社區醫療智能體如何破解基層醫療痛點

　　? 本報記者 孫慶陽

　　今年6月2日，《國家衛生健康委辦公廳關于進一步健全城市社區衛生服務體系 提升服務能力的通知》發布，提出在“加強數智化賦能”中推廣AI輔助診斷、處方審核、智能病歷采集等基層智能工具。

　　與此同時，北京、云南、廣東、湖南等省份也陸續出臺了“人工智能+醫療”政策。

　　“半夜值班，一個術后病人的凝血結果出來了，指標在悄悄變差。以前，值班醫生可能要到第二天早上查房時才能看到。可等發現問題時，最佳干預‘窗口’已經錯過了。”河北醫科大學第一醫院醫療業務部副主任榮宇談起此前曾遇到此類場景感慨地說，現在系統里多了一個能24小時盯著數據的“數字員工”。凡指標不對勁，系統就會主動彈出提示。醫生看到提示去做處理，處理完了系統還能追蹤到底解決了問題沒有。這就是正在建設的社區醫療智能體。

　　與普通AI大模型不同

　　“這兩年，AI大模型火爆。然而，人們對AI的理解容易走入兩個極端。”榮宇表示，一種是看輕AI的作用，認為AI只是規則系統的升級版，作用并不大。另一種是無限抬高AI作用，認為其是無所不知的“萬能專家”，什么都能判斷，能代替醫生做出決定。

　　對于醫療智能體的優勢，榮宇表示，大模型如同知識特別豐富、理解能力特別強的專家，但大模型的回應卻具有被動性，只有用戶進行詢問才能得到回應。而智能體相當于給專家裝上了視覺和聽覺等系統，讓其能夠主動觀察、主動干活，且24小時緊盯相關數據，主動判斷風險并自動發出提示。“簡單說，大模型是‘大腦’，智能體是裝上了大腦的能干的‘員工’。”

　　中山大學健康醫療大數據國家研究院副院長周毅認為，醫療智能體要想真正工作需要擁有五大模塊：負責思考和決策；規劃能力要如同醫生一樣進行嚴謹推理；記憶能力讓其記住患者說過什么、做過什么檢查；工具調用能力讓其能連接HIS（醫院信息系統）、電子病歷、檢驗、影像等系統；行動能力則把決策變為具體操作。

　　他以胸痛患者為例：智能體會一步步推理，如先看檢查者生命體征是否穩定，再分析心電圖和檢查結果，鑒別是心臟問題還是其他問題，最后給出建議。每一步都有據可查，醫生能看懂其推導過程。

　　從單功能到協同

　　“建設智能體不是一蹴而就的事。”榮宇及其團隊的經驗是：先從最痛的點入手。榮宇團隊選擇了一個臨床上反復出現、人工處理負擔重的問題，即凝血功能的識別。該團隊把這一問題變成一個單場景智能體，系統自動抓取數據、識別風險、發出提示。醫生處理完后，系統還能追蹤處理結果，從而形成閉環。

　　然而，榮宇團隊很快發現，單個智能體的作用有限，臨床醫生面對的從來不是單個問題，而是多個問題疊加在一起的復雜場景。例如，需要進行手術的患者，其凝血有問題、心臟有風險、肺功能也一般，僅看凝血這一指標遠遠不夠。醫生需要的是一個綜合判斷——該患者是否能夠進行手術？

　　榮宇介紹說，該團隊把多個單點智能體（如凝血評估、心臟風險評估、肺功能評估、感染風險評估）整合成一個場景智能體——手術風險評估智能體。該智能體可分為3層：最底層是患者的診斷、影像、檢驗等原始數據；中間層是各個專科智能體獨立評估，各自給出風險等級；最上層是推理層，綜合所有信息后最終研判，該手術是否可以進行、抑或建議暫緩以及是否需要先優化某些指標。

　　“手術需要手術醫生、麻醉師、手術室護士三方配合。”榮宇表示，讓手術風險評估智能體、麻醉風險評估智能體、手術護理風險評估智能體進行協同工作，可以讓醫生看到一份綜合報告，而不是3個互不相干的彈窗。如果3個智能體各自獨立運行，每個都要調用一次大模型。然而，整合后的智能體一次調用就能完成3個維度的評估。

　　“智能體雖然能夠發揮巨大作用，但并不能替醫生做出決策。”榮宇認為，智能體可以把所有信息梳理清楚、把風險分析透徹，但最終決策者還應該是醫生。例如，手術風險評估智能體可以在醫生點擊“手術知情同意書”時自動彈出相關信息，告知患者手術時會發生哪些風險以及注意事項。但如果醫生認為該手術必須進行，寫上理由就可繼續。

　　據了解，榮宇的這一觀點，源自國家網信辦、國家發展改革委、工業和信息化部在今年5月聯合印發的《智能體規范應用與創新發展實施意見》。該實施意見明確，在遵守法律法規、尊重社會公德和倫理規范前提下，厘清僅限用戶本人決策、需由用戶授權決策和智能體自主決策等各種決策方式的合理邊界及所需權限，確保用戶對智能體自主決策享有知情權和最終決定權，智能體執行操作不得超出用戶授權范圍。

　　未來之路在何方

　　“重要的不是做更多的醫療智能體，而是讓已形成的能力在不同場景中得到重復使用。”關于醫療智能體的未來發展，榮宇認為，實效比數量更為重要，要重視跨場景能力生長和技術融合應用。例如，手術期智能體具備的凝血評估能力，不僅在患者手術前能夠用到，而且在重癥患者的監測和預警過程中甚至在全院醫療質量管理中也能夠得到應用。

　　榮宇介紹說，“技術融合應用”是把規則、知識庫、知識圖譜和大模型進行結合，各取所長。“規則系統穩定、清晰、可審計，適合處理邊界明確的問題；知識庫能表達專業關系；知識圖譜能把復雜的醫學知識組織起來；大模型擅長處理非結構化的數據和復雜的語義判斷。不是讓某一種技術解決所有問題，而是讓不同技術在各自適合的位置發揮作用，最后統一調度。”

　　周毅表示，智能體將推動醫療從被動應對走向主動干預，在問題還沒完全暴露時識別風險；在信息分散時，更快整合信息。“醫院管理人員每天要在找問題方面花費大量時間，如檢查病歷是否合規、醫囑是否按路徑執行、抗菌藥物的使用是否規范……真正解決問題的時間只有很少一部分。我們要做的是讓醫療智能體查找相關問題，而讓人把更多時間花在解決問題上。”