30％的误诊率，智能医疗来纠正

□ 本刊记者 孙爱民/文王小/编辑

临床诊断时的误诊，是国内紧张的医患矛盾的一个触发因素。如何让全科医生、刚毕业入职的新医生，在面对患者时，给出更科学准确的判断、更合理与个性化的诊疗方案，成为降低临床误诊率、缓解医患矛盾的关键。

在国内传统的看病流程中，患者往往在千方百计挂号、焦虑地来到主治医生面前之后，通过简单描述，或者附加医学检查，然后等待医生的“宣判”。医患之间，并没有足够的沟通时间，导致信息不对称，况且医生水平、经验参差不齐，再加上部分疾病的复杂性等，种种因素叠加，误诊自然发生。

关于临床误诊率的统计，尚没有相关部门发布权威数据，但国内医疗行业的共识是30％左右，其中，鼻咽癌、白血病、胰腺癌、结肠癌等恶性肿瘤的平均误诊率在40％以上；肝结核、胃结核、肠系膜淋巴结核等肺外结核的平均误诊率也在40％以上。

四川华西医科大学的一个研究团队，从上世纪60年代开始，几乎每个年代都选取几千个样本做调查研究，结果发现，即便诊断技术在快速发展，临床误诊率依然在30％上下。

事实上，100％的诊断正确率基本不存在，即便是发达国家的医生，也有一定的误诊率。如何提高临床诊断的正确率？

在人的学习与认知能力有限的前提下，人工智能技术被寄予厚望。2016年12月21日，海虹控股（000503，SZ）在海南省海口市预发布了其第一款智能医疗产品——“海虹智能医疗项目”，这是基于人工智能与大数据技术，形成的一套综合性智能辅助医疗系统。

“智能医疗可以让基层医生减少一些低级错误。”海虹控股大健康事业部副总经理张运江对《财经》记者分析。

按他对海虹智能医疗系统的分析，这套系统可以毫秒间为医生推荐针对性的治疗方案，如果其所在医院是签约医院，还可以给出所在医院的最优治疗方案。

一个名医，需要倾其所学，用积累了几十年、成千上万的病例经验，才能对疑难杂症短时间内作出判断、给出诊断，智能医疗系统如何在毫秒间达到名医的决策水平？

当医生在系统中输入患者个人信息后，人工智能能在瞬间给出最佳的诊疗方案，得益于系统背后庞大的数据库，该数据库包括病案、教科书、文献、专家共识等六大数据、知识与经验。

可见，足够数据量的病案是关键。“全科医生与刚毕业的医生，在临床诊断时最需要的并不是那些顶级三甲医院的治疗方案，反而是一些疾病的诊疗标准。”深圳市第二人民医院急诊外科主治医师姚彬接受《财经》记者采访时说，他曾经试图构建一个辅助诊疗系统，但受限于数据量与技术，未能成功。

海虹通过为国内众多城市进行的医保智能审核服务，积累了对病案审核、判断和分析的宝贵经验，通过人工智能系统的发酵，衍生出大量基于循证医学的诊断、治疗信息。

现实中，三级甲等医院往往可以接触到美国最新的治疗方案与技术，甚至可以同步获得新药；然而，二级以下的医院却往往滞后一大截，不仅如此，对这些医院的医生有指导意义的教科书与疾病诊疗指南，也常常滞后于最新的技术与诊疗方案。

将大数据、深度学习、云计算、人工智能等相关的技术，应用于疾病诊断与治疗，国外的科技公司早已布局。

微软开发了一个能够“消化”每年发表的所有论文的机器学习项目Hanover。Hanover正在俄勒冈卫生科学大学Knight癌症研究所被投入使用，在自动分析研究论文中的数据以及临床试验、影像学诊断报告、电子医疗记录的基础上，寻求能够有效治疗急性骨髓性白血病的药物、预测药物的有效性，并为病患制定个性化治疗方案。

今年8月，IBM宣布经由纪念斯隆· 凯特琳癌症中心训练的Watson Oncology系统（Watson肿瘤解决方案）进入中国，在国内已有21家医院计划使用。

IBM开发的Watson肿瘤解决方案，通过多个肿瘤研究机构与医院的病案与知识学习，能帮助医生分析临床数据，为病患制定个性化治疗方案。8月，东京大学医学研究院曾利用Watson判断一位女性患有罕见的白血病，并提供了个性化诊疗方案。而在几个月前，该患者还曾被其他医院误诊。

IBM Watson总监David Kenny谈及这次诊断时说：“从统计学上看，即使是经验丰富的医生也会出现判断或诊疗失误，这是人所无法克服和避免的，然而通过AI辅助系统，不仅可以更加准确梳理信息（海量数据信息），而且能够提示人们可能的结果，当然最终的诊断还是人——医生来决定。”