定的。那么一个国家能不能实现发展自由，在大国博弈的条件下，将不再取决于传统的资源评价，而是看核心技术。

所以谁抓住了技术革命，谁就有可能取得未来的发展机会和解决当下最突出的问题，自然也包括医疗资源短缺的问题。

先看中国的药品市场，过去多年存在劣币淘汰良币的情况，比拼的是谁的销售费用高、产品就卖得好，而不是真正比拼企业的产品质量、成本控制、技术水平。一个很重要的原因就是，整个市场环境没有形成好的盈利模式，一般的低端药品就能产生丰厚盈利。

好不容易近十年药品市场进入了真正的竞争，通过药品审批调整、药品一致性评价、药品集采等一系列政策的推动，很多药企开始注重质量，投入技术创新，形成了一批头部的仿制药企和走向国际的创新药企业。相对来说，医疗端不具有这样充分的竞争环境，所以在技术的应用和发展上略慢一些。

要应对全球竞争，我们应该提早准备，能不能在这一轮技术革命中，不说弯道超车，至少要并驾齐驱。

重塑医疗供给模式的机会

《财经》：对人工智能应用在医疗领域，大家似乎要比其他行业谨慎得多？

陈金甫：确实，我们看到国际上也有声音，不能将AIGC大模型直接应用于医疗服务，其中有许多问题需要考虑。但是我们也要看到，技术已经在改变医疗供给模式。

如去年底新冠肺炎疫情防控政策调整后，就像突然下了一场大雨，几乎所有人都淋到了，而在我们成功应对疫情的过程中，技术发挥了重要的作用。

如果按传统的就医流程，发现自己得了新的传染病，我们一定去看医生，也就是从寻求人力的供给开始，每个医生依靠背后的一家医疗机构支持，机构依靠一套完善的诊疗规范运转，再加上一个主管部门来监督，就是形成1+1+1+1的资源消耗。

但显然当时医疗资源不足以支撑所有人都去医院看医生，我们靠什么？

首先我们依靠一个最简单的技术工具温度计，当时最重要的体征是发烧；第二依靠一个标准38.5度，这是人类依靠经验确立的可能产生危险的体温标准；第三依靠丰富的产品供给，即便在还没有新冠药的时候，我们也有其他各种退烧药、止咳药等缓解症状。

这说明，人们直接使用技术获得的服务，加上丰富的社会产品供给，可以解决相当一部分医疗供给的短缺，而不是必须寻求传统医疗机构服务。我们从这样一个不得不与传统医疗服务模式分割的变化，应该思考，投射到现有的社会资源供给状况和服务模式来看，有多少疾病是可以这样分割的。

类似的，高血压、糖尿病、一般的头疼脑热，甚至80%的常见病、基础病，我们都有成熟的诊断标准，其诊治的部分过程都是可以通过技术取代的，也就可以由社会化的服务主体提供。

所以，一个社会化的专业技术供给和市场化的产品生产体系，就会极大地弥补专业技术人员所能提供的服务，极大地降低人提供服务的时间和成本的消耗，以及降低人背后的一系列机构运转成本。

其实，技术进入医疗领域没有任何障碍，自古以来这个领域就是技术的集成地，只不过现在技术或者说产品越来越具有取代人的权重和份额，而且是颠覆性的。

《财经》：虽然AI产品越来越不容小觑，但在医疗领域，如AI医学影像产品，一些企业公布的准确率已达到90%以上，可是我们依然不能只由AI来完成阅片这项工作，每一张片最终都要经过医生审阅。

陈金甫：客观来说，医学影像的AI技术，是基于人类现有知识技能来审阅。只要技术是成熟的，那结果肯定是优于人的，当然存在小概率的错误。

从主观因素来说，一些不确定的领域是人的强项。所以，当人不相信机器的诊断结果，可以再找医生、专家做进一步的判断。除了手术，医生大部分的诊疗工作都不属于操作型医疗，更多是判断型医疗。

比如广大的农村地区，用一个医疗车去进行数据采集，给出数据诊断结果，如果患者存疑，可以就近去医院，这样已经会减少一部分人去医院问诊。

我们做一个简单的数据推演，如果技术可以取代人的服务30%，那就可以解决30%的医生人力资源短缺。

《财经》：医生和患者之间的信息差太大，患者没有办法判断是否可以相信仪器，患者会默认为你如果使用仪器诊断，那么仪器就应该是准确的。

陈金甫：能否看准一个疾病，医生和AI都是依靠两点，第一是数据采集的真实性和全面性，第二对数据的分析以及背后的判定标准。这些AI都可以解决，而且它比人能更好的做到同质化、更精准。

如果AI会误诊，那么医生就不会吗？

医学的概念本身不是求证医学，而是循证医学，所以很多医生都反感的一句话：某某某医治无效死亡。并不是所有治疗手段都必须有效的，我们只是比较治愈的数据。

其实，有机构统计过医院的复诊确诊率是50%以上，也就是大部分去医院看病的人，并不是第一次就能确诊真实的病症。病人在乡镇卫生院看不了，就去县医院，再不行去市里，去省里，去外省，这就是一个正常的确诊流程。有的是医生看不准，有的是看得准但看不了。这个流程在以人为主的服务中同样存在。

更极端的案例是罕见病。我们通常认为罕见病是少数群体会得的病，但“罕见”可能只是这种疾病和医疗发展中的一个阶段。第一，我们能够确定罕见病的技术和人员不够、水平不够，所以很难发现；第二，由于这个病以前没有发现过，所以人类还没有成熟的治疗手段，最典型的就是药物，价格非常昂贵。

误诊率的高低取决于人对疾病的诊断水平和成熟程度，以及掌握这种诊断水平成熟程度的人的稀缺性。而要推广一种技术，AI技术推广渗透率和速度，比人的传播速度要快得多。我们要把一个院士的大脑复刻到芯片上，技术就可以全球通用，但是你要把院士的大脑根植到每个医生身上，那得多大的投入，多长时间？

这样的变化已经发生，此前美国有一个四岁的孩子患上罕见病，前后三年看了17名医生，从儿科、骨科到各种专家，进行一系列检查，没有找出病因。孩子的母亲尝试询问ChatGPT，后者根据描述和检查报告，分析是罕见病脊髓栓系综合征（TCS），最终他们据此找到了一位神经外科医生，其一看报告就给出了和ChatGPT一样的结论，并指出了栓系的具体位置。

这可能是个案，甚至在一些顶尖的骨科医生眼中，这是很容易确诊的疾病，就诊过程如此复杂有些夸张。但这就是普通患者面对的真实情况，为了找到这个一眼就能确诊的医生，要花多少时间、多花多少钱、投入多少精力去打听交流，即便如此还未必能找到这个一眼就能确诊的医生。

这就是非常典型的，医疗供给方的专科稀缺性和需求方对医疗服务均等化、同质化的碰撞。

其实我们能看到，现在很多人已经习惯在网络上搜索一下自己的病症，有些就这样解决了，这就是社会化的技术服务供给的一种。就是逐步把大概率看医生，变成小概率，就是把原来的加法变成减法。

技术当然是有其局限性的，技术进入到卫生领域，越来越多人的服务会稀释出来，成为扁平化供给的产品，而医生又逐步的向前推进，继续在钻研新的疾病、新的临床试验、新的技术，这是个递进的过程。

不能用发展过程中的医疗事故作不改革的借口，不能用极端的案例作整体性的否定，公共事务的决策是讲概率，任何事情我们都不能以偏概全。