不想死于糖尿病

作者| 宇多田

我在北京通州梨园社区医院坐了4个小时。

即便是周六，来挂号的人也在上午10点过后开始呈现络绎不绝的趋势。他们大多是住在附近的老人，交完费后，只得在唯二开张的两个科室前等着被叫号。

在大部分的等待时间里，他们是沉默的。你只能听见脚步声和衣服摩擦发出的声响，这安静到让人有点窒息的气氛简直能把医院特有的药水味儿挤出水来。

腿脚尚好的就在走廊里踱来踱去，而步伐略显迟缓的便坐在塑料长凳上沉默不语。他们的眼睛会长时间直愣愣地盯在墙的某一个点上，或是不停揉搓着挂号条，把上面的信息看一遍又一遍。

每个来看病的人都显得心事重重，很少有人愿意仔细阅读挂在墙上的那些所谓的健康小贴士，更不用说布满走廊墙面那大片大片关于糖尿病管理的橘黄色“广告”板。

这里是国家标准化代谢性疾病管理项目（MMC）在北京地区设立的少数可在网上预约的基层中心之一。

作为一个由上海瑞金医院（三甲医院）发起，被贴上大数据、物联网以及人工智能等许多高大上标签的国家重要医疗项目，网上对其的溢美之词不绝于耳。

阿里健康、AI科技公司第四范式、AI医疗影像公司体素科技都曾出现在关于这个项目的推介文字里。

然而，这个有幸跻身于医保系统、试图消弭城乡医疗差距的管理项目，在初衷与落地之间却形成了巨大反差。

不在乎的群体反应

在北京通州梨园社区医院墙壁的显眼处，橘黄色MMC项目介绍板几乎无人问津。编纂者小心翼翼，将不易大众接受的人工智能或大数据生僻字眼一一抹去，通篇被浓缩成了五个字——“标准化管理”。

但即便如此，上面那一排“检测项目”与弯弯绕绕的就诊流程，也让人读起来有点费劲儿。

“什么…能？糖尿病啥管理？” 一位大爷没好气地嘟囔了几句：“我就是脚丫子疼来拿药。”

整个上午，我都在努力尝试跟等待看诊的老人们故意聊起这个糖尿病管理项目，他们的反应几乎跟这位大爷如出一辙。

一位阿姨误听成我要“看”糖尿病，一下子来了精神：“姑娘，赶紧去大医院啊，来这里做什么！就随便两句话然后拿个药，这里哪有什么好医生。”

挂着MMC牌子的诊室在走廊的最尽头，但可能是周末，室内空无一人，不过好在也没有任何人找到这里。

社区医生终于喊到了我的名字。但当我佯装糖尿病人提起MMC项目有什么特色时，他顿了两三秒后才反应过来我说的是什么。

“嗯……糖尿病那个项目？其实就是督促监督你别乱吃乱用药，专家会定期给你检查发送一份病情报告，再给一些专业的建议。”

这番若无其事的解释，似乎验证了来这儿就诊的患者存有不信任情绪的原因。

既然我们平时就不能对小医院或社区卫生中心给予足够信任，那么为何会信任“驻扎”在地区医院里的检测机器？

甚至于在很多老人眼中，“先进仪器”或者“大数据”的定义几乎等同于一个APP。

“下载APP？又下载APP！这说白了就是下载个APP呗？” 一位大叔虽然没有打消我给他解释技术的积极性（我看起来真的像个推销的），但一边听我“唠叨”，一边把MMC血糖管理的广告册子举到眼前看了半天后，他最后只冒出了这么一句。

认知上的严重差异，很容易让人对包括AI在内的新技术产生混淆与误解，这又反过来加剧了病人对技术的不信任。

大多数人在听到糖尿病AI管理时，反应基本就像我的父亲：

“你认为这比肿瘤刚需吗？你妈那个老闺蜜不是控糖10年了都很成功，自己都快成专家了，我身边也都是自己控制饮食，哪需要去看病。

“反正这没什么实际意义，去花1000多块钱做管理，还不如雇个保姆一边做家务，一边在旁边唠叨你。”

不懂，不在乎，很容易，不刚需，怕花钱。

这就是让全国内分泌科医生们捶胸顿揍，让国家不得不印发“糖尿病门诊用药指导意见”的现实。

不得不在乎的可怕现状

在瑞金医院代谢科门诊等候区的角落里，瑞金医院临床医学AI实验室主任赵志云眉头紧皱，欲言又止：

“中国1亿多的糖尿病患者，实际得到有效控制的，只有2.7%。” 

在这超过1亿人中，大部分其实都不知道自己得了病，特别是三四线以下的城市和贫困偏远地区，都是严重到得了并发症才会被送到医院。

他提起给家里做帮佣的一位阿姨，曾拜托他给看一份自己农村亲戚的检查报告，“一看报告，我说这病人都已经神经病变到快要截肢了。但他们还啥都不知道！”

中国患糖尿病的人中只有30%是知道自己有病的，也就是说70%是不知道的；这30%的人中，又只有30%的人去看医生或者查询了有关知识，有意识地去做了诊疗；即便是这30%去做了诊疗的人，真正控制住的，也只有30%。最后就只剩下赵医生口中的2.7%得到控制。

很多糖尿病人自己都清楚，这个病可怕的地方并不在于这个病本身，而是由它引起的各种并发症。如果不能长期控制好血糖，都会致使心、脑、肾、眼睛、足部等部位出现病变，甚至造成残疾甚至死亡。

说白了，我们一直觉得控制糖尿病不如治疗肿瘤更“刚需”，但这个病扮演的角色更像是压死骆驼的最后一根稻草。

一位知乎网友曾说过这样一段话：血糖控制好了收益是不明显的，你并不会因为血糖控制好了而变得很强壮。相反，对很多人来说，控制血糖是一件很累的事情。

而不控制，是一件很爽的事情。

在早期可以控制的时候，很多人不知道去控制，或者说即使知道也不愿意去控制。

这便是中国糖尿病病人的现状。

瑞金医院二层的MMC中心，来咨询的人挺多

但另一个问题是，即便是看医生，你也未必能得到最好的控糖和用药方案。

按照中国1.14亿糖尿病人来算，即便按照1个医生管理1000人的需求推算，也需要10万医生。

但国内内分泌医生却远远达不到这个量级。特别是乡镇边缘地区，医疗资源的严重匮乏是一个几十年来都始终存在的问题。

卫生部曾出台规定，乡村医生要考助理医生执照。虽然60分是及格线，而乡村医生只要30分就能及格。但即便是这样，乡村很多医院也招不到有助理行医执照的医生。

举个例子，如果按照国际标准要求，首次患糖尿病的病人如果血糖没有高到一定程度，还是首选推荐使用二甲双胍这类药物。

但赵医生在几年以前抽样调查时发现，很多地区的医生很少选择二甲双胍等“一线药物”（指根据患者病情可以首先选择或者标准选择的药物），而是一开始就让注射胰岛素。

“你会发现，很多乡镇医院和赤脚医生根本接触不到最新的研究成果和用药趋势，只会给患者一个完全过时的用药方案，有时候可能根本起不了什么作用。

对最新医疗信息获取速度上的差异，其实反而会让城市与乡镇的医疗水平差距越拉越大。”

所以，我们就看到了这样一个普遍存在的窘境：

但凡有点条件的病人，都拼命往大医院挤。即便排十几个小时队，在医生面前大概待5分钟不到就被叫“下一个”也在所不惜。出来后，他们通常又会后悔有些问题没问到。

瑞金医院MMC中心外就是候诊区，这个时间已经是中午，很多人已经排了几个小时

如果站在分泌科医生的视角来看，他们遭受的却是一种与病人们截然相反的“折磨”——大部分糖尿病病人问的问题，几乎一模一样。

“其实有时候我们心里也在想，这些问题如果直接有机器在旁边智能回复一下多好，或者说他们在排队时，有人在旁边给他们做做关于糖尿病控制的基本科普多好。” 赵医生觉得坐诊一天后，基本丧失了说话的欲望，更愿意一个人坐在角落里沉默。

因此，时间矛盾，其实才是真正的矛盾。

为了解决这个矛盾，国家才一直在不遗余力倡导“分诊”，也让许多三甲医院愿意去跟技术公司一起研究如何利用大数据和人工智能来“复制”优秀医生的大脑与用药方案。

“哪怕是在保证看病质量的基础上分摊一小部分病人，这个项目其实就发挥了它的价值。”

AI有办法控制糖尿病？

医学与人工智能，注定会走到一起。

举个例子。当你得了感冒时，医生可能会跟你说很多原因，但这些原因其实都是临床研究得出的，从来都不是针对你这个人本身。

而这里的“临床研究结果”，往往是找一批数量适中的病人，在特定环境下通过改变一定变量做临床试验所得出的结论。

那么，假如将一个基于足量病人数据训练出的算法模型作为判断我们病情的衡量标准，是否也成立呢？

这便是人工智能在糖尿病病情判断与预测方面最直观的用处。决定这一能力水平的，当然是数据。

与很多科技公司打过交道或正在打交道的赵医生很清楚，没有人比算法工程师更懂缺乏数据支持时的那种致命“饥饿感”。

这几年很多人工智能相关的技术公司都在想方设法撬动医疗市场。做知识图谱的给电子病历进行结构化“整理”，做图像识别的给医生做CT图像辅助筛查……让这些项目能够成立的首要前提，便是数据。 

晚上10点在第四范式办公室见到了涂威威，他们与宁光院士带头建立的MMC项目一起做的系统，被嵌入到很多硬件里

第四范式的首席科学家涂威威，在两年多时间里，见了赵医生14次，为MMC项目贡献了数万行人工智能代码。

“不要把人工智能看的太过神奇，它就是做了它该做的，也有它做不了的。” 这位已经连续加班30小时的典型码农，在回答我每一个问题时依然十分谨慎而克制。

一开始，他们跟瑞金其实想做的不是AI预测软件，而是想用收集的十几万慢性病代谢数据去模拟一个人的代谢系统。

“但实际上太难了，因为这些数据量根本不够。” 涂威威在项目合作两个月后发现了模拟人体整套代谢的难度，

“代谢系统肯定跟人体的其他系统有关联，你不能分割单独看代谢系统的运转，这是其一。

第二，不同地区的饮食习惯差别非常大。你在上海可能就吃的比较甜点，在北京可能吃的咸一点，再往北往西可能又吃得重口一点。我们说一天三餐，但在广州那边可能一天吃六顿都很正常。这些都要算进去。”

听起来这已经不是亿级数据量的问题了，因为仅整理和标注数据所耗费的资金与时间成本就难以想象。

所以，他们很快调整了方向。换言之，就是怎么用这十几万数据去做一件有价值的事情，而且还要通过这些数据来涵盖各个地区不一样的人。

这就涉及到机器学习的一个方法——迁移学习。

只要保证基于一些关键且相似的数据维度来建立一个通用的慢性病判断模型，然后在这样一个模型的基础上，输入你自己的几个关键身体指标，就能生成一个相对个性化的评估结果。

医生可能会觉得荒谬，但算法工程师却认为，人工智能是可以做到的。

譬如，在糖尿病检测中，有一个指标叫“早餐后2小时血糖”。

这是一个非常有象征意义的指标，对于预测糖尿病高血压或者说心脑血管疾病、脑卒中、心肌梗塞之类的病症，都具有非常强的指示作用。

瑞金收集了这一指标的万级数据量，也就是说，这个指标的数据对应着上万个测过这项指标的糖尿病人。

而身体各项指标都是牵一发而动全身的。如果根据这些测过的人一些其他生理指标，来预测这个指标，那么也能构建出一个整体的预测模型，并将这个模型“迁移”到那些没测过该指标的人身上。

在这套预测系统搭建完成后，瑞金MMC代谢病中心做了一次对比测试。

医生们以3年间持续监测的一部分糖尿病人真实病情发展数据为标准，将3年前的相关数据输入到模型里，看最终能否得到与3年后真实数据相对一致的结果。

最后的结果显示，正确率可以达到80%以上。

“实际上，我们通过改变测量指标的数量做了很多次测试。一个只有6个维度（体重、年龄、血压、数值等维度）的简易版系统，准确度就能达到80%。而包含了像血脂、血糖等更多维度的测量指标后，准确率会更高。

我们一开始没觉得结果有多好，但这个结果却让很多医生很吃惊。”

在涂威威的同意下，我拷贝了一份试用了这套糖尿病预测诊断系统的真实病人报告。

在这份长达14页的报告中，我看到了对血糖、血压等指标的详细分析，还有对脑血管疾病等相关病症的发病风险等级，以及对未来3年、6年以及9年的糖尿病发病风险趋势。

虽然我仍然对分析结果的准确度心存质疑，但我能够确定的是，医生是绝对不会说的像这份报告一样详细的。

“以往的诊断和诊疗模式，一定会随着这波新技术的引进和数据收集方法的完善，被彻底颠覆，只是需要时间和钱。”这几年死掉的医疗技术公司让赵医生唏嘘不已，

“所以，创业公司可能怕AI泡沫破裂，但是医疗行业是不怕的，医疗与AI的结合是一个必然的趋势。我们不做，别人也会去做的。”

落地的“荒腔走板”

理论与实验总归是令人满意的。

但基于上述我们看到的人们的漠视与不在乎，普遍缺乏对糖尿病管理的付费动力，也很少有人会主动去查找并加入糖尿病管理项目。

据赵医生透露，MMC大概管理了20万患者，其中5万多是APP用户，但是用户活跃度并没有数据反馈。而通州梨园社区医院的MMC基层中心1年内加入的患者大约为200人。

这几个数字，对于全国1.14亿糖尿病患者来说，微不足道。

事实上，5年前市场中曾出现过一大批糖尿病管理创业公司。“大家当时都在做APP，但如今活下来的也就智云健康等几家企业。” 合力投资的丁欢星认为，糖尿病患者很难主动去为慢性病管理，特别是为线上管理去付费。

没有足够的重视，或者说市场尚未建立对医疗预测类产品的足够认知，那么也就很难让这样的测试者为此付费，更何况是那些不懂技术为何物，有时间又节俭的老年患者。

让当年的糖尿病管理创业者难以支撑下去的另一个原因在于，那个时候，医保是不能为糖尿病管理买单的，而中国商保市场体系又相对不成熟。

虽然这次由正规中国医疗机构牵头的管理项目终于进入了医保体系，但由于医疗保险一般只能在参保当地使用，因此社区医生不建议异地病人加入管理项目。

这在某种程度上，把一部分异地病人挡在了门外，因为项目在全国铺设的地区肯定是有限的。“如果你没有本地医保，我不建议你加入MMC。将近2000块的费用，如果不走医保，可能比较贵。” 

当然，这又不得不涉及到另一个永远都会存在的问题——医疗行业的地域利益壁垒。

“一线城市之间的三甲医院，同一城市不同级别的医院之间，甚至是医院不同部门之间，都会牵扯到利益壁垒的问题。这也能解释为何医疗行业一直存在数据流通不畅，数据孤岛，其实与医院中存在的行政与利益壁垒有很大的关系。” 

一位不愿透露姓名的行业人士表示，像瑞金医院的管理项目可能就难进北京或者是广州的三甲医院，因为他们可能也在做类似的项目。

也就是说，除了在本地可以做到规模化，其他地区很难做到密集分布。

此外，即便是三甲医院主导的项目，其所采取的市场推广与下沉方法，仍然是医疗器械公司、药物经销商以及糖尿病管理公司趟过的“老路”。

譬如，要让糖尿病人主动进入MMC，很大程度上要靠普通科室的医生们去“提携推荐”。如果要到三四五线城市做推广，大多仍然是以一种三甲医院下乡做‘义诊’，为百姓免费做检查，或者是请教授下乡开讲座的方式。

“传统行业，特别是医疗这种强监管的‘铁壁’行业，新医疗项目与新技术的商业化是很难‘性感’起来的。就像医药代表会永远存在一样。” 一位做生物医疗的创业者认为，在医疗行业谈商业模式或营销创新是相当荒谬的。

如果有一位名医为你的产品做背书，那么这个项目的公信力就会更大一些，吸引的病人就会更多一些。包括MMC在内的很多项目多以加盟的形式来扩大市场规模，“名院名医”就是吸引社区或民营医院加入进来的最大动力。

但即便是依靠上海瑞金这样的大医院名气，其落地效果也已被证实并未达到预期。

科技+医疗一路坑坑洼洼

AI等先进技术落地医疗，一直都饱受争议。

一些技术创业公司曾试图通过“体检中心”来达到商业化目的，其初衷是，晦涩难懂的生物技术或AI技术打包成一种体检套餐，也许会让一部分具备经济能力且有强烈健康意识的人变为这项先进医疗产品的最早期用户。

目前中国体检人员高达40%的渗透率（约5亿人），也是其逻辑成立的前提条件。

然而，就是在这个几乎成了唯一能够走通的商业入口前，激烈的竞争让技术本身的价值开始走样。

两个月前，新华社曾对体检中心新引入的筛查项目进行过一系列曝光：

为了获得更高的利润，一些不正规的体检中心以引入癌症筛查、AI等新技术为噱头，故意夸大效果，抬高体检价格，但实际上很多产品根本没有癌症筛查的功效。

以“提供精准化医疗”为目标的先进技术，逐渐被扭曲为一种故意“贩卖恐惧”的催化剂与帮凶。

这些已经发生的事实，都是在给糖尿病人工智能之路提前挖坑。而肩负变革使命的AI+医疗，一直处于药监局的严密监控之下。

譬如，人工智能辅助决策产品虽然能够进入医院的合作测试环节，但却不一定能够通过药监局的医疗器械审批注册。如果没有通过审批，任何以商业为目的的使用全都是违法行为。

在国家药品监督局医疗器械技术审评中心（CMDE）的官方上，我发现了一些有趣的东西：越来越多与人工智能相关的字眼出现在了各类审批说明文件中。

这一方面证明了人工智能医疗辅助决策产品越来越受到医疗行业的密切关注与认可，监视确实愈加严密。

“病人的数据当然涉及到隐私问题，其实这不单单是我们重视，国家也对这一块把控的相当严格，”即便是在私有云基础上做模型开发，涂威威在给医院做项目时，也被要求从技术维度为数据获取通道设置更多防火墙。

“所谓的数据脱敏就不危险了吗？并不是，现在有一种很常见的攻击方法，叫差分攻击法。意思就是，虽然你的身份信息隐去了，但是我知道你的性别，知道你的其他一些指标，而外部一堆数据中如果也有与之相同的数据，那么我就有可能把你这个人给‘撞’出来。”

因此，他们需要采用跟苹果手机用过的类似技术方案——往这些医疗数据里添加“噪声”。但这种方式也会带来一个问题：整体的数据质量肯定会变差。

大众对技术的认知局限，行业地域与利益壁垒，商业模式因行业特殊性严重受限，被当成一种牟利工具而夸大功能的潜在风险，以及监管层施加的巨大压力……

就像台风登录从南到北效力逐渐减弱的过程一样，我们也不能忽视AI技术在一个从产品，再到商品，再到交易达成的过程中逐渐“荒腔走板”的过程。

结语：等我们这一代变老

在采访中，一个对自己父亲糖尿病控制时好时坏非常头痛的朋友，在听到我说的控糖管理和AI检测项目后，认真拿笔笔记了下来，因为“她父亲一到吃粽子和月饼的季节，就会被送进医院”。

这一反馈让我有一些新的感触：

很多年轻人，在充当着父母的“控糖警示器”的同时，对糖尿病的重视程度要远高于我们的上一辈。

“为什么说很多科技公司都死了，但整个应用生物技术与人工智能技术的大趋势是绝对不会改变的。因为等待市场真正成型，需要这一代有良好教育的人来支撑。”一位科技行业投资人认为，在医疗行业，新技术的爆发期其实还未到来。

她顺便分享了一位学营养学的朋友身边发生的真实故事：

这个女孩住在江西农村的姑妈突然有一天晕到了，被查出糖尿病严重到肾脏、肝脏、心脏多个器官感染衰竭。县医生说他们也没有办法，大致意思是说“差不多得了，你们就给她说点好听的，差不多等死得了”。

当时她姑妈住的是ICU（重症监护病房），做“抗感染”做了几天都没任何起色。她自己去咨询了学医的朋友，得到的建议是应该抗感染同时降血糖。

她家里人觉得都已经ICU过了，那还有什么救的必要呢。但是因为觉得她有文化，就听了她的话开车1个多小时把人从县医院送到了市医院，一边做降血糖，一边做抗感染。

半个月后，她姑妈出院了。

“其实这相当于救了一命，基层真的有你想象不到的困难。” 他对于我的一些见闻，一点都不感到吃惊。因为事实比我看到的要更残酷，但也有更大的改变空间。

“也许等我们变老了，情况就会得到改善。”

End