医生短缺
谈到人口老龄化，
我们通常首先想到：
养老金。
退休年龄。
年轻人减少。
政府财政压力。
但还有一个问题，
可能比养老金更加现实：
谁来照顾越来越多的老人？
世界卫生组织最新的一组数据，
让这个问题突然变得非常具体。
到2030年，
全球可能短缺：
1110万名卫生工作者。
而且问题不仅仅是：
病人越来越多。
还有另外一边：
医生自己也正在退休。
欧洲尤其明显
很多欧洲国家的医生年龄已经偏高。
未来十年，
相当一部分医生会陆续退休。
这就形成一个非常特殊的情况：
医疗需求正在增加。
医疗供给却可能下降。
如果只是其中一个发生，
系统也许还能调整。
两个同时发生，
事情就麻烦了。
老龄化为什么会增加医疗需求？
一个25岁的人，
一年可能：
几乎不去医院。
一个75岁的人，
情况完全不同。
可能需要：
血压管理。
糖尿病管理。
心血管检查。
关节治疗。
眼科。
听力。
药物管理。
康复。
长期护理。
所以医疗需求和人口数量之间，
并不是简单的：
1:1。
一个国家人口可能没有增长，
医疗需求却可以：
大幅增长。
这就是人口结构比人口数量更重要的地方
假设一个国家：
5000万人。
二十年以后：
还是5000万人。
看起来人口完全没有变化。
但如果：
65岁以上人口
从15%
增加到30%，
医疗系统面对的其实已经是：
完全不同的国家。
医院数量可能一样。
医生数量可能一样。
病床数量可能一样。
但需求结构：
已经改变。
更麻烦的是，医疗本身是一个高度依赖人的行业
制造业可以：
自动化。
一条生产线以前需要：
100个人。
引入机器人以后：
20个人。
产量甚至更高。
银行也可以数字化。
以前去柜台：
取钱。
转账。
缴费。
现在手机完成。
但医疗很难做到同样程度。
一个护士照顾：
6个病人，
不能简单通过安装一套软件，
突然照顾：
60个病人。
因为医疗里面存在大量无法压缩的人类时间
医生需要：
听病人描述。
检查。
判断。
解释。
做手术。
护士需要：
观察。
护理。
帮助病人移动。
处理药物。
护理人员甚至需要：
喂饭。
洗澡。
陪伴。
这些事情都有一个共同特点：
需要：
时间。
所以医疗系统真正稀缺的资源，经常不是设备
一台MRI可以买。
一栋医院可以建。
一套AI软件可以安装。
但培养一个：
医生，
可能需要十年以上。
这就是为什么人力短缺特别难解决。
今天发现：
缺10万名医生。
不能明年说：
那就生产10万个。
医生不是机器。
从决定扩招医学生，到真正增加高级医生，中间可能隔着十几年
先上大学。
医学院。
临床训练。
住院医生培训。
专科培训。
积累经验。
最后才能成为：
真正独立承担复杂工作的医生。
所以医疗劳动力政策其实需要：
非常长的时间尺度。
今天看到的问题，
可能是：
十年前没有解决的问题。
今天做出的决定，
也可能要到：
2035年
才能真正看到效果。
这和基础设施很像
发现今天电网容量不够，
不能明天建设一座核电站。
发现今天医生不够，
也不能明天增加几十万医生。
这种系统有一个共同特点：
Long Lead Time。
超长提前期。
所以预测特别重要。
但人口变化其实比很多事情更容易预测
我们不知道：
2035年油价多少。
不知道：
哪家公司最成功。
不知道：
AI发展到什么程度。
但2035年大约有多少：
80岁老人，
其实今天已经大致知道。
因为他们：
现在已经70岁左右。
人口结构变化并不是突然出现。
它是一个非常缓慢、
几乎可以提前几十年看到的趋势。
这也是老龄化最奇怪的地方
它不是黑天鹅。
不是：
突然发生的危机。
恰恰相反，
我们几十年前就知道：
它会发生。
但越是缓慢发生的问题，
人类反而越容易拖延。
因为今年：
还可以。
明年：
也许也可以。
真正的压力慢慢累积。
直到某一天：
预约越来越难。
等待时间越来越长。
护理人员越来越缺。
大家才突然发现：
系统已经非常紧张。
英国其实很容易理解这种感觉
NHS的问题当然非常复杂，
不能简单归因于人口老龄化。
但很多英国人已经熟悉：
GP预约。
等待名单。
急诊压力。
社会护理床位不足
这些问题。
背后都涉及一个非常现实的问题：
需求和容量之间的关系。
医疗不是只有：
有没有医院。
还包括：
有没有人。
而且医生短缺不能只看全国平均数
假设英国平均：
每1000人有X名医生。
这个数字看起来还可以。
但伦敦：
很多。
苏格兰偏远地区：
很少。
某些专科：
足够。
另外一些：
严重不足。
所以医疗劳动力和之前谈过的很多资源一样：
关键不只是：
数量。
还包括：
地点。
专业。
时间。
一个皮肤科医生不能直接替代麻醉师
一个外科医生不能马上变成：
精神科医生。
一个伦敦医生也不一定愿意：
搬到偏远小镇。
所以“全国有多少医生”
其实只是第一层数据。
真正的问题是：
正确的医生在哪里？
很多富裕国家解决这个问题的方法之一是：从国外招聘
英国。
美国。
加拿大。
澳大利亚。
德国
都大量使用海外医疗人员。
从单个国家角度看，
这很合理。
本国缺医生。
国外有医生愿意来。
提供更高工资。
解决短缺。
但如果所有富裕国家都这么做，
会出现另外一个问题。
医生从哪里来？
通常来自：
收入更低的国家。
一个国家花了大量：
教育资源。
大学资源。
医院培训资源
培养一名医生。
最后这名医生：
去了英国。
美国。
澳大利亚。
对于个人来说，
完全可以理解。
更高工资。
更好的职业机会。
更好的生活。
但对于原来的国家来说：
医疗人才减少了。
于是全球医疗劳动力可能出现一种非常奇怪的流动
最富裕、
人口最老的国家：
最需要医生。
它们也最有能力：
支付高工资。
于是从较贫穷国家：
吸引医生。
结果较贫穷国家自己的医疗系统：
更加缺人。
WHO这次特别担心的，
正是这种全球人才竞争。
这和工程人才其实非常像
英国缺：
工程师。
德国缺。
美国缺。
澳大利亚缺。
大家都说：
吸引全球人才。
但如果所有国家同时：
“吸引全球人才”，
就必须问：
全球到底在哪里培养这些人才？
人才不能凭空出现。
所以移民可以解决“分配问题”
却不能完全解决：
“总量问题”。
假设全球有：
100万名医生。
A国从B国挖走：
10万。
A国问题改善。
B国问题恶化。
全球医生数量：
还是100万。
真正解决全球短缺，
最终还是需要：
培养更多人。
提高生产率。
减少不必要需求。
这时候AI就会再次进入讨论
很多人说：
未来AI可以解决医生短缺。
这个方向当然非常值得期待。
AI可以帮助：
读影像。
整理病历。
写临床记录。
筛查。
辅助诊断。
安排流程。
减少行政工作。
这些都可能释放大量医生时间。
但这里需要非常小心地区分：
替代任务
和
替代职业。
一个医生的工作其实由很多任务组成
例如：
阅读检查结果。
查询医学资料。
写报告。
和病人沟通。
体格检查。
临床判断。
执行操作。
承担责任。
AI可能把其中：
30%的任务
大幅自动化。
这已经非常有价值。
但不代表：
医生减少30%。
更可能意味着：
同一个医生能够处理更多患者。
这其实才是医疗AI短期最现实的价值。
真正重要的指标可能不是“AI能不能当医生”
而是：
一个医生一天能不能从：
看20个病人
变成：
看25个，
同时质量不下降。
如果全球有：
几百万医生，
每个人生产率提高：
10%。
产生的系统价值就已经非常巨大。
医疗里面还有大量时间消耗在并不真正需要医生的事情上
填表。
寻找信息。
重复录入。
安排预约。
保险流程。
行政沟通。
病历整理。
如果技术能够把这些事情减少，
医生真正用于：
病人
的时间就会增加。
这可能比做一个：
“AI医生”
更加现实。
但技术也可能产生相反效果
新的系统。
新的表格。
新的合规要求。
新的数据录入。
新的软件。
最后医生花更多时间：
点鼠标。
很多数字化项目都有这个风险。
原本目标是：
提高效率。
结果变成：
增加一个系统。
所以医疗数字化真正的成功标准应该非常简单：
医生有没有因此多出时间照顾病人？
如果没有，
技术可能只是增加了另一层复杂度。
老龄化还会产生另一个经常被忽略的问题
真正短缺的可能不只是：
医生。
而是：
护理人员。
因为老年人的需求很多并不是：
复杂手术。
而是长期：
照护。
康复。
吃药。
洗澡。
移动。
日常生活支持。
一个90岁老人可能并不需要每天见：
心脏外科专家。
但可能每天需要：
护理人员。
这就让问题变得更加困难
护理工作：
劳动密集。
工资通常不算特别高。
身体辛苦。
情绪压力大。
职业吸引力有限。
而需求却会随着人口老龄化：
持续增加。
所以未来很多国家真正严重的劳动力短缺，
可能不是：
程序员。
也不是：
银行家。
而是：
照顾老人的人。
这会产生非常现实的家庭影响
如果社会护理系统容量不足，
谁来承担？
通常就是：
家庭。
一个50多岁的人，
可能同时：
工作。
照顾孩子。
照顾80多岁的父母。
于是老龄化不只是政府预算问题。
它会慢慢进入：
每一个家庭的时间表。
这就是为什么“Dependency Ratio”很重要
一个社会有多少：
工作年龄人口，
需要支持多少：
儿童和老人。
如果工作人口比例下降，
每个工作的人需要承担的：
税收。
护理。
家庭责任
都会增加。
真正稀缺的可能不是：
钱。
而是：
人的时间。
钱可以重新分配
政府可以：
加税。
借钱。
提高医疗预算。
但假设一个地区只有：
1000名护士。
政府把预算增加20%。
明天仍然只有：
1000名护士。
如果劳动力已经达到极限，
增加资金并不能立即增加服务。
这就是供给约束。
所以未来公共服务讨论可能越来越需要区分两个问题
Funding。
有没有钱？
Capacity。
有没有能力？
这两个经常被混在一起。
预算增加：
不等于容量马上增加。
建一栋新医院：
不等于有医生进去工作。
买更多设备：
不等于有人操作。
真正的系统能力是：
建筑。
设备。
人。
流程。
数据。
培训
全部同时存在。
这也是制造业很熟悉的道理
买十台新机器，
产能不一定增加一倍。
因为可能缺：
操作员。
维修工程师。
原材料。
质量人员。
物流。
真正的瓶颈永远是：
系统里面最紧的那一环。
医疗也完全一样。
人口老龄化真正考验的，其实是系统设计
不能只靠：
多花钱。
也不能只靠：
移民。
不能只靠：
AI。
也不能只靠：
提高退休年龄。
可能需要所有这些东西：
同时发生。
培养更多医护人员。
减少行政负担。
合理使用海外人才。
提高生产率。
发展预防医疗。
改善社会护理。
使用AI和自动化。
让老年人尽可能健康地生活更久。
最后一条可能尤其重要
如果平均寿命增加：
5年，
但这5年全部需要大量医疗和护理，
系统压力非常大。
如果增加的5年主要是：
健康生活，
结果完全不同。
所以真正重要的可能不是：
Life Expectancy。
寿命。
而是：
Healthy Life Expectancy。
健康寿命。
未来医疗系统最成功的状态，也许不是建越来越多医院
而是：
让更多人更晚需要医院。
少一点肥胖。
少一点糖尿病。
少一点心血管疾病。
更早发现疾病。
更好的运动和饮食。
这样才能真正降低需求增长。
因为如果只不断增加医疗供给，
人口老龄化可能永远跑在前面。
WHO今天这份报告真正让我觉得值得关注的地方就在这里
1110万名卫生工作者短缺，
听起来只是一个：
劳动力数字。
但它背后其实是一个巨大的社会变化。
过去一百年，
人类解决了一个非常重要的问题：
怎样让人活得更久。
现代医学取得了巨大成功。
现在新的问题来了：
当越来越多人真的活到：
80岁。
90岁。
甚至100岁，
谁来照顾他们？
这可能是下一阶段比“延长寿命”更加困难的问题。
因为医院可以建设。
机器可以购买。
AI可以开发。
预算可以增加。
但一个有经验的医生、
护士或者护理人员，
最终仍然需要：
一个真实的人，
花真实的时间，
站在另一个真实的人身边。
而在一个越来越老的世界里，
人的时间，可能才是医疗系统最昂贵的资源。
感谢大家阅读！
如果未来医疗人员越来越短缺，你觉得应该优先依靠哪种方式解决：培养更多医护人员、增加海外招聘、提高医护人员退休年龄，还是用AI和自动化让现有人员服务更多患者？