Huailiang Wu1,2*, MBBS; Nga-Kwo Chan1,2*, MBBS; Casper J P Zhang3, MPH, PhD; Wai-Kit Ming1,2,4, MD, PhD, MPH, MMSc

1International School, Jinan University, Guangzhou, China

2School of Medicine, Jinan University, Guangzhou, China

3School of Public Health, The University of Hong Kong, Hong Kong, China 4HSBC Business School, Peking University, Shenzhen, China

*these authors contributed equally

Corresponding Author:

Wai-Kit Ming, MD, PhD, MPH, MMSc School of Medicine

Jinan University

601 West Huangpu Avenue

China

摘要 

全世界的医疗保健系统都受到全球⽇益增⻓的共享经济趋势的影响，并可能在不久的将来随着这些 趋势向前发展。因此，基于个⼈之间的点对点关系，通过租⽤医务⼈员、设施和其他医疗资源来共 享医疗保健⼯作。医疗数据的创新、整合、分析和共享有可能极⼤地改变当前的医疗保健系统模 式，并在未来为个⼈提供精确和预测性的医疗评估。此外，⼈⼯智能可以在临床医学和医学硏究领 域发挥作⽤，有助于减少⼈⼒资源的稀缺，扩⼤⼈类在医疗保健中的作⽤。

(J Med Internet Res2019;21(0):e13469)  doi: I0.2196/13469

关键字 

医疗保健；医疗保健系统；共享经济；⼈⼯智能

医疗保健资源短缺是⼀个⻓期存在的全球性问 题，并且随着全球⼈⼝⽼龄化⽽⽇益严重。缓 解这种短缺的可能⽅法包括将共享经济模式应 ⽤于医疗保健⾏业[1]。共享的概念已被纳⼊系 列与⽇常⽣活相关的商业活动，如零售和交 通。医疗保健系统也受到全球共享经济[3]趋势 的影晌，并可能在不久的将来随着这些趋势⽽ 发展。在新兴的⼤数据时代，这些可预⻅的趋 势不断伴随着创新技术的整合，包括⼈⼯智能 (AI)。全球问题的决策需要基于⼈⼯智能技术[4] 的新技术。在临床预测、诊断和治疗⽅⾯⼈⼯ 智能技术同样是不可缺少的，并且可以通过“学习”适当的数据来实现 (例如，在与图像相关的 专业中) [5]。

中国⽬前正经历着快速的经济发展和不断增⻓ 的医疗需求。考虑到这些情况，中国的医疗系 统似乎⾮常适合作为⼀个试验场来评估使⽤⼈ ⼯智能推进医疗系统的实⽤性。中国⼤陆⼤部 分地区的居⺠都有全⺠医疗保险，这意味着患 者通常只⽀付⼀⼩部分治疗费⽤[6]。在⼤多数 情况下，常规治疗包括于由公共部⻔⽀持的社 区诊所求诊，如果需要的话，再去医院。尽管 我国初级医疗保健制度的改⾰和发展正在进⾏，但仍存在⼀些挑战，包括医疗保健信息的 碎⽚化和医疗保健信息数据的缺乏[7]。在⾹ 港，医疗系统有⼀个双轨制结构，其中包括公 ⽴和私⽴部分[8]。由公⽴医院运作的公共医 疗，是⾹港医疗制度的基⽯，约占医疗服务的 90%及⻔诊服务的29%。⾹港的公共医疗服务 亦以极低的成本(例如:13美元/张床/天)提供全⾯ 优质的服务，⽽这是通过⾼津贴率[7]来实现 的。在⾹港，私⼈诊所是对公⽴诊所的补充。 美国的体制不同于中国⼤陆和⾹港，它是⼀个混合体制，包括联邦政府、地⽅政府和私⼈基 ⾦(家庭和私⼈企业)。据估计，美国公⺠的医疗 费⽤⽐其他发达国家要⾼[8]；这可能是因为美 国⼤多数医疗服务是私⼈提供的，即使他们是 由公共资助的。表1⽐较了中国⼤陆、⾹港和美 国医疗保健系统的选定特征(医⽣、医院床位和 平均成本)。世界卫⽣组织规定，每1000⼈中⾄ 少有2.5名医疗保健专业⼈员(医⽣、护⼠和助产 ⼠)以获得必要的初级医疗覆盖；在这⾥详述的 三个系统中，只有美国符合这⼀标准。


在传统的医疗保健系统中，初级保健主要由家 庭医⽣提供。家庭医⽣应在疾病的早期阶段提 供适当的建议和诊断。这种类型的医疗保健需 要熟悉患者的情况（例如药物过敏或特发性问 题），因此这代表了⼀种以患者为中⼼的⽅ 法，其特点是具预防性和协调性的措施[10]。然 ⽽，与这种综合护理相关的相应费⽤往往很 ⾼，⽽且可能因患者⽽异。近年来，共享医疗 的概念已经出现。共享医疗保健基于具有相似 经济/社会⻆⾊的个⼈之间的对等关系，并通过 租⽤医务⼈员、设施和其他医疗资源进⾏⼯ 作。例如，医⽣将在单⼀的医院、诊所或私⼈ 医疗保健设施以及其他地点以更灵活的⽅式执 业。这⼀共享医疗系统将类似于其他正在成⻓ 的共享企业(如 爱彼迎、摩拜、优步)，其特点是 ⼊⻔要求低，效率⾼[2]。在未来的愿景中，家 庭医⽣将参与病历共享 (在知情同意的情况下) 和护理⼈员和设施共享；因此，在同样有限的 资源下，更⼤⽐例的患者可以得到初级医疗。随着共享经济原则在医学上的应⽤，越来越多 的患者在互联⽹上寻找医疗信息，并根据这些 信息进⾏决策[11]。

众筹⼀词最初指的是为⽀持和维持⼀个项⽬⽽ 提供资⾦的消费者的集体努⼒[12]。今天，共享 经济在中国⼤陆的医疗领域出现了⼀个有趣的 应⽤⽅式（例如，在微信、微博、QQ和其他社 交⽹络的⽤户中）。我们将共享经济在医疗领域的应⽤视为 ⼀种“慈善众筹”’，即旨在帮助穷⼈、残疾⼈等 弱势群体⽀付医疗预算的众筹项⽬。例如，⾃ 2015年成⽴到2018年9⽉，中国⼤陆⼀个颇受 欢迎的慈善众筹项⽬—“融资乐”—已经筹集了 550多亿元⼈⺠币，帮助250万个家庭战胜了⽩ ⾎病和肺癌等致命疾病。许多普通⽼百姓只捐 岀⼏块钱，但随着捐款信息的传播，更多的捐 款随之⽽来。因此，这些⽅法很可能为贫困和 重病患者筹集到⽬标资⾦。虽然没有准确可靠的众筹统计数据，但我们相信，这⼀创新的众 筹应⽤已经成功帮助了很多低收⼊家庭和遗传 疾病患者治疗疾病。此外，这可以帮助填补当前医疗保险制度的空⽩，因为如果⽀出不超过 报销上限，所有类型的医疗保险只能覆盖⼤约 70%-80%的⽀出(图1)。


医疗数据的创新、整合、分析和共享有可能极 ⼤地改变世界医疗保健系统的当前模式，并在 未来为个⼈提供精确和预测性的医疗评估 [14,15]。此外，决策者应提供充⾜的医疗预 算，并通过各医疗机构(医院、私营医疗机构和 慈善机构)之间的合作，领导医疗数字化进程， 以实现医疗系统的发展。

在过去的⼏⼗年⾥，⼈⼯智能的发展是相当可 观的，可以这将可应⽤于医疗领域，特別是数 据评估中。在⼤约20年内，⼀半的⼯作将会过时或不再需要，医疗保健在⼈⼯智能发展中也 不例外[16]。⼈⼯智能可以在临床医学和医学研 究领域发挥作⽤，帮助减少⼈⼒资源短缺，扩 ⼤⼈类在医疗保健中的作⽤。鉴于个⼈智能设 备的普及，在个⼈医疗服务中采⽤⼈⼯智能的 想法不再遥不可及，⽽且越来越可⾏。

⼈⼯智能技术确实可以帮助医护⼈员为更多的 患者提供更多的护理，做岀更好的临床决策， 减少不必要的住院和医疗费⽤[17]。然⽽，评估 ⼈⼯智能技术在医疗保健中的应⽤中的伦理问题是⾄关重要的。⼈⼯智能的介⼊是否会改变 医患关系？当病⼈受到伤害时，谁来负责技术 辅助决策？另外，没有临床医⽣的介⼊，患者 如何放⼼，如何保持情绪稳定？如果要找岀有 效的解决办法，就需要进⼀步考虑所有这些问 题。

在努⼒实现这些⽬标时，政府和医疗保健提供 者必须更深⼊地了解患者在初级保健中的⼈⼯ 智能偏好，并调査采⽤共享医疗保健业务模型 的适⽤性。


利益冲突 

没有申报。

参考⽂献 

1. Yang Q, Dong H. Have health human resources become

Int J Health Policy Manag 2014 Dec 03;3(7):359-360 [FREE Full text] [doi: 10.15171/ ijhpm.2014.129] [Medline: 25489591]

2. Miller BJ, Moore DW, Schmidt CW. Telemedicine and the sharing economy: the "Uber" for healthcare. Am J Manag Care 2016 Dec 01;22(12):e420-e422 [FREE Full text] [Medline: 27982670]

3. Demiris G. Consumer Health Informatics: Past, Present, and Future of a Rapidly Evolving Domain. Yearb Med Inform 2018 Mar 06;25(S 01):S42-S47. [doi: 10.15265/iys-2016-s005]

4. Fernandez-Luque L, Imran M. Humanitarian health computing using artificial intelligence and social media: A narrative literature review. Int J Med Inform 2018 Jun;114:136-142. [doi: 10.1016/ j.ijmedinf.2018.01.015] [Medline: 29395987]

5. Maddox TM, Rumsfeld JS, Payne PRO. Questions for Artificial Intelligence in Health Care. JAMA 2019 Jan 01;321(1):31-32. [doi: 10.1001/jama.2018.18932] [Medline: 30535130]

6. Kong X, Yang Y, Gao J, Guan J, Liu Y, Wang R, et al. Overview of the health care system in Hong Kong and its referential significance to mainland China. J Chin Med Assoc 2015 Oct;78(10):569-573 [FREE Full text] [doi: 10.1016/j.jcma.2015.02.006] [Medline: 26144022]

7. Li X, Lu J, Hu S, Cheng K, De Maeseneer J, Meng Q, et al. The primary health-care system in China. The Lancet 2017 Dec;390(10112):2584-2594. [doi: 10.1016/s0140-6736(17)33109-4]

8. Leung GM, Wong IO, Chan WS, Choi S, Lo SV, Health Care Financing Study Group. The ecology of health care in Hong Kong. Soc Sci Med 2005 Aug;61(3):577-590. [doi: 10.1016/ j.socscimed.2004.12.029] [Medline: 15899317]

9. Hood VL, Weinberger SE. High value, cost-conscious care: an international imperative. Eur J Intern Med 2012 Sep;23(6):495-498. [doi: 10.1016/j.ejim.2012.03.006] [Medline: 22863424]

10. Committee on Hospital Care, American Academy of Pediatrics. Family-Centered Care and the Pediatrician's Role. PEDIATRICS 2003 Aug 29;112(3):691-696. [doi: 10.1542/peds.112.3.691]

11. Roper L, Jorm C. Preparing medical students for the e-patient: Is a theoretical grounding required? Medical Teacher 2017 Jul 25;39(10):1101-1101. [doi: 10.1080/0142159x.2017.1353072]

12. Chaney D. A principal–agent perspective on consumer co-production: Crowdfunding and the redefinition of consumer power. Technological Forecasting and Social Change 2019 Apr;141:74-84. [doi: 10.1016/j.techfore.2018.06.013]

13. Han J, Meng Y. Institutional differences and geographical disparity: the impact of medical insurance on the equity of health services utilization by the floating elderly population - evidence from China. Int J Equity Health 2019 Jun 14;18(1):91 [FREE Full text] [doi: 10.1186/ s12939-019-0998-y] [Medline: 31200716]

14. Tang C, Plasek JM, Bates DW. Rethinking Data Sharing at the Dawn of a Health Data Economy: A Viewpoint. J Med Internet Res 2018 Nov 22;20(11):e11519 [FREE Full text] [doi: 10.2196/11519] [Medline: 30467103]

15. Moscatelli M, Manconi A, Pessina M, Fellegara G, Rampoldi S, Milanesi L, et al. An infrastructure for precision medicine through analysis of big data. BMC Bioinformatics 2018 Oct 15;19(Suppl 10):351 [FREE Full text] [doi: 10.1186/s12859-018-2300-5] [Medline: 30367571]

16. Frey CB, Osborne MA. The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change 2017 Jan;114:254-280. [doi: 10.1016/j.techfore.2016.08.019]

17. Meskó B, Hetényi G, Gy rffy Z. Will artificial intelligence solve the human resource crisis in healthcare? BMC Health Serv Res 2018 Jul 13;18(1):545 [FREE Full text] [doi: 10.1186/ s12913-018-3359-4] [Medline: 30001717]

缩写 

AI: artificial intelligence ⼈⼯智能