人工智能驱动下的基层公共卫生服务均等化供给体系研究

一、引言

近年来，信息技术的快速发展推动了医疗领域的深刻变革，尤其是人工智能 （AI） 技术在基层公共卫生服务中的应用潜力日益显现（赵嘉莹等， 2017）。基层医疗机构承担人口健康管理、疫苗接种、慢病随访、健康宣教等基础职能，是实现公共卫生均等化供给的关键环节（李献青和张玲， 2020）。然而，长期以来，基层公共卫生服务存在资源不足、服务能力有限、流程不规范、覆盖不均等问题，制约了公共卫生服务的公平性和可持续性。尤其是城乡之间、东西部之间医疗资源配置失衡（陈默， 2021），基层医疗机构普遍面临专业人才匮乏、技术水平偏低、服务能力不足等困境（程洁等 ， 2023），难以为居民提供均等化的基本公共卫生服务。

国内外关于数字技术和 AI 在公共卫生服务中的应用研究发现逐渐聚焦于基层公共卫生的“四大议题”：（1）能力上，需求预测与远程培训可以填补资源缺口，但多仅停留在城市示范层面上；（2）流程上，智能排班随访可以提升效率却缺乏差异性适配；（3）质量上，个性化干预可以增强精准性却忽视基层操作与可解释性；（4）覆盖上，远程医疗可以扩大覆盖面，但缺乏可持续评估。总体上，仍存在缺少系统框架，以及对数据适配、误诊、基建、人才等落地挑战关注不足等问题，也未探明 AI 如何缩小数字鸿沟、促均等化（Esmaeilzadeh， 2024）。

在这一背景下，本文将人工智能（AI）与社区卫生服务效率均等化两大前沿议题置于健康社会决定因素的理论框架下进行系统耦合，通过深入梳理 AI 技术在基层基本公共卫生服务均等化供给体系重构中的主要挑战、作用机理与对策，为缩小城乡差距、制定国家精准策略提供循证工具，从理论与实践双维度推动“全民全周期健康服务”从愿景走向现实。

二、AI 在基层基本公共卫生服务均等化供给体系落地的主要挑战

人工智能被视为弥合城乡医疗鸿沟的“加速器”，但落地基层必须跨越“最后一百米”。直接下沉高精尖AI，常因数据、安全、基建、人才“水土不服”，反而放大不平等。深度剖析这些关键堵点，可以发现，AI 在基层公共卫生服务均等化供给体系中面临的核心挑战主要包括：（1）数据与模型适应差。基层数据缺乏、标准不统一，模型迁移“降智”导致结果偏差，加剧地区差异，可能进一步加剧医疗服务的不均等；（2）误诊风险与责任模糊。结论错误时基层难复核，责任不清削弱信任，算法偏见更让弱势群体受损，进一步加剧健康不平等；（3）基础设施与算力短板。偏远地区网络不稳、云端卡顿、离线硬件难维护，数字鸿沟拉大服务差距，可能导致医疗服务均等化目标背道而驰；（4）人才与可持续机制缺失。基层缺乏 AI 操作与解读能力，资金和管理保障不足，可能导致AI 技术应用的“马太效应”。

三、AI 技术在基层基本公共卫生服务均等化供给体系重构中的作用机理

当人工智能技术从“实验室”走向“村口诊室”，它带来的不仅是工具的升级，更是一场对基层公共卫生服务体系的系统性重塑。具体而言，AI 技术正从“能力—流程—质量—效率”四维度重构基层公共卫生。（1）能力端，智能辅助诊疗让基层医生获得接近专家级的技术支持，促进基层机构间协作与资源共享，减少城乡差异，实现服务均等化。（2）流程端，AI 智能排班和随访系统减少人工干预，提高运行效率，数据驱动流程优化减少重复劳动和信息孤岛，流程重构在现有能力基础上提升服务运作效率，为均等化供给体系提供支撑。（3）质量端，AI 分析健康数据实现个性化干预，并实时监控风险、降低差错，为政策制定提供科学依据，确保不同地区服务质量同步提升。（4）效率端，AI 通过优化资源调度、远程医疗平台和移动健康工具融合、数据驱动绩效评估与流程改进，打破地理和资源限制，偏远地区也能享受高质量服务，为均等化供给体系落地提供坚实支撑。

四、推动基层基本公共卫生服务均等化供给体系重构的对策与展望

面向基层基本公共卫生服务均等化目标的实现，亟须由“输血式”投入转向“造血式”重构。因此本文以“数据同标—算法公平—基建分层—人才共育—监督闭环”为主线，提出下列对策，并展望其将带来的可持续、可复制、可负担的均等化供给新范式：（1）构建标准化数据体系。依托《“健康中国 2030”规划纲要》中推进基本公共卫生服务均等化的要求，统一数据标准与接口，打通信息孤岛，以社区为最小单元，横向到边、纵向到底，病历、影像、公卫数据融合互通，嵌入经济、社会、物理、政策等字段，为测度效率差异奠定结构化数据基础。（2）优化算法公平性与安全性。针对健康社会决定因素对社区卫生服务效率不均等性研究空白以及算法偏见可能加剧不公平的双重风险开发可解释 AI 并设立责任追溯机制，训练数据强调多样性与代表性，建立面向基层的评估体系，把“效率均等化”作为核心指标，确保 AI 技术真正促进而非阻碍医疗服务均等化。（3）完善基础设施与技术支持。围绕环境因素对社区卫生服务效率不均等性的重要影响，分层部署弥合数字鸿沟，在网络条件较好的地区采用云端 AI，在网络不稳定的地区部署边缘 AI 设备，构建市—区—街道三级技术支持网，统一运维、升级培训，保障系统稳定、降低基层运维门槛。（4）提升人才与可持续机制。针对基层人员能力差异导致服务质量差距的普遍问题，分层分级培训基层医务人员，制定差异化培训方案消除能力差异，政府、保险、患者多方共担成本，把“效率均等化”纳入绩效考核，推动 AI 技术从“能用”到“用好”。（5）建立均等化评估与监督机制。围绕社区卫生服务效率不均等性测度与调控这一难题，构建 AI 效果均等化指标体系，实时监测各地服务质量与效率；设红黄绿灯预警，差异超阈值即触发资源倾斜、专家下沉、模型重训等干预措施，确保数字鸿沟不被技术放大。

参考文献

[1] 赵嘉莹 ， 高鹏 ， 朱勇俊 ， 等 . 人工智能的应用将改进中国基层医疗卫生服务效能 [J]. 中国全科医学 ， 2017， 20（34）： 4219-4223.

[2] 李献青， 张玲. 公共健康视域下全科医生健康管理与指导能力的培养 [J]. 保健医学研究与实践 ， 2020， 17（4）： 77-81.

[3] 陈默 . 中国农村医疗服务困境及人工智能助力对策分析 [J]. 中国卫生事业管理 ， 2021， 38（7）： 536-538.

[4] 程洁 ， 张潇潭 ， 王哲 ， 等 . 我国全科医生队伍建设地区差异研究 [J]. 中国医院 ， 2023， 27（6）： 62-65.

[5] Esmaeilzadeh P. Challenges and strategies for wide-scale artificialintelligence deployment in healthcare practices： a perspective for healthcareorganizations[J]. Artificial Intelligence in Medicine， 2024， 151： 102861.

课题资助：教委科研计划项目“基于健康社会决定因素的社区卫生服务效率不均等性研究”（项目编号：2020SK173）

作者简介：刘茜（1982 年 8 月—），女，回族讲师，博士研究生研究方向：公共卫生、卫生事业管理、卫生经济学。