通过技术重塑医疗服务形态，更有利于实现医疗卫生服务事业的公益性

文 | 辛颖

编 | 王小

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”尚未得以解决，中国医疗领域仍突出存在资源配置和服务供给失衡的结构性矛盾，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∙大健康》专访国家医保局原副局长、资深医保专家陈金甫，其从三个层面层层递进的分析了，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。

No.1

为医改带来新机遇

《财经∙大健康》：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∙大健康》：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2/3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，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、产品就卖的好，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。

No.2

重塑医疗供给模式的机会

《财经∙大健康》：对人工智能应用在医疗领域，大家似乎要比其他行业谨慎的多？

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，这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∙大健康》：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∙大健康》：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，有的是看的准但看不了。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4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做不改革的借口，不能用极端的案例做整体性的否定，公共事务的决策是讲概率，任何事情我们都不能以偏概全。

No.3

技术已部分取代人对人的服务模式

《财经∙大健康》：AI如果帮助医疗供需达到一定的平衡，最终是机器替代人吗？

陈金甫：不会，即便技术能取代医生90%的工作，也是医生的辅助工具。所以让更多的技术参与进来，并不是要取代医生，而是让医生从那些没有技术含量的繁杂事务中解脱出来。

技术改变医疗服务供给模式的演进可分为三个阶段。第一步，技术使人和服务技能分离。

对于有成熟诊断标准的疾病，仪器比人更精准。原来是技术要通过人来实现，现在技术可以独立以产品形态实现，结果是促使服务更加均等化、同质化。

第二步，技术推动服务形态的分化。医疗诊治总的来说包括信息采集，分析诊断，和治疗，有手术治疗和一般药物治疗。

这里面最关键的是信息采集，这个过程通常是人到医院去，而不能就近采集。在脱贫攻坚中的医疗扶贫，我们看到一些好的案例，一些企业配置了流动的简易诊断车，里边有各种检查设备、简易处理、药品。就是用一个技术的平台载体，让一个通用的诊断技术服务“出医院”，无障碍均等化的输送到各区域。

再看真实的诊疗过程，第一关分诊，大部分是依靠患者自己选择的，不需要医生参与。进入诊断后，需要医生根据经验来开具检查、检验，现在的信息系统，检查后不少会自动生成诊断报告，甚至附带建议治疗方案，医生确认后，有些只需要按照电脑给出的方案，点击几个链接就形成处方。

临床的技术构成也是很清晰的，一个患者要做手术，住院期间真正需要医生参与的时间有多长，手术时间有多长？这其中一些环节都是可以将医生分离、解脱出来的。

在这个过程中，技术已经无处不在的取代了人对人的服务模式。

所以，在探讨新技术下的医疗服务模式时，我们应该注意区分，医疗服务中有多少是技术完成的，有多少是真的依靠人的服务完成的。医生一天的时间，做了多少匹配他价值的工作？进一步问，一个主任医师一天的医疗服务中，又有多少是与主任医师的技术含量匹配的服务？

目前，技术在医疗领域进入的都是初级水平，比如检测系统，大家熟知的核酸检测等。几乎没有进入治疗系统，当然这可能与企业的产品研发、供给有关。

原来是信息采集、诊断与治疗三个环节都要到医院去，随着技术成熟、产品丰富，三个环节的服务形态逐渐分化，去医院的比例层层递减，逐步释放医疗服务资源。

一般来说，越成熟的技术，越会取代对人的依赖。这种取代就可能会带来资源配置模式的变化，从人对人服务模式，变成人与技术、与产品、与社会化的供给直接对话。

《财经∙大健康》：所以AI的介入，只是使人在医疗过程中承担的分工、份额不同了。

陈金甫：实际上传统医生及所承担的医疗服务可以分流为三个层级。第一个分层，走出医院，跟从需求。因为社会产品的供给也需要医生，比如家门口的诊所、采样中心、检测车，都需要一些基本的医学常识的人，来运用这个技术。

第二个走向信息技术人员，对一些不需要高配置的工作，在医疗流程中可以拆借出来的技术环节，不需要消耗培养成本如此之高的医学人员来做，比如程序员可能可以替代一部分。

第三类是真正的医生，去做最终的判断、最广泛的临床研究、最前沿科学的探索，从非常繁重复杂的行为中间解脱出来。其实并不需要把所有的医生都按照单一的终极路径培养，每个人都必须变成主任医师。只有真正的职业技术分层，才能激活资源，解放医生，促进医学。

No.4

新技术进入医疗需要政策空间

《财经∙大健康》：现有的技术水平足以解决当下医疗资源短缺问题吗？

陈金甫：这个我回答不了，我们需要更专业的技术人员来评估，但恐怕再专业的人也无法直接的给出答案，因为这是一个技术和行业发展综合来看的问题。

只是说，我们可以看到新模式的实现路径，而这种资源服务模式的变化未来能不能实现，关键是看我们的公共卫生治理模式，有没有给它实现的空间。

颠覆性技术已经渗透到各个领域，显然如果我们充分利用技术，会极大的丰富医疗供给，改变医疗供给的形态，毫无疑问会提供一个新的、更具解决现实问题、更具想象空间的解决方案，远非传统可比。

那为什么医疗领域的服务模式和供给模式并未发生变革？恰恰是因为医疗卫生行业的特殊性，技术在此遇到的壁垒远比其他行业多得多。

最突出的问题是许可准入壁垒，创新服务撞上行政许可围墙，大模型遇到医疗数据壁垒，技术发展的步伐也就慢下来了。

而且没有利益机制推动医院投入新技术，如果一项技术的诞生，会降低医生资源的稀缺性，而不像其他服务可以增加医院的直接受益，医院怎么会有动力呢？

这里就有一个现实案例，互联网+医疗。目前，技术进到医院，让医疗走出医院，遇到了强大的壁垒，就是医疗许可的行政管制。所以，有一些在互联网上的诊疗行为，其实是在打着“咨询”的名号进行，因为医生的诊断权、处方权都受到限制。同时，所有的互联网医院，必须有一家线下实体医院为基础，就是风筝必须有个线头在监管部门手中，都是在已有的路径依赖里边用好互联网。但这也极大的抑制了普遍、同质、成熟的技术在医院外的使用。

我们能看到的是，一些互联网医疗企业，在初始阶段曾试图走AI医疗的路线，包括研制成熟的AI模型用于医疗服务，但是由于行政许可的壁垒，它变成医疗+互联网了，它不是互联网+医疗。

技术丰富资源，技术重塑资源，技术改善供给，这个逻辑一直存在着，只不过我们没有通过公共治理的形式来推进，从公共治理的角度，治理创新才能真正实现技术创新。

现在新一轮技术竞争崛起是一个难得的机遇，也是必须得抓住的一个机遇，通过引导市场机制才更好的促进竞争、促进创新。

《财经∙大健康》：市场机制能更好的促进技术创新，核心推动力来自于对利益追逐的竞争，这是否会与坚持医疗卫生事业公益性的定位冲突？

陈金甫：不冲突，实际上通过引入新技术，重塑医疗服务形态，更有利于实现医疗卫生服务事业的公益性。

一件事物是否应当具有公益性，我们要从事物发展的性质来确定。如果医疗服务必须具有公益性，那么同样事关生命安全的药品为什么可以不具有公益性？所以这不是一个固定的概念。

我们讲公益性，一是讲卫生事业事关国计民生、社会保障，在国家战略中必须是带有公益性的，但不是指这个领域所有的产品和服务。所以说，医疗卫生事业服务的公益性，不是简单的把这项任务落在公立医疗机构身上。

即便是盈利性质的私人医疗机构，国际上对其资本回报率也是有限制的，超过一定的利润率，收入必须要投入在医院发展，不能直接归属投资者。同样，由于医疗保险的盈利空间有限，对商业医疗保险公司减收营业税，这与财险、寿险都不同。

所以要实现医疗卫生服务事业整体的公益性，不是简单的把任务交给谁，是需要具体政策的支持和引导整个行业，要制定与公益性相关的这个税收政策和投资政策等。

如果是社会充分供给，市场能解决的问题，不应该受公益性影响，那政府应该最好不要介入。

以大家都很熟悉的核酸检测为例，如果有核酸检测机构造假、操作不规范，监管机构就处罚它，大家就不在这家机构检测了。但是如果我们因为社会上的检测机构不规范、不成熟，而拒绝社会化服务，全部由公立医院来做。结果就是供给能力大大缩小，资源短缺，患者等待的时间更长。

那如果说我们把市场能供给、社会能供给、技术能取代的部分放出去，实际上就是将需求与供给配置进行点对点的匹配。

在做好合理监管的基础上，从概率上分析，并不需要对市场服务主体有更多的不信任。如果有质量问题在应用过程中能暴露出来，其实是好事，更担心的是，恰恰在这个系统里面很多问题没有暴露出来。

第二，政府应该做什么？这个时候真正需要政府出手，做市场所不能，社会所必需的，应该有公益性的渠道，比如公共卫生、边远地区、贫困人群、重大疾病的救治。

这样公立医疗机构的包就可以更轻盈，一些问题也有机会得到解决。全国1.2万家公立医院、1000多万医务人员，哪个国家的财政能供得起？大多数的国家的医疗服务体系、收入和薪酬都不是依靠财政来供给的。

所以，只有把握好公益性和市场机制、利益机制的关系，促进医疗服务市场竞争，使得政府需要做的事情越来越少，力量才能更聚焦，在政府减轻投入的情况下更好地满足全社会的医疗需求，这恰恰是真正的促进公益性。