打开APP

破解中国分级诊疗难题的新路径,让基层医生能“接得住,接得好”病人

  1. 分级诊疗

来源:生物谷 2018-10-12 18:30

新医改以来,我国大力推行分级诊疗政策,以优化卫生资源配置,实现规范合理的就医秩序,缓解居民看病贵和看病难的问题。但自改革以来,虽然我国医疗服务水平不断提高,但“看病难”的问题依旧没有从根本上得到缓解,“大医院人满为患,基层医疗机构门可罗雀”的现象仍普遍存在。据《国务院办公厅关于推进分级诊疗制度建设的指导意见》要求,我国分级诊疗在全国各地稳步推行,各地因地制宜采取不同的方式进行探索和实践,如今家庭医
医改以来,我国大力推行分级诊疗政策,以优化卫生资源配置,实现规范合理的就医秩序,缓解居民看病贵和看病难的问题。但自改革以来,虽然我国医疗服务水平不断提高,但“看病难”的问题依旧没有从根本上得到缓解,“大医院人满为患,基层医疗机构门可罗雀”的现象仍普遍存在。

据《国务院办公厅关于推进分级诊疗制度建设的指导意见》要求,我国分级诊疗在全国各地稳步推行,各地因地制宜采取不同的方式进行探索和实践,如今家庭医生签约,医联体,慢性病管理式等方面已经遍地开花,但由于各种原因使得分级诊疗效果并不显著。那么,如何实现有效的分级诊疗,这是一个具有中国特色的世纪难题。



图:大专家.COM平台发起人兼CEO姚娟娟女士

“基层医疗机构是否具备相应的接诊能力是分级诊疗制度能否成功的关键”,大专家.COM平台发起人兼CEO姚娟娟女士表示,“我国医生总数不足。据数据统计,2017年我国每**执业医师数量只有2.4,低于西方发达国家平均3.0以上水平。分级诊疗制度的“守门人”全科医师数量更是严重不足。我国2016年底培训合格的全科医生仅为20.9万人,每万人仅有全科医师1.51人,发达国家每万人拥有8-10名,缺口近百万。另外,我国基层医生水平难以承接患者。从教育程度来看,中国的医生近50%是大专学历及以下,而这绝大部分集中在基层。传统的医学规范化教育模式覆盖人群小而精,培养周期长且累,这种模式适用于医生资源充足的发达国家,对中国来说无法用这种教育模式快速培养医生。因此,基层医生数量和医疗服务质量是分级诊疗落地的关键。”

互联网手段破解分级诊疗死局

2015年,“互联网+”上升为国家战略,2018年4月,国务院办公厅正式发布《关于促进“互联网+医疗健康”发展的意见》,全面推进互联网技术服务于中国医疗体系,加快实现分级诊疗制度。互联网+医疗在中国的十八年探索,都是需求侧的探索,在利用互联网技术提高医患之间供需匹配效率方面取得了大的进展,但对于国内分级诊疗难以落地。那么,如何整合互联网技术的创新医学教育模式,快速培养大量合格医生,助力分级诊疗政策落地成为重中之重。

2014年由74位院士和51位医学大家共同发起“大专家.COM医学教育智能系统”项目,历时5年,设计并研发了研产学一体化的AI+医学教育云平台—“医生云”。该平台依托互联网技术以及视频传输、语音识别、影像识别、语义分析、机器学习等多项智能技术,让医生之间以传递疑点病例的形式,通过“四个精准”的智能匹配技术来实现医生间的师生教育。即:精准寻医,帮助上传的疑点病例,自动匹配适合的首诊医生;精准对接,帮助首诊医生智能化匹配教育的导师;精准施治,首诊医生在教育导师的帮助下出具科学的治疗方案,在实践中提高医技水平;精准支付,通过智能系统的数据分析和应用,减少重复就医和过度治疗。

2018年10月10日,大专家正式对外发布了集研产学为一体化的AI+医学教育云平台--“医生云”,该平台深度融合大数据、云计算和人工智能等技术,创造AI医学大脑,推动医学教育模式创新,实现“快速培养足量能接住患者的医生”的目标。大专家.COM平台发起人兼CEO姚娟娟女士表示,“一个以病人为中心的信息化程度很高的方便快捷畅通的转诊通道将形成,也就是分级诊疗制度设立的理想格局--基层首诊,双向转诊,急慢分治,上下联动将呈现在社会大众面前。“医生云”作为一套AI医学教育系统,让医生学习成长不再难,让基层医生能“接得住,接得好”病人,实现培养各级医生的目标,同时,“医生云”最大的科技创新在于“助诊因子”这一AI医学研究系统。“助诊因子”在数据全面融合路径探索和研究应用即时关联两方面创新突破。”

“助诊因子”代表了AI+医学领域创新医学数据聚合的中国新路径

“助诊因子”是全球首次“AI+数据”在医学领域的探索路径的创新。AI的数据、算法、计算能力三要素中,其中数据是基础。国际上,AI+医学的代表性应用是IBM 2013年推出的Watson Health和Google 2016年推出的DeepMind Health,它们在“算法”和“计算能力”上都取得了快速的进展。两者在“数据”上,都选择以医疗机构提供的大量病历数据为基础来训练AI。但是容易获取的医院病历数据也存在着诸多局限,最突出一点,病历是疾病数据的“截面”而非“全景”。病历以疾病为核心,仅来源于疾病的某一时期数据(在医院接受诊治阶段的数据为主),难以延伸或覆盖更多维度与疾病相关的数据,如发病前及治疗后的数据和病人社会、环境、心理等疾病风险相关数据等。

在我国,近百位医学科学家共同设计“助诊因子”,以他们的医学知识和临床经验为数据的奠基,在应用中不断补充真实世界实践数据,进而提高灵敏度和精准性。“医生云”的数据覆盖了院士及科学家团队的医学知识和临床经验,医生的临床诊疗数据,百姓的个人健康数据,企业产品的临床应用数据等,突破病历数据“截面”化瓶颈,实现最大程度的全方位聚合。

同时,“助诊因子”代表了AI+医学领域创新医学数据聚合的中国新路径。助诊因子与ACID各端进行持续动态数据交互,实现研究与应用的即时关联:

A端院士。数据输入方面,院士首先把他们的知识和经验积累创造出助诊因子,供医生和用户使用。数据输出,平台所有的数据都会传递给院士团队,供他们进一步研究优化助诊因子,优化AI大脑。

D端医生。数据输出方面,院士设计的助诊因子帮助医生临床服务,更好的在防未病、诊断和治疗患者。数据输入方面,医生可以提交临床实践疑点,在得到解答的同时也为平台贡献医学知识数据。在临床过程中参与Re研究,为平台贡献真实临床环境的健康大数据

I端产业。数据输入方面,企业输入产品的基本信息,供平台开发产品真实世界医学研究的问卷。数据输出方面,平台通过医生和用户参与研究,反馈企业关心的产品应用数据,如真实人群疗效、副作用、是否有新的适应症出现。

C端百姓。数据输出方面,百姓利用“助诊因子”健康自测,与自己的健康顾问沟通,降低误诊率。数据输入方面,用户在填写数据的过程中,不断为平台提供全民健康大数据

“医生云”,互联网+中国医学智慧,创新Re教育和Re研究模式,推动医学教育、医学研究和医学实践在互联网时代的模式变革,高效、精准促进医生成长,探索解决医生总数不足和基层医生接不住患者的两大难题,助力国家分级诊疗落地。

最后,大专家.COM平台发起人兼CEO姚娟娟女士表示,“在众多的医改措施中,政府决心最大,旗帜鲜明要落实的就是分级诊疗。我们希望通过“医生云”助力国家分级诊疗的落地,让大医院医生将有更多的时间和精力去做技术研究,让基层医生快速提高诊治水平,更好的服务病人。

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->