2024年全球医疗保健行业展望

Contents Introduction 用人工智能转变医疗保健解决成本和负担能力4 应对迫在眉睫的全球卫生保健工作者短缺12 社会关怀的作用19 25 可持续的未来 30 联系人36 了解更多38 尾注 IntroductionIntroduction 全球医疗保健行业再次面临前所未有的转型和挑战。全球供应商继续面临COVID - 19大流行的挥之不去的影响，这导致了广泛的劳动力短缺和成本上升。人工智能(AI)等技术的广泛采用也推动了该行业的发展，这些技术可以解决其中的一些问题。 将护理扩展到传统医疗服务之外，以涵盖整体社会护理。这种转变归因于人们日益认识到健康和整体福祉的社会决定因素之间的深刻联系。因此，提供者和决策者正在将社会护理纳入公共卫生系统，以满足患者的多方面需求。 与此同时，卫生不平等现象仍然存在，这可能进一步增加该部门在2024年面临的挑战和成本。如果不加以解决，到2040年，卫生不平等的成本可能会增加三倍，达到1万亿美元，即每人每年约3, 000美元。1 随着全球医疗保健成本不断上升，医疗的可负担性仍然是一个关键问题。 政府，付款人和提供者正在采取措施控制成本，同时保持医疗保健的质量和可及性。从基于价值的护理模式到创新的定价结构，这些不断发展的策略旨在帮助确保具有成本效益的医疗保健服务。 人工智能和机器学习技术的整合可以在解决这些不平等方面发挥关键作用，如果提供者努力赢得患者的信任，并确保他们采取措施减轻技术内部的偏见。 与此同时，在不断变化的患者人口统计、技术进步和不断变化的护理交付模式的推动下，医疗保健队伍正在经历一场重大的变革。世界各地的供应商都面临着临床医生的严重短缺，他们正在采取创新的方法来提高薪酬，减少倦怠，并在医疗保健工作场所建立信任。随着提供商努力吸引、培训和留住技术熟练、适应性更强的人才库，远程医疗、远程监控和零工经济的作用都在重塑医疗保健劳动力动态。 到2024年，AI有望在简化管理，诊断，治疗和患者护理方面发挥关键作用。从预测分析到自动化电子健康记录，人工智能可以进一步提高医疗保健服务的准确性和效率。 随着全球对环境问题和资源约束的认识日益提高，可持续性已经出现 2024年，全球医疗保健行业正处于十字路口，即将发生深刻变化。全球医疗保健的未来可能由创新来塑造，可持续性、社会护理一体化、成本管理和劳动力适应。 从绿色医院设计到可持续的供应链管理,本报告强调了可持续性对医疗保健业务的影响,以及其节约成本的潜力。 大流行期间采用的远程技术和远程医疗的使用不仅有助于定义护理的提供，而且还有助于定义护理的性质。提供者是 用人工智能改造医疗保健 按数字： 3600亿美元-在未来五年内，人工智能（AI）为美国医疗保健系统带来的年度潜在节省1 医疗保健产生19 TB美国每年的临床数据2 美国可互操作临床数据市场预计将几乎翻一番，以62亿美元2026从 34亿美元2022年3 315亿美元- 2019年至2022年间投资于医疗保健AI的私募股权资金金额4 1,500-医疗保健AI供应商的数量，其中一半是在过去七年中形成的5 在COVID - 19大流行三年多之后，全球许多医疗保健系统仍在努力应对其挥之不去的影响。降低成本和改善获得护理的需求-同时仍然面临熟练工人和临床医生的短缺-促使一些医疗保健系统采用新兴技术来填补空白。6 一直是人工智能并购的领导者。7这场大流行促使人们更加关注远程医疗和在线门户，以进行急性和健康护理。但是，为了使该行业和患者继续从技术中受益，提供商应维持对技术的投资-就像医院系统和运营商过去对设备和办公室的投资一样。8 到目前为止，这种情况正在缓慢发生。2023年第二季度，全球数字健康资金下降了3％，降至30亿美元，为六年来的最低水平。9风险投资资金通常被认为是该行业技术投资的晴雨表，在2022年下降了约30％，从393亿美元降至275亿美元。然而，投资水平仍超过大流行前的水平，整体资金水平继续加速，不包括2021年的繁荣（图1）。 技术为医疗保健组织提供了个性化患者互动和治疗的机会，减轻了临床医生对常规护理的压力，并使他们能够专注于需要其专业知识和培训的程序。 AI和其他形式的新兴技术有可能简化医疗保健提供者的行政和护理流程。在2019年至2022年之间，投资者向医疗保健AI和行业投入了315亿美元的股权资金 减轻临床医生的这些管理任务可以腾出时间让他们花在病人身上。15在某些情况下，美国的医生将超过三分之二的时间用于行政工作。借助AI管理的电子健康记录（EHR）和篮子管理，提供商可以减少对医生的行政要求，这是导致倦怠的主要原因。16 投资步伐放缓的部分原因可能是许多提供商可能不愿成为新技术的早期采用者，尤其是在临床应用方面。公共资金下降、门诊收入下降、住院时间延长以及大流行后对护理的需求下降，导致一些提供者的利润率下降，技术投资减少。KafmaHall年初至今的营业利润率指数中位数为- 0.2%，反映了900家美国医院的实际利润率。 与此同时，人工智能有可能改善针对患者特定需求而设计的医疗服务。芬兰于2023年开始对其医疗保健系统进行重大改革，目前正在建立一个数字化系统，该系统承诺通过强调预防保健来提供个性化和具有成本效益的服务，到2030年可能使80％的人口保持健康。这可以为需要疾病治疗或其他更广泛护理的20％的患者提供额外的支持。17作为这项努力的一部分,芬兰预计，到本世纪末，80%的公民将使用数字身份识别，每个公民都将能够获得数字医疗记录和电子卫生服务。18 到2022年11月。10随着对远程医疗和其他技术解决方案的需求下降，许多人想知道过去几年的技术进步是否会永久存在。11 然而，经济利益，改善护理服务以及更有效地利用资源的潜力正在激发人们对AI的新热情。例如，在美国，更广泛的采用可以在未来五年内每年节省多达3600亿美元，约占该国医疗保健支出的10％。对于医院来说，节省的资金将主要来自 从改进到临床操作，质量和安全性；对于医生，从护理的连续性；对于付款人，从改进的索赔和提供者关系管理。12 提高护理质量 简化管理任务 除了简化服务外，AI还可以根据患者独特的健康状况帮助预测患者的预后，向患者和提供者推荐治疗方案，并提醒临床医生注意禁忌药物或过敏等问题。19 人工智能最大和最直接的影响可能是它在简化行政流程和减少开支方面的作用。医院首席执行官面临三个核心业务挑战：利润率压力；员工的招聘和保留；以及员工倦怠。例如，人工智能有可能减轻文档负担，处理术前工作流程，并简化保险索赔。一些美国医院正在使用人工智能来审查患者记录和医疗政策，并解决保险索赔否认问题，这可能为提供商节省数百万美元。由于错误和医院资源有限，超过60％的被拒绝索赔是可以恢复的。只有0.2%的网络内索赔被上诉，每年有数百万美元被注销 为无法收回。13 同时，生成AI可以利用各种有助于医疗诊断和治疗的数据集，包括EHR，传感器和可穿戴设备。这项技术可以在早期发现疾病，解释放射学结果以及确定最迫切需要治疗的患者方面发挥至关重要的作用。20 医疗保健提供商正在与科技公司合作开发AI工具，这些工具可以更好地预测临床结果，增强放射成像并优化睡眠监测。NYUTron是一个大型语言模型，可预测多种临床结果，例如30天再入院率、住院死亡率、合并症指数和住院时间。模型 人工智能还可以最大限度地减少错误，改善传入索赔的分类，减少积压和潜在的付款问题。14 扩展对服务的访问 据报道，预测患者住院时间的准确率为79%，比传统方法提高了12%。21 不仅仅是提供者可以从AI在护理服务中的扩展使用中受益，AI可以通过零售环境以较低的成本扩大获得护理的机会。患者可以通过智能手机和手表监测他们的整体健康和运动模式，从而增加对预防的关注。Kroger Health在美国拥有12％的市场份额，经营着220家诊所，沃尔玛，亚马逊，百思买和Dollar General等公司都有零售医疗保健足迹零售商已经有了客户数据，他们知道如何使用来创造一个大批量低成本的环境，并且可以提供比其他提供商更少的许多基本服务。27 同时，Subtle Medical开发了用于生成更好的放射学图像数据和简化放射学工作流程的工具。该公司专有的深度学习算法使 PET和MRI扫描时间加快60%，提高成像效率，改善患者体验。22 Zepp Health开发了与智能可穿戴设备连接的Zepp Aura睡眠和放松平台。该工具提供个性化的睡眠指导，睡眠质量分析以及基于用户心率的AI生成的睡眠音乐作品，以帮助改善睡眠模式。23 但是，美国的零售诊所集中在城市和郊区，由于客户流量较少，零售商一直不愿在农村地区开设诊所。因此，零售商可能会为患者提供技术创新，但这些好处可能仅限于某些地区。28 卫生系统面临的另一个挑战是管理不断增长的数据量。全球医疗保健部门每年产生19 TB的临床数据。24人工智能可以帮助它更有效地利用这些信息。通过使用集中的临床数据，提供商可以更全面地了解患者，同时产生更一致的结果并降低护理成本。可互操作的临床数据市场预计将几乎翻一番，到2026年将从2022年的34亿美元增至62亿美元。25 人工智能可以通过增强现实、智能设备和可穿戴设备进一步模糊人类与技术之间的界限。此外，对安全数据环境(SDE)和其他措施的投资可能会减少患者对数据安全的担忧。未来，人工智能有可能在医疗保健的三个关键领域提供帮助: 在短期内，人工智能可以更有效地解释和回应询问，改善患者从初始咨询到出院后随访的参与度。此外，人工智能的实时翻译功能可以提高可访问性，并有助于社会服务等领域的健康公平。例如，在俄罗斯入侵乌克兰之后，德勤捷克共和国开发了一个基于云的虚拟联络中心，名为IRENA（即时难民需求援助），该中心基于Amazo Coect，使用具有AI功能的对话与患者选择的任何语言的虚拟代理进行对话。26 •智能诊断:人工智能解决方案可以支持临床医生使用来自体外诊断、成像、EHR、患者对话、生物识别、图像、传感器、可穿戴设备和基因组学的输入进行精确诊断。 •个性化和适应性护理计划：人工智能可以解释来自智能设备和可穿戴设备的生物标志物数据，以生成治疗计划，如睡眠分析、饮食建议，甚至人工智能生成的音乐来进行压力管理。此外，如果患者在坚持治疗方案方面面临挑战，则具有AI功能的数字化身可以与患者进行同情互动，以了解他们的障碍并提供潜在的解决方案或替代方案。 由于难民在冲突初期逃离欧洲，IRENA每天处理10, 000个电话，其中多达80％自动管理。 信任的基本要素 •人口健康管理：人工智能可以分析大型数据集，并识别对发现人群健康趋势至关重要的模式。例如，通过审查基因组，社会经济和EHR数据，AI可以识别疾病的风险因素和预测因素，如宫颈癌。启用AI的营销和通信然后可以生成针对筛选服务的定制的视听或文本邀请。响应、访问和结果可以被存储并用于构建更健壮的模型。29 为了赢得患者的信任,该技术应该没有偏见、不准确和数据泄露(图2)。30 监管挑战 目前，人工智能在处理行政任务方面比处理预测性诊断或护理交付更有效。当生成性人工智能遇到知识空白时，它倾向于用可能不准确的可信信息来填补这些空白。这些结果通常被称为人工智能幻觉或虚构。31 总体上，围绕人工智能的监管环境正在迅速变化。世界各国政府正在努力建立有效的监管。欧盟正在领导这项指控。欧盟委员会在2021年建立了人工智能监管框架，最终规则最早可能在2024年实施。34 改善生成人工智能的知识库需要找到高质量的医疗保健数据和正确的基础模型-这两者都可能需要大量投资来驾驭力量。这些投资对于建立公众信任至关重要。32 英国政府于2023年3月发布了规范生成人工智能的指南，包括数据报告、生命周期问责和行业合作，旨在鼓励适应性和自主性。35 健康AI联盟包括学术卫生系统，组织以及AI和数据科学的专家从业者，概述了值得信赖的AI的