护士:AI时代的铁饭碗

医疗行业中,有一个岗位的AI化与自动化一直以来备受争议。正方认为分分钟被AI取代不用解释,反方却认为这是人类最稳的岗位之一,医生被取代了它都不会——那就是护士。

有心人肯定会发现,大约从2015年到现在,各种各样的智能护士、机器人护士、AI护士系统层出不穷。近到我们身边的医院,远到世界知名学府的实验室,各种与护士相关的AI技术不断出现。于是不断有媒体和专家发出声音,认为AI浪潮很可能对护士群体产生职业挤压效应。

与此同时,中国护士行业的实质状况,是近几年虽然注册护士人数不断增加,高学历护士比率不断扩大,但护士岗位的整体需求缺口却在不断加大。2010年,有研究报告提出全国护士缺口总额大体在120万人,而到了2017年,多种研究报告认为这个缺口已经增加到了300万以上。

换句话说,当务之急或许不是护士能不能被取代,而是能不能解决没有那么多护士的社会问题。

想要探究AI技术与护士岗位之间的关系,我们必须先认真了解一下“AI护士”到底能做什么。知道了AI的能力边界之后,才可以客观讨论人类与机器在这一行业中的共存状况。

大体来看,今天的AI护士可以分为两种:智能平台与机器人

我们知道,护士的工作是非常复杂的。而用AI技术来替代这些工作,也就自然而然出现了两种模式:一种是不会动的智能平台解决方案,我们这里姑且称之为“虚拟护士”;而会动的自然是“机器人护士”。这只是相对笼统的划分,因为“虚拟护士”也很多被制作成机器人型,方便患者与之交流,而且也常常被安装上并不复杂的移动装置。

我们可以举几个例子,来看看“虚拟护士”们是怎么工作的。

虚拟护士

今天在一线城市的三甲医院中,已经可以看到一种“问答机器人”。它基于AI带来的语音交互技术,实现患者可以通过语音与之进行交流。其多被放置在问询台、挂号处等地方,用来回答患者问题,发放排队号码、挂号等等。比如去年年底,上海仁济医院投放了智能问询机器人“小i”。患者可以跟它聊天,咨询专家号、就诊时间、科室分布等问题。

这种AI技术并不复杂,医院或供应商可以根据自己的需求,在对话流这样的智能对话平台上进行开发。其价值在于能够24小时不休息回答患者问题,在实际医疗场景里其实是非常实用的。

这可以看做基础款虚拟护士,但确实可以大幅度降低咨询台、挂号处等工作所需要的人力。

而进一步作用于临床的则是病床看护系统。这类系统最早在英国产生,在日本发展非常迅猛,已经广泛应用。国内的科技公司也已经将类似方案引用到养老、医疗护理等场景。

其工作原理,基本上是利用语音交互+机器视觉摄像头,在病房陪伴患者。患者可以通过语音直接呼叫服务,比如询问时间天气、治疗情况,也可以通过系统呼叫人工服务。此外,系统还可以根据智能摄像头和传感器的观察,自动分辨一些状况,比如患者突然跌倒、患者需要换药等等,来通知护士站进行处理。

这类解决方案相对复杂,需要在病房建立一整套的传感与交互装置,但价值在于可以解决很多病人无人陪床以及夜班护士不够的情况,降低病患的突发情况处置不及时风险。

而在进一步发展中,病房看护AI也在向病房陪伴机器人、养老陪伴机器人方向过渡,从而可以完成被看护者更复杂的指令。

比这再复杂一点的,就是让AI直接参与到护士系统的运算与决策当中去,让AI护士直接升级为“AI护士长”。

这并非不可能实现。2016年,有媒体报道麻省理工计算机科学和AI实验室的一个研发小组日前正在研究一款可为医护人员提供建议,帮助护士系统在复杂情况下进行决策的机器人。

时至如今,这款名叫Ginger的AI系统已经在以色列等地的医院中实际投入使用。

![(http://upload-images.jianshu.io/upload_images/12080649-44929503980512b8?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 "当AI进入医疗行业,人类会失去护士这个工作吗?")

Ginger虽然外形是款机器人,但主要承担的工作还是软件层面的。它的工作原理,是将医疗机构中的护士资源调配进行数据化,从而在任务调配中找到资源的最优配置。比如某个手术应该调配哪位护士;如何安排工作能够在医护工作者的工作与休息间达成平衡;如何分配床位等等。此外,Ginger还在不断添加更多AI能力,它就像一个护士系统的大脑,为医疗机构提供建议。

听起来还不错对不对?而在“虚拟护士”之外,一些造价更昂贵,但也更有效率的护士也在来的路上。那就是我们在无数科幻电影中见过的“机器人护士”。

机器人护士

由于护理本身是一个精细要求程度高、但偏于重复性的工作,所以很久以前就有人开始思考能不能用机器人来执行护理工作。

早在几年前,英国、日本等国家就开始在医院中引入机器人护士,当时的解决方案还相对简单,差不多相当于医用物流车。机器护士主要承担在医疗部门与病房间递送医疗器械、传递纸质文件的任务。

而AI技术的成熟,让机器人护士的能力得到了极大的延展。比如人类可以直接与这些机器人对话、机器护士可以通过机器视觉来识别外物,自主判断医患需求并提供服务;而且识别能力与数据智能化处理能力,还让机器人护士在精准度上得到了巨大的提升。很多由护士完成的精密工作也可以交给机器。

从几个案例中,我们可以大体理解机器人护士的工作性质。当然机器人护士的解决方案非常多,能力也千差万别,这里只是示例。

提起机器人护士,无法绕开对机器人疯狂痴迷的日本。虽然日本机器人的强项在于机械制造,但医护机器人领域已经越来越多见到AI的身影。

比如机器人护士界的颜值担当,著名的机器熊。这款日本理化学研究所与RSC合作研发的机器人护士。它的能力是“公主抱”或者搀扶病患,从而帮助病患洗澡或者坐上轮椅等等。在老龄化严重的日本,机器人护士正在得到高速发展,而机器熊的特质在于利用AI视觉+传感系统,它可以相对准确地判断病患替代、速度与空间关系等,从而变成一只足够温柔的熊,不会弄伤老人与儿童,同时也替代人类护士完成了这项最吃力的护理工作。

而在国内,更多机器人护士的工作还是集中在物流上。比如去年年底,协和医院引进了物流机器人“大白”,主要负责手术间所需要的物资配送。

根据数据的显示,一台机器人可以负责20个手术间所需要的医疗器械、药品与文件配送,跑一趟只需要不到两分钟。从效率上看,一台机器人相当4个人类配送员。最重要的是,通过数据标记的识别与智能运算,物流机器人基本可以实现零失误。这解决了一个十分重要的问题:手术室弄错东西很可能造成严重后果,但人类显然是无法保证永远不出差错的。

另一个机器人护士的主要能力,是配药与物资管理这类高精度和高重复性工作。从机器的角度看,这类工作的本质是物理识别与数据匹配,显然可以通过AI识别+高精度机器臂来解决。

这一类工作的更大价值,是让医院中很多高危工作可以用机器人来完成

比如去年上海仁济医院,就在日间化疗中心引入了配药机器人。由于化疗中心的药物往往有毒副作用,因此配药是绝对的高危工作,尤其孕妇绝不敢尝试。而通过可以自主识别药物、并能判断药物多少的机器人来代替这一工作,放化疗类医疗部门的人力问题或许能得到极大缓解。并且相对来说,AI机器人的配药准确率也会高于人类护士,对于药品库存的把握与预测能力也更为精准。

不难看出,近两年随着AI的爆发,医疗场景中实用机器人技术的案例也在不断扩大。但是AI+机器人这样能够24小时保持高准确率的“新护士”,真的能够一举替代人类护士吗?

恐怕还有点难。

护士的工作性质,与AI的能力/成本边际

AI护士或者机器人护士,最大的挑战想必大伙都知道,那就是人类护士需要处理复杂的医患关系,需要依靠经验和观察来与病患沟通,承担着医疗机构与患者间的信息与情感交互。这些显然是AI护士无法完成的工作。

这也是很多专家判断人类护士会比人类医生更晚消失的依据——毕竟医生绝大多数工作是可量化和逻辑化的,临床护士却带有强烈的感性色彩

而实际上,护士工作难以被取代的原因还不止如此。从上面那些案例就可以发现,护士的工作相当复杂,无论是医疗系统还是护理机器人,都只能设定相对单一的工作目标。再昂贵与高科技的机器人,也不可能取代一个初级护士的全面工作。

这样的现实情况,极大限制了AI护士的能力/成本边际:能力不全面与成本极高昂,迫使医疗机构还是会选择培养和聘用人类护士。

而从AI与人类的协作关系上看,护士领域人类实际负担的是一个极其复杂的工作集群。其中有一些可以被AI+机器人所替代,一些绝对不行,一些可以人机协作方式达成更好效率,还有一些可以替代却可能造成成本过高,效率降低。

因此上,AI护士在今天主要任务还是担任帮手,替代部分低智力密度和高强度岗位,而不是取代任何一个护士的综合工作。

此外,AI护士与医护机器人的成本问题,对于中小医疗机构来说依然是很大的负担。比如一个配药机器人成本要在几百万人民币,大医院可以依靠患者众多摊薄使用成本,中小医疗机构显然还是倾向将资源投入到核心医疗器械的采购当中。

而从AI医护这个行业发展上看,短时间出现具备综合能力、成本合理、适合大规模复制推广的AI护士解决方案,也还是不切实际的。

目前,医疗机器人的技术发展非常不平衡,缺乏统一的模块化系统与行业标准,各国技术优势与发展方案也不平均。这直接导致供应商往往只能提供某种解决方案,医疗机构也只能这边采购一点,那边采购一点,每次增强某个领域的智能化能力,无法实现大规模医护工作被AI所替代。

确切来说,AI在今天更像是给白衣天使们提供的新工具,只是有些是机器人形态,有些不是。比如智能穿戴设备、与病历关联的人脸识别系统,以及主动警报呼叫系统,都在从各方面提高着护士的工作质量与效率。

也就是说,从发展趋势上来看,今天的AI化首先是对护士行业极为有利的。比如应对护士工作中的职业危险,无论是配药机器人、患者智能识别系统,还是医患纠纷情况下的主动报警能力,都解决了突出的行业问题。

而接下来一步,是利用AI与机器人提供的综合护理能力,缓解严重的护士岗位缺口,让护士从业者能够从劳动密集型工作中解脱出来,专注于临床护理与病患沟通等复杂工作。

而在更远的将来,从严格意义上来说,护士岗位的整体数量被AI压缩,是一个大概率事件。但这需要非常漫长的过程,需要科技行业、医疗行业、社会系统的配合与协调。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,492评论 6 513
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,048评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,927评论 0 358
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,293评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,309评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,024评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,638评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,546评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,073评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,188评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,321评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,998评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,678评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,186评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,303评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,663评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,330评论 2 358

推荐阅读更多精彩内容