如果我們留意 AI+ 醫(yī)療、互聯網+醫(yī)療等這些概念提出的背景 ，就會發(fā)現他們都包含一個共同的醫(yī)療行業(yè)痛點：醫(yī)生缺口大。此前，Lancet 雜志一項研究分析了中國 2005 年至 2015 年中國衛(wèi)生和計劃生育委員會公布的衛(wèi)生年鑒，發(fā)現在 10 年中，中國大學培養(yǎng)了 470 萬名醫(yī)學專業(yè)畢業(yè)生，而醫(yī)生總數只增加了 75 萬，增幅為 16%。也就是說有近 400 萬的醫(yī)學人才流失。

　　而造成這一現象的核心因素是醫(yī)學教育與就業(yè)機會的不匹配：一是成為醫(yī)生的培養(yǎng)過程漫長而嚴格。二是醫(yī)學知識的運用難。醫(yī)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，最后成為合格的臨床醫(yī)生很不容易?！搬t(yī)生數量少，醫(yī)生的時間不夠用，成長太痛苦?！? 未來醫(yī)療 的 CEO 靳超總結了醫(yī)生行業(yè)的現狀。

　　人才是社會和行業(yè)發(fā)展的充分必要條件，所以醫(yī)學人才的教育就與醫(yī)療行業(yè)的繁榮程度息息相關。未來醫(yī)療就是一家用 AI 技術幫助加速醫(yī)學人才教育過程的公司。未來醫(yī)療的前身是 360 醫(yī)學網，是一家從事網絡醫(yī)學教育的公司。不過，隨著 AI 技術的優(yōu)勢展現，和之前該公司的資源累積沉淀，未來成為了一個醫(yī)療行業(yè)人工智能產品開發(fā)及應用整合公司，以醫(yī)療大數據和深度學習為核心。未來醫(yī)療希望“科技重構未來醫(yī)療體系”，其主要產品是圍繞著醫(yī)學教育，包括臨床思維訓練系統(tǒng)和住院醫(yī)師規(guī)培系統(tǒng)。

　　“我們要做的第一件事情是將數據結構化?！睋榻B，和所有醫(yī)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(yī)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(yī)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(yī)療大數據結構化后，未來醫(yī)療推出一個 AI 臨床思維訓練系統(tǒng)。阿里巴巴曾經提出 AI 虛擬病人，和這個概念相似，未來醫(yī)療的 AI 臨床思維訓練系統(tǒng)被稱為臨床標準化病人(SP)機器人?！斑@個產品主意是幫助醫(yī)生或者醫(yī)學生成長。我們的系統(tǒng)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(yī)生錄入病人數據是有限的，所以導致一般的思維訓練系統(tǒng)可知道的癥狀也有限。而用 AI 就可以模擬出更多的情況與場景?！苯f。

　　據悉，標準化病人(Standardized Patient，SP)是指經過特別培訓后，能夠充分了解臨床病人的心理狀態(tài)和病史并恒定、逼真地模仿其癥狀，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;另一種是自愿將自己所患疾病按標準模式用于教學的病人，他們都應是非專業(yè)人士。

　　此外，針對住院醫(yī)師規(guī)培的系統(tǒng)，未來醫(yī)療也提供了更高效的 AI 解決方案。根據國家的標準，醫(yī)生開始進入醫(yī)院時，要進行一些規(guī)培能力訓練的，參加了考試后才能成為一個真正具有處方權的醫(yī)生。未來醫(yī)療結合了國家的規(guī)培大綱、各省市的規(guī)定、醫(yī)院本身的要求和醫(yī)學學科課的特色，打造了一個標準的規(guī)培系統(tǒng)。靳超向動點科技說明了其中的”玄機“：

　　“醫(yī)生初到醫(yī)院時，需要在各科室輪轉學習記錄所學的東西。然后每個科室學習完畢，要進行一個小考試，通過后再去下一個科室。這一過程，醫(yī)院端需要在后臺管理，但是這個任務量非常繁雜。我們將 AI 技術嵌入到規(guī)培系統(tǒng)后。系統(tǒng)就可以分析管理到醫(yī)生更多細微的情況。如幫組醫(yī)生輪轉排班之類的。另外，還可以詳細了解到這個醫(yī)生在哪些環(huán)節(jié)或者知識點有問題。如一些環(huán)節(jié)因為老師打分太松，而導致分數上是達標，但是實際上醫(yī)生對這個知識并沒有掌握夠?！?/p>

　　目前市面上 AI+ 醫(yī)療的嘗試主要是集中在醫(yī)療影像，但是未來醫(yī)療以醫(yī)學教育為醫(yī)療的切入口，對此，靳超表示：“我們的目的是對醫(yī)生的成長提供幫助。對于醫(yī)生從業(yè)的機構，包括醫(yī)院、醫(yī)學院，提供技術幫助，以助他們豐富專業(yè)知識。”雖然未來醫(yī)療尚未公開融資，不過依靠給醫(yī)院提供一些傳統(tǒng)的考試軟件等依然可以保持營收。

　　與許多醫(yī)療科技公司面臨的問題相似，靳超透露：“AI 醫(yī)療很大的挑戰(zhàn)是兩個專業(yè)性的結合，也就是需要即是大數據專家又是醫(yī)學專家復合型人才?！睋?，未來醫(yī)療的核心團隊均有多年的醫(yī)療行業(yè)經驗與技術經驗，此外，其在醫(yī)學方面特聘很多醫(yī)學專家，大數據方面則主要和一些科研機構合作。