看病一分钟，排队一小时。这句并不夸张的戏谑之词道出了当前看病难的一个关键：医患“供需”的不平衡。

　　在生老病死的问题上，人们既谨慎又无知，更忌讳病急乱投医。种种矛盾下，医疗资源在越来越稀缺的同时，也带来了新的市场机会。

　　近日，笔者采访了左手医生的创始人张超，曾经在百度工作过的他对医患间的供需矛盾认知更深刻，“创业前，我们发现搜索引擎上有7000万人搜索健康的问题，全国的门诊量超过2000万人次，在线问诊每天会有50万人次左右。”

图 | 左手医生创始人张超

　　如此旺盛的需求，也催生了像左手医生这样的AI创业公司。

　　搜索引擎多翻几页，可能就是一个创业机会

　　也许是技术出身的缘故，张超非常注重逻辑和条理，我们抛出的每个问题，他都能以总分总的三段式回答，清晰地给出关于为什么创业、为什么选择医疗的答案。

　　在百度工作期间，张超一直负责自然语言处理技术的研究，他也在思考技术的核心驱动力和价值意义，在寻找答案的过程中，张超恰好发现了医疗搜索内容的高需求。

　　“我们发现老百姓在搜医疗相关内容的时候，他会翻很多页。”这意味着普通人对医疗知识的需求度非常高，单一的搜索引擎已经很难满足他们的“求知欲”。矛盾的是当前国内的医疗资源愈加紧张，职业医生每天就诊病人数量有限。

　　另一方面，医疗本身的特性又非常贴合张超在研的技术，“医疗是个知识和经验驱动的学科，知识包括知识的体系，知识库或者知识图谱，经验则是基于大量的数据不断学习。我们团队不少成员之前在百度就是做信息抽取、知识图谱的，这是我们擅长的技术。”

　　种种契机下，张超带着几个小伙伴一起出来做了现在的左手医生。

　　张超谈到了做左手医生的初衷，让机器人医生帮助医生回答更多问题，提高就诊效率，从而增加单个医生的就诊病人数量。

　　那么，问题也随之而来，机器人医生到底能做什么呢？病患又能否信任它们？

　　在回答这个问题之前，我们需要明确一点，机器人医生不是为了取代医生，它的任务是辅助医生。

　　据张超介绍，左手医生的机器人医生可以做到预问诊、诊前、诊中以及诊后四个环节的辅助诊断治疗服务。

　　以AI分诊为例，患者挂号后，机器人医生会模拟医生提问，记下病情生成病历，并据此让患者做一些基础必要的检查，这样医生可以在就诊前对病人有更清晰的认知，会省去诸如再检查叫号的流程。

　　简而言之，患者可以通过机器人医生获得疾病预问诊、分诊、导诊、挂号、问药、健康咨询等服务。医生可以通过系统的多轮对话，采集到患者的主诉、病情等信息，并由系统整理成电子病历推送给医生。

　　张超总结，“经过机器人医生的优化，患者整个就诊过程会非常高效。”

　　再就是诊后的服务，这也是医生最容易忽略的盲区，张超认为，“机器人医生可以在诊后发挥很好的作用，比如提醒患者用药、特殊人群的管理、做一些电话随访……”

　　而机器人医生的专业程度则取决于背后的医学知识图谱的建立。张超简单地谈到了他们医疗知识图谱建立的几个关键点。

　　一是从大量的医疗文献、医院脱敏病历以及专家经验等数据源中构建抽取知识，挑战在于当前还有一些数据比较难获取或者是质量不够高。二是技术本身的挑战，“我们要在大量的语料中尽可能采用无监督或者半监督的方法处理知识。”第三点则是技术和应用的结合度，不同的诊断环节对知识图谱的要求各异，所以图谱的设计非常需要有经验的专家参与其中。

　　总而言之，这是个既耗时耗力，也非常考验技术和专业能力的工作。

　　谈及左手医生的优势点，张超的逻辑性又跳出来了。他总结，和大公司比，我们入场时间早，执行速度快；和创业公司比，我们技术强，拥有许多跨学科背景的人才。

　　其中，张超谈到了一个细节让人印象深刻，他说团队不少成员的桌上都放着很厚的医学书，他感慨，“你还是要深入去理解这个行业，理解内部的逻辑，才有可能让你的产品给用户提供最大的价值。”

　　据了解，从早期的病历结构化到临床辅助决策再到当前的机器人对话引擎（机器人医生），左手医生累计服务的三甲医院已经超过50家，累计服务的行业客户已超过300家。

　　在活动当天最后一个圆桌讨论上，被问及智能医疗的商业化情况，张超将其分为三种类别：卖软件服务式的跪着赚钱，做流量和广告入口式的站着赚钱，以及侵犯数据隐私卖产品式的躺着赚钱。他戏称左手医生就是“跪着赚钱”。

　　采访的尾声，张超再次提到了他们做机器人医生的初衷：医学人才培养是个跨周期的事情，所以我们希望AI系统能让医生在相同的时间段内服务更多的人。