本文转自【大众网】；
起早排长队挂号、大医院里等床位、基层医生看不好、专家号挂不上、报销之后医药费还是贵……说起看病难，每个人多少都有一言难尽的经历和苦水。
看病究竟为什么难？
问题主要是结构性的，集中体现在医疗资源的分配不平衡上。
一个不得不承认的现实是，好的医生集中在大城市、大医院，公众由此产生了一种“大医院情结”。
也就是说无论大病小病，能去三甲医院绝不去二甲医院，总觉得自己的问题只有大医院才能看好，对基层医院的信心不足，以至于进一步增加了三甲医院医生的工作强度，人手更加紧张。
据卫生健康发展事业统计公报，2019年，全国到各级医院、卫生室看病的人次达87.2亿，而能够为他们服务的执业（助理）医师是386.7万人，不区分科室和岗位，按全年无休来算，每位医师每天服务约6人次，算起来并不算多。
但在深圳这样的一线城市，儿科诊室医师每天看诊100个孩子是常态。反倒是基层的社区医院相对缺病人，在分担医疗资源压力上没能起到预期效果。
病人只增不减，医疗资源又存在明显的城乡差异，大城市虹吸效应，需要处理更多疑难杂症，因此分配需要更加细致，小地方则是医生诊疗水平有待提高，需要更多经验。
概括来说，无论大城市还是小地方，都需要提升医疗服务质量和效率，接近大小医院医疗水平一个样高的理想状态。
如何实现就成为一个关键问题。
帮基层医生攒三甲经验
农村、县城聚集了大量需要医疗救助的病人，但他们就近能获得的医疗服务和庞大的基数是不匹配的。
山高路远，他们获取好的医疗资源的成本远比城市更加昂贵，造成了讳疾忌医，看病意愿不高的现象，由此小病拖成大病，最终大病致贫。我们知道，因病致贫的现象在基层最为突出。
制度层面，国家多年倡导分级诊疗，就是根据疾病的轻重缓急和治疗的难易程度进行分级，由不同级别和水平的医疗机构承担不同疾病的治疗。比如季节性流感容易治，社区医院解决，癌症大病难治，让三甲医院接手，也就是小病小治，大病大治。
分流分好了，不至于到大医院扎堆，确实有助于缓解“看病难”问题。不过，基层优质医疗资源匮乏是制度之外的现实，公众对基层医疗缺乏信任，而即便是小病，生活在基层的人们也希望享受更高水平的医疗服务。
事实上，不出村、不出社区，就让基层和社区的病人享受三甲医院的服务，已有经验探索。
2017年，厦门就启动了分级诊疗，专注于隐私安全计算和人工智能的企业“翼方健数”在厦门市卫健委的领导下,将智能分诊临床辅助诊断决策支持引入基层医生工作站，常见病、多发病在社区基层就能得到有效诊治。
这种辅助，基于三甲医院医生大量病历、治疗方案的数据分析，总结出一般性经验模型，即便经验不足的年轻医生，也能借助辅助系统给出合适的诊治方案，翼方健数基于数据进行AI能力输出，弥补基层医生经验和能力的不足的问题。
基层医生真正缺的其实是经验。经验的获取，除了依靠时间和病例积累，或许还有更快的路径，借助数据和技术，可以缩短这一过程。
有时我们有这样一个误区，认为凡是跟“智能”沾上边，就意味着和基层没什么关系，只是大城市的游戏，这样的认识背后，或许就错过了用技术和数据赋能基层、增强公众对基层医疗信心的机会。
数据战疫情
日常常规的看病寻医之外，今年我们又直面了疫情这类突发公共卫生危机。
疫情期间，我们认识到了传染病与突发公共卫生事件网络直报系统的重要性，疫情初期，系统没能及早发挥预警作用，也被认为是疫情快速扩散的原因之一。
医疗机构通过直报系统上报传染病信息和病历个案有助于及早发现疫情，感染者的医疗和病例数据对于传染病的预警和防控至关重要。
基于病例的医疗数据，可以掌握传染病的分布规律和流行趋势，确定传染病的高发地区、流行季节和重点人群，了解疫情的动态变化。
掌握了病例数据，还能有效追踪病人，发现潜在感染者，及早治疗，降低扩散风险。实时浏览报告病例，如果发现异常聚集现象，还可以及时发出预警信号。
做好疾病预警，其实是从起点缓解“看病难”的问题，充分预警，充分重视，做好防护，减少患病，也就降低了病人扎堆、医疗资源挤兑的风险。
即便疫情未必都像新冠、SARS一般凶猛，但疫情其实离我们很近，季节性流感、禽流感、猪瘟病毒等，都是潜在的卫生危机，如果有充分及时的数据检测和预警，有助于降低损失。
眼下，新冠疫苗的研发，同样离不开数据，临床试验的意义就在于获取数据，科学论证它的有效性和安全性。
把脉医疗数据
医疗数据具有极高的价值，这已经成为共识。但现状却是，医疗数据处于极大的风险之中。
10月13日，个人信息保护法草案亮相，其中，医疗健康被划分为“个人敏感信息”，需要严格加强保护。政策导向明确，关键在于如何实现？
“隐私计算”技术是解决矛盾或是一个有益方案和路径。它是在不对外泄漏数据本身的前提下，实现数据分析计算的一类信息技术，安全激活数据价值。
不同于传统方式中，原始数据离开数据平台，无法保证隐私和安全；隐私计算技术的思路是，原始数据不离开数据平台，只输出数据的价值。目前，这一新技术在医疗、金融、营销等领域已有应用。
专注医疗领域，翼方健数运用这项技术，搭建起了自己的隐私安全计算数据平台，并为多地卫健委、顶尖研究型医疗机构提供了数据服务。
相比其他数据平台，翼方健数深耕医疗健康大数据，将隐私安全计算与人工智能技术相结合，为医疗赋能。真正实现从数据的联合计算中产生价值，并进行AI能力输出，孕育人工智能应用。这是一个非常典型的人工智能场景应用的诞生，而隐私计算让这一切的发生变得更加容易和高效。
同时，翼方健数已经实现城市级别的隐私计算，实现了区域行业数据化、智能化产业互联网，既立足于大数据治理，又服务终端用户，在多行业多产业落地，寻求数据安全和开发的平衡，确立起自己独一无二的核心竞争优势。
今天，数据安全已经成为一个社会问题，数据搜集也总是引起警惕，有时限制了数据为公众服务的潜力，数据的价值仍未得到充分释放。
但数据安全和数据开发利用并不天然对立，只是过程中需要规范。政策引导、技术完善、搭建可靠的平台、保障数据使用的授权和全流程监管，可以实现二者的平衡。
当二者的矛盾被解开，医疗数据得以充分激活，在提升医疗服务的质量和效率也就能更有作为。
