現在，“醫生荒”已經成為醫療行業一個尷尬而棘手的問題。
如果我們留意 AI+ 醫療、互聯網+醫療等這些概念提出的背景 ，就會發現他們都包含一個共同的醫療行業痛點：醫生缺口大。此前，Lancet 雜誌一項研究分析了中國 2005 年至 2015 年中國衛生和計劃生育委員會公佈的衛生年鑑，發現在 10 年中，中國大學培養了 470 萬名醫學專業畢業生，而醫生總數只增加了 75 萬，增幅為 16%。也就是說有近 400 萬的醫學人才流失。
而造成這一現象的核心因素是醫學教育與就業機會的不匹配：一是成為醫生的培養過程漫長而嚴格。二是醫學知識的運用難。醫學知識海量且分散，解決一個臨床問題需要查閱多個資料源。這樣漫長且艱難的過程，有的人被淘汰，有的人中途放棄，最後成為合格的臨床醫生很不容易。“醫生數量少，醫生的時間不夠用，成長太痛苦。” 未來醫療 的 CEO 靳超總結了醫生行業的現狀。
人才是社會和行業發展的充分必要條件，所以醫學人才的教育就與醫療行業的繁榮程度息息相關。未來醫療就是一家用 AI 技術幫助加速醫學人才教育過程的公司。未來醫療的前身是 360 醫學網，是一家從事網絡醫學教育的公司。不過，隨著 AI 技術的優勢展現，和之前該公司的資源累積沉澱，未來成為了一個醫療行業人工智能產品開發及應用整合公司，以醫療大數據和深度學習為核心。未來醫療希望“科技重構未來醫療體系”，其主要產品是圍繞著醫學教育，包括臨床思維訓練系統和住院醫師規培系統。
“我們要做的第一件事情是將數據結構化。”據靳超介紹，和所有醫療大數據應用所面臨的門檻一樣，數據的結構化是一個大的障礙。未來醫療通過兩種途徑獲取結構化數據，一是將之前積累的數據進行清洗和整理；二是把應用到醫院的相關軟件改造升級，使軟件可產生結構化的數據。
在將醫療大數據結構化後，未來醫療推出一個 AI 臨床思維訓練系統。阿里巴巴曾經提出 AI 虛擬病人，和這個概念相似，未來醫療的 AI 臨床思維訓練系統被稱為臨床標準化病人（SP）機器人。“這個產品主意是幫助醫生或者醫學生成長。我們的系統可以讓他們模擬一個病人從門診到住院整個過程中的情景。因為醫生錄入病人數據是有限的，所以導致一般的思維訓練系統可知道的症狀也有限。而用 AI 就可以模擬出更多的情況與場景。”靳超說。
據悉，標準化病人（Standardized Patient，SP）是指經過特別培訓後，能夠充分了解臨床病人的心理狀態和病史並恆定、逼真地模仿其症狀，在臨床教學及技能考試中扮演病人、教學指導者和評估者等多種角色的人員。標準化病人（SP）包括兩種：一種是模擬某種或某些疾病的正常人；另一種是自願將自己所患疾病按標準模式用於教學的病人，他們都應是非專業人士。
此外，針對住院醫師規培的系統，未來醫療也提供了更高效的 AI 解決方案。根據國家的標準，醫生開始進入醫院時，要進行一些規培能力訓練的，參加了考試後才能成為一個真正具有處方權的醫生。未來醫療結合了國家的規培大綱、各省市的規定、醫院本身的要求和醫學學科課的特色，打造了一個標準的規培系統。靳超向動點科技說明了其中的”玄機“：
“醫生初到醫院時，需要在各科室輪轉學習記錄所學的東西。然後每個科室學習完畢，要進行一個小考試，通過後再去下一個科室。這一過程，醫院端需要在後臺管理，但是這個任務量非常繁雜。我們將 AI 技術嵌入到規培系統後。系統就可以分析管理到醫生更多細微的情況。如幫組醫生輪轉排班之類的。另外，還可以詳細瞭解到這個醫生在哪些環節或者知識點有問題。如一些環節因為老師打分太鬆，而導致分數上是達標，但是實際上醫生對這個知識並沒有掌握夠。”
目前市面上 AI+ 醫療的嘗試主要是集中在醫療影像，但是未來醫療以醫學教育為醫療的切入口，對此，靳超表示：“我們的目的是對醫生的成長提供幫助。對於醫生從業的機構，包括醫院、醫學院，提供技術幫助，以助他們豐富專業知識。”雖然未來醫療尚未公開融資，不過依靠給醫院提供一些傳統的考試軟件等依然可以保持營收。
與許多醫療科技公司面臨的問題相似，靳超透露：“AI 醫療很大的挑戰是兩個專業性的結合，也就是需要即是大數據專家又是醫學專家複合型人才。”據悉，未來醫療的核心團隊均有多年的醫療行業經驗與技術經驗，此外，其在醫學方面特聘很多醫學專家，大數據方面則主要和一些科研機構合作。
本文來自動點科技，創業家系授權發佈，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]
閱讀更多 創業家 的文章
