本文首发于公众号。

Photo from

问诊是大部分医疗行为的第一步。在这个过程中，医生收集患者疾病相关的信息以做出诊治决策，患者咨询医生自身健康相关的问题。通过问诊的沟通，医患之间也建立起了信任基础。

然而，由于国内医疗资源寡而不均：患者常常需要抽出半天以上的时间去医院排队、挂号、候诊，最终可能换来与医生不到十分钟的对话，咨询的问题大多也被搪塞处理。

由于就医门槛高、效果不满意，在症状较轻的情况下，患者往往会通过互联网自行寻找解决方案，如用百度搜索相关信息，但这显然无法代替与医生的直接交流。

于是，在“互联网+”的浪潮下，瞄准患者轻量级问诊咨询的需求，不少主打线上问诊的创业公司应运而生。

线下问诊 >> 线上问诊

线上问诊，顾名思义，就是把原来发生在线下的问诊过程搬到线上。患者可以在线上问诊平台与相关科室的医生进行沟通，以获得初步的诊治建议或咨询简单的医学问题。

下图截取了一段线上问诊对话的开头。不难看出，该问题可以通过简单的问诊、科普和人文关怀解决。而这样的问诊需求背后有一个巨大的市场：百度每天处理数千万次医疗相关的搜索，一些线上问诊平台每天也能产生几十万例问诊请求，由此可见一斑。

线上问诊一例（截取自春雨医生经典问答，侵删）

以好大夫在线、春雨医生和平安好医生为代表智慧问诊系统，线上问诊经历了近十年发展后，主要的商业模式也趋同到了增值服务、导医导诊以及电商引流。当然，问诊数据本身积累到一定规模后也可以为B端客户提供咨询。

患者轻问诊需求得到了满足，医生也可以获得收入——线上问诊虽然部分解决了医疗资源分布相对不均的问题，但供给仍然是通过牺牲医生的休息时间产生，并没有提高医疗过程本身的效率，也就没有真正解决医疗资源绝对不足的问题。这某种程度上甚至违背了互联网优化环节、提高效率的初衷。

要提高医疗过程的效率，最直接的办法是自动帮医生完成机械性的任务。问诊是有章可循的：先问清楚主诉相关的现病史信息，再问既往史、个人史、药物史、婚姻生育史、家族史等。其中相当部分是机械性的问答，如主诉的急慢性、伴随症状，是否对青霉素过敏，是否结婚生育等。

那么，可以自动地完成这部分问诊吗？

人工问诊 >> 自动问诊

技术上对自动问诊的尝试可以追溯到1960年代的ELIZA，由MIT人工智能实验室发明。基于模式匹配和简单的规则系统，ELIZA可以模仿心理咨询师与患者进行对话。虽然大部分交流不尽如人意，但ELIZA还是早早地为自动问诊埋下了种子。此外，ELIZA也是首批尝试挑战图灵测试的算法之一。

后人复现的ELIZA（取自）

目前智慧问诊系统，主流自动问诊平台几乎都采取大量规则结合知识图谱推理的算法。医疗知识图谱储存了医疗领域各个概念（构成点），如疾病、症状、药物等，以及它们之间的关系（构成边），如症状a可能提示疾病A或B，由药物1可以对症治疗等。现代医疗知识图谱可以由百万以上级别的点和边构成。

II型糖尿病相关信息的知识图谱（截取自CMeKG）

知识图谱的构建和推理算法都是人工智能研究的前沿课题，篇幅所限这里就不展开。关键是：自动问诊如何利用知识图谱呢？

举个例子：假定应用场景是询问症状后对应到少数可能的疾病，并且已有疾病-症状对应关系的知识图谱。如果患者的主诉是腹痛，在图谱中会对应数百种疾病，但这些疾病可能一半对应急性腹痛，另一半对应慢性腹痛。下一个问题就可以问腹痛的起病时间，以判断急缓，排除一半的可能性，以此类推，直到剩下少数疾病为止。

自动问诊是重要的医疗需求流量入口，其意义完全不亚于医疗搜索。巨头们也开始了围绕自动问诊的布局：腾讯在2018年开始与英国自动问诊行业龙头 合作；百度的医疗大脑曾经就是一个自动问诊界面，其在2019年也收购了国内自动问诊公司康夫子；此外，这个赛道上还有不少像慧医明智这样的创业公司。

不过，自动问诊目前市场接受度有限，主要原因可能有：1）时间成本：部分问题响应时间过长，整个问诊流程可以持续十分钟以上而没有任何反馈激励；2）患者接受度：医疗是一个很传统的行业，患者接受自动诊断/导诊的速度不容乐观。

即使如此，随着时间的推移和技术的进步，这些问题都能慢慢解决。个人认为自动问诊绝对是一个长期看好的医疗AI应用。

结语：回归初心

无论是线上问诊还是自动问诊，都应该致力于让医患沟通更高效。为了短期的流量利益走得太远，会渐渐失去医患群体的信任而得不偿失。相信大家也都读过反面教材了。