“請告訴我你是哪里不舒服”“請告訴我一項您需要診斷的癥狀”“請告訴我，是否在使用非處方止痛藥后疼痛加劇”“請問，是否突然出現從未有過的劇烈頭痛”“請告訴我，是否曾經頭部受傷、跌倒或碰撞”……在經過一系列的機器模擬醫生問診流程后，患者將收到一份《評估報告》，提示可能存在的疾病。
這是人工智能機器人醫生Airdoc的一個分診過程。
Airdoc是近期上線的一個人工智能分診工具，自稱可以在5分鐘內快速完成分診和病情詳情查詢。
Airdoc不僅僅是個分診工具，最大價值是成為一個輔助醫生診斷的工具，來幫助醫生尤其基層醫生提高診斷效率。
CEO張大磊表示，目前Airdoc還在測試期，人工智能數據架構剛剛搭建完畢，模擬人類醫生看病輔助醫生診斷的流程也剛跑通，讓系統不間斷地從實時更新的病例、文獻中學習、存儲最新的醫學知識，還有很長的路要走。
據了解，目前包括Google、Facebook、微軟等在內的國外互聯網巨頭都在做人工智能在醫療領域的嘗試。而根據媒體報道，在國內也已經有包括“杭州智慧醫療”“浙江名醫館”“嘉興市第一醫院”等移動醫療平臺在嘗試類似的智能分診服務。
醫療需要+什么樣的互聯網?
就在剛剛過去的六月，國務院辦公廳印發了《關于促進和規范健康醫療大數據應用發展的指導意見》，大力推進“互聯網+醫療”，國內互聯網醫療創業環境的開放程度已經到了最好的時期。當今的醫療，究竟需要加什么樣的互聯網？
為什么醫學水平越高，患者越不信任醫生？
自有人類歷史以來，醫學水平沒有哪個時候像現在這樣發達。但為什么就是現在，患者卻越來越不信任醫生了？可能大家常常認為由于個別醫生在市場經濟中迷失方向，造成患者對整個醫生群體失去信任，甚至開始產生仇恨，實際上這只是大家看到的表面現象。
本質原因，還是醫生獲取醫學知識和利用信息技術的速度比患者慢，患者獲取了很多醫學知識，并且拿著這些不一定靠譜的“醫學知識”和醫生的診斷、治療來對比。網上經常充斥著各種“神醫”、“神藥”，誤導了沒有醫學常識的患者，從而讓真正踏實看病的醫生很無奈，常常需要花很多精力去做一些本該不需要的醫學解釋，溝通成本無疑是高了很多。
這個現象可以歸結為醫療生產力和生產關系的扭曲。從經濟學角度來講，勞動對象是患者，而患者使用各種技術工具獲得醫學知識的速度遠遠快于醫生，盡管患者手里的工具有可能是把鐵鍬，但更多的時候可能是個炸彈。
勞動對象手里握著的如果是鐵鍬，這是幸運的。而遺憾的是，公開信息中的炸彈實在太多，在缺乏正確引導的情況下，患者根本無法分辨哪些是工具，哪些是炸彈。如果把醫學服務看作一個生產力，勞動工具絕對不僅僅只包含醫學水平，希望這一事實能引起醫生朋友們的重視。
醫療加互聯網更應關注“增量價值”
優質的醫療資源就那么多，不管如何分配，優質醫療資源覆蓋不到的地方還是占多數。這就需要創業者們在現有的資源供應環境中創造“增量價值”，創造提高效率的解決方案，再多的搬運也解決不了問題。醫療服務生產力水平要想有質的提高，以人類醫生經驗為基礎的生物醫學，遠遠趕不上現代人對醫療服務的需求。
針對未來人類醫療最理想的狀態是，醫生個體掌握傳統生物醫學的經驗，再將大數據和人工智能對近似全樣本病例的存儲和分析作為參考，這才是完美的醫療實踐。畢竟人腦的存儲、讀寫、計算能力和機器是無可比擬的。
Airdoc在做的事情就是，利用機器學習幫助每個愛惜自己的人能做好健康評估，提前預防疾病，以及在生病后能時刻掌握自己的健康狀況，做好患者的就醫指導。同時，從整個社會的視角看，Airdoc可以大大提高醫療資源的使用效率。
一個典型的場景，就是醫院的分診環節。Airdoc團隊之前也做過掛號平臺，有很大一部分患者根據自己的癥狀是判斷不出自己應該掛什么科的。這就導致了無論是醫院還是掛號平臺，每天都有大量患者掛錯號，對患者來講能掛到號已經不容易了，再取消重新掛是個很糟糕的體驗，對醫生來講浪費了給更需要的患者看病的機會，對醫院和掛號平臺甚至全社會的醫療資源來講，無疑是一個嚴重的浪費。
Airdoc目前人工智能醫生不但能通過癥狀模擬人類醫生給出疾病參考，可以給每次的評估出一封報告，同時非常清楚地告訴患者就醫時應該掛什么科。幫患者、醫院和掛號平臺解決分診問題，人工智能的準確率已經遠遠超過呼叫中心的服務人員。
“增量價值”在于提高效率和準確率
不久前，美國媒體報道全美的首診誤診比例是30%以上，這個是很可怕的，國內的情況可能會更糟。我自己家里人看病的時候，也經歷過非常荒唐和可怕的誤診，如果不來協和醫院，在地方的三甲醫院被診斷為腫瘤當時就開刀了。這個事情對我的刺激非常大，也堅定了做醫療的決心。
Airdoc要解決的最核心問題不光在分診環節，而是希望通過機器學習，讓我們的人工智能醫生幫助到人類醫生尤其基層的醫生朋友，讓大家的診斷越來越準。現在Airdoc的人工智能數據架構已經搭建完畢，模擬人類醫生看病輔助醫生診斷的流程已經完全跑通，接下來需要做的就是讓人工智能醫生不間斷地從實時更新的病例、文獻中進行學習，及時存儲所有最新醫學知識。
就在幾個月前，與Airdoc合作的一家美國醫院通過對糖尿病的病歷大數據分析，在II型糖尿病里發現了幾個共同的規律，可以實現針對不同分型研究更有效的治療方案，對于有針對性的新藥研制，對于整個醫學界都有巨大的價值。這在沒有足夠病歷數據支撐和機器學習算法訓練的時代，僅靠傳統的生物醫學是不可想象的。
