當AI進入醫療行業，人類會失去護士這個工作嗎？
圖片來源：視覺中國
讓我們來繼續尋找那些AI不太好替代的人類“鐵飯碗”。
醫療行業中，有一個崗位的AI化與自動化一直以來備受爭議。正方認為分分鐘被AI取代不用解釋，反方卻認為這是人類最穩的崗位之一，醫生被取代了它都不會——那就是護士。
有心人肯定會發現，大約從2015年到現在，各種各樣的智慧護士、機器人護士、AI護士系統層出不窮。近到我們身邊的醫院，遠到世界知名學府的實驗室，各種與護士相關的AI技術不斷出現。於是不斷有媒體和專家發出聲音，認為AI浪潮很可能對護士群體產生職業擠壓效應。
與此同時，中國護士行業的實質狀況，是近幾年雖然註冊護士人數不斷增加，高學歷護士比率不斷擴大，但護士崗位的整體需求缺口卻在不斷加大。2010年，有研究報告提出全國護士缺口總額大體在120萬人，而到了2017年，多種研究報告認為這個缺口已經增加到了300萬以上。
換句話說，當務之急或許不是護士能不能被取代，而是能不能解決沒有那麼多護士的社會問題。
想要探究AI技術與護士崗位之間的關係，我們必須先認真瞭解一下“AI護士”到底能做什麼。知道了AI的能力邊界之後，才可以客觀討論人類與機器在這一行業中的共存狀況。
大體來看，今天的AI護士可以分為兩種：智慧平臺與機器人。
虛擬護士
我們知道，護士的工作是非常複雜的。而用AI技術來替代這些工作，也就自然而然出現了兩種模式：一種是不會動的智慧平臺解決方案，我們這裡姑且稱之為“虛擬護士”；而會動的自然是“機器人護士”。這只是相對籠統的劃分，因為“虛擬護士”也很多被製作成機器人型，方便患者與之交流，而且也常常被安裝上並不複雜的移動裝置。
我們可以舉幾個例子，來看看“虛擬護士”們是怎麼工作的。
今天在一線城市的三甲醫院中，已經可以看到一種“問答機器人”。它基於AI帶來的語音互動技術，實現患者可以通過語音與之進行交流。其多被放置在問詢臺、掛號處等地方，用來回答患者問題，發放排隊號碼、掛號等等。比如去年年底，上海仁濟醫院投放了智慧問詢機器人“小i”。患者可以跟它聊天，諮詢專家號、就診時間、科室分佈等問題。
這種AI技術並不複雜，國內BAT以及科大訊飛等公司都提供開源的技術介面，醫院或供應商可以根據自己的需求進行開發。其價值在於能夠24小時不休息回答患者問題，在實際醫療場景裡其實是非常實用的。
這可以看做基礎款虛擬護士，但確實可以大幅度降低諮詢臺、掛號處等工作所需要的人力。
而進一步作用於臨床的則是病床看護系統。這類系統最早在英國產生，在日本發展非常迅猛，已經廣泛應用。國內的科技公司也已經將類似方案引用到養老、醫療護理等場景。
其工作原理，基本上是利用語音互動+機器視覺攝像頭，在病房陪伴患者。患者可以通過語音直接呼叫服務，比如詢問時間天氣、治療情況，也可以通過系統呼叫人工服務。此外，系統還可以根據智慧攝像頭和感測器的觀察，自動分辨一些狀況，比如患者突然跌倒、患者需要換藥等等，來通知護士站進行處理。
這類解決方案相對複雜，需要在病房建立一整套的感測與互動裝置，但價值在於可以解決很多病人無人陪床以及夜班護士不夠的情況，降低病患的突發情況處置不及時風險。
而在進一步發展中，病房看護AI也在向病房陪伴機器人、養老陪伴機器人方向過渡，從而可以完成被看護者更復雜的指令。
比這再複雜一點的，就是讓AI直接參與到護士系統的運算與決策當中去，讓AI護士直接升級為“AI護士長”。
這並非不可能實現。2016年，有媒體報道麻省理工電腦科學和AI實驗室的一個研發小組日前正在研究一款可為醫護人員提供建議，幫助護士系統在複雜情況下進行決策的機器人。
時至如今，這款名叫Ginger的AI系統已經在以色列等地的醫院中實際投入使用。
Ginger雖然外形是款機器人，但主要承擔的工作還是軟體層面的。它的工作原理，是將醫療機構中的護士資源調配進行資料化，從而在任務調配中找到資源的最優配置。比如某個手術應該調配哪位護士；如何安排工作能夠在醫護工作者的工作與休息間達成平衡；如何分配床位等等。此外，Ginger還在不斷新增更多AI能力，它就像一個護士系統的大腦，為醫療機構提供建議。
聽起來還不錯對不對？而在“虛擬護士”之外，一些造價更昂貴，但也更有效率的護士也在來的路上。那就是我們在無數科幻電影中見過的“機器人護士”。
機器人護士
由於護理本身是一個精細要求程度高、但偏於重複性的工作，所以很久以前就有人開始思考能不能用機器人來執行護理工作。
早在幾年前，英國、日本等國家就開始在醫院中引入機器人護士，當時的解決方案還相對簡單，差不多相當於醫用物流車。機器護士主要承擔在醫療部門與病房間遞送醫療器械、傳遞紙質檔案的任務。
而AI技術的成熟，讓機器人護士的能力得到了極大的延展。比如人類可以直接與這些機器人對話、機器護士可以通過機器視覺來識別外物，自主判斷醫患需求並提供服務；而且識別能力與資料智慧化處理能力，還讓機器人護士在精準度上得到了巨大的提升。很多由護士完成的精密工作也可以交給機器。
從幾個案例中，我們可以大體理解機器人護士的工作性質。當然機器人護士的解決方案非常多，能力也千差萬別，這裡只是示例。
提起機器人護士，無法繞開對機器人瘋狂痴迷的日本。雖然日本機器人的強項在於機械製造，但醫護機器人領域已經越來越多見到AI的身影。
比如機器人護士界的顏值擔當，著名的機器熊。這款日本理化學研究所與RSC合作研發的機器人護士。它的能力是“公主抱”或者攙扶病患，從而幫助病患洗澡或者坐上輪椅等等。在老齡化嚴重的日本，機器人護士正在得到高速發展，而機器熊的特質在於利用AI視覺+感測系統，它可以相對準確地判斷病患替代、速度與空間關係等，從而變成一隻足夠溫柔的熊，不會弄傷老人與兒童，同時也替代人類護士完成了這項最吃力的護理工作。
而在國內，更多機器人護士的工作還是集中在物流上。比如去年年底，協和醫院引進了物流機器人“大白”，主要負責手術間所需要的物資配送。
根據資料的顯示，一臺機器人可以負責20個手術間所需要的醫療器械、藥品與檔案配送，跑一趟只需要不到兩分鐘。從效率上看，一臺機器人相當4個人類配送員。最重要的是，通過資料標記的識別與智慧運算，物流機器人基本可以實現零失誤。這解決了一個十分重要的問題：手術室弄錯東西很可能造成嚴重後果，但人類顯然是無法保證永遠不出差錯的。
另一個機器人護士的主要能力，是配藥與物資管理這類高精度和高重複性工作。從機器的角度看，這類工作的本質是物理識別與資料匹配，顯然可以通過AI識別+高精度機器臂來解決。
這一類工作的更大價值，是讓醫院中很多高危工作可以用機器人來完成。
比如去年上海仁濟醫院，就在日間化療中心引入了配藥機器人。由於化療中心的藥物往往有毒副作用，因此配藥是絕對的高危工作，尤其孕婦絕不敢嘗試。而通過可以自主識別藥物、並能判斷藥物多少的機器人來代替這一工作，放化療類醫療部門的人力問題或許能得到極大緩解。並且相對來說，AI機器人的配藥準確率也會高於人類護士，對於藥品庫存的把握與預測能力也更為精準。
不難看出，近兩年隨著AI的爆發，醫療場景中實用機器人技術的案例也在不斷擴大。但是AI+機器人這樣能夠24小時保持高準確率的“新護士”，真的能夠一舉替代人類護士嗎？
恐怕還有點難。
護士的工作性質，與AI的能力/成本邊際
AI護士或者機器人護士，最大的挑戰想必大夥都知道，那就是人類護士需要處理複雜的醫患關係，需要依靠經驗和觀察來與病患溝通，承擔著醫療機構與患者間的資訊與情感互動。這些顯然是AI護士無法完成的工作。
這也是很多專家判斷人類護士會比人類醫生更晚消失的依據——畢竟醫生絕大多數工作是可量化和邏輯化的，臨床護士卻帶有強烈的感性色彩。
而實際上，護士工作難以被取代的原因還不止如此。從上面那些案例就可以發現，護士的工作相當複雜，無論是醫療系統還是護理機器人，都只能設定相對單一的工作目標。再昂貴與高科技的機器人，也不可能取代一個初級護士的全面工作。
這樣的現實情況，極大限制了AI護士的能力/成本邊際：能力不全面與成本極高昂，迫使醫療機構還是會選擇培養和聘用人類護士。
而從AI與人類的協作關係上看，護士領域人類實際負擔的是一個極其複雜的工作叢集。其中有一些可以被AI+機器人所替代，一些絕對不行，一些可以人機協作方式達成更好效率，還有一些可以替代卻可能造成成本過高，效率降低。
因此上，AI護士在今天主要任務還是擔任幫手，替代部分低智力密度和高強度崗位，而不是取代任何一個護士的綜合工作。
此外，AI護士與醫護機器人的成本問題，對於中小醫療機構來說依然是很大的負擔。比如一個配藥機器人成本要在幾百萬人民幣，大醫院可以依靠患者眾多攤薄使用成本，中小醫療機構顯然還是傾向將資源投入到核心醫療器械的採購當中。
而從AI醫護這個行業發展上看，短時間出現具備綜合能力、成本合理、適合大規模複製推廣的AI護士解決方案，也還是不切實際的。
目前，醫療機器人的技術發展非常不平衡，缺乏統一的模組化系統與行業標準，各國技術優勢與發展方案也不平均。這直接導致供應商往往只能提供某種解決方案，醫療機構也只能這邊採購一點，那邊採購一點，每次增強某個領域的智慧化能力，無法實現大規模醫護工作被AI所替代。
確切來說，AI在今天更像是給白衣天使們提供的新工具，只是有些是機器人形態，有些不是。比如智慧穿戴裝置、與病歷關聯的人臉識別系統，以及主動警報呼叫系統，都在從各方面提高著護士的工作質量與效率。
也就是說，從發展趨勢上來看，今天的AI化首先是對護士行業極為有利的。比如應對護士工作中的職業危險，無論是配藥機器人、患者智慧識別系統，還是醫患糾紛情況下的主動報警能力，都解決了突出的行業問題。
而接下來一步，是利用AI與機器人提供的綜合護理能力，緩解嚴重的護士崗位缺口，讓護士從業者能夠從勞動密集型工作中解脫出來，專注於臨床護理與病患溝通等複雜工作。
而在更遠的將來，從嚴格意義上來說，護士崗位的整體數量被AI壓縮，是一個大概率事件。但這需要非常漫長的過程，需要科技行業、醫療行業、社會系統的配合與協調。
路還遠著呢。