2025面向未来的医疗调研报告：生成式AI在平衡当下需求与未来愿景中的应用

345121617目录14 以完整行动方案为未来状态做准备6 生成式人工智能与劳动力稳定性的追求介绍关键调查结果前瞻：接下来是什么承认风险和缓解用户担忧综上所述尾注和方法论平衡今天的需要和未来的愿景10打造创新上行通道，为生成式AI的全面潜力做好准备8弥补承诺、优先事项和准备状态之间的差距 前言医疗保健、创新和技术自古就密不可分。从听诊器到抗生素再到电子健康记录，每一次发明和发现都扩展了我们对患者提供有效和高效护理的能力（尽管过程中也伴随着一些挑战）。现在，随着我们进入生成式人工智能（GenAI）时代，医疗保健组织正面临着几代人以来未见过的范式转变。重新思考医疗保健交付过程的可能性是无限的——如果领导者能够成功地将新解决方案引入工作流程。特别是，我们考察了GenAI如何支持劳动力发展：在合格护士、医生、药剂师、其他医疗辅助专业人员以及其他关键医疗人员持续短缺的时代，这是一个关键痛点。我们还探讨了为何“工作流思维”对于将GenAI带到其最有效的地方至关重要。在2025年沃尔特斯·克劳伟尔未来健康医疗调查由独立市场研究公司Ipsos进行的一项调查，我们深入考察了各组织在持续护理全过程中的GenAI实施方式。该报告确定了各组织的首要任务和压力，以及他们引入GenAI到现有工作流程中的准备程度，同时为未来的发展留有余地。 这份报告为高管团队、临床先锋、政策制定者以及 Wolters Kluwer Health 提供宝贵的见解和指导，以便我们合作将最有效的 GenAI 工具和策略带到最需要的地方。格雷格·萨米奥斯，威科姆勒克·胡尔健康首席执行官我们希望这项研究能为行业和组织领导者提供可行的见解，在制定他们的 GenAI 策略并为医疗保健行业技术历史中的下一次飞跃做准备时。我们还呼吁了沃斯泰尔·克鲁瓦（Wolters Kluwer）以及其他人士对调查的主题和发现进行评论。在报告全文中作为“专家之声”被添加，我们相信这些观点为这些发现的持续讨论增添了巨大的价值。 引言如果部署得当，通用人工智能不仅仅是止血的创可贴。它可以支持组织与其数据、患者以及整个社区互动方式的真正、全面的重塑。技术当然可以帮助组织寻找更有效的方式来提供高质量的服务。但优化当今有缺陷的系统并不是创新以发展未来理想医疗生态系统的事情。医疗行业正处在一个转折点。疫情开始五年后，医疗系统、医生、护士和其他临床医生仍在努力在一个因新冠疫情的经历而永远被压力、耗竭和广泛创伤所标记的世界中找到新的平衡。在这些基本压力的背景下，由于经济和监管的不确定性，组织也在面临着日益增长的财务可持续性方面的担忧，持续的劳动力短缺加剧了这些问题，威胁要影响患者安全和消费者体验。那么问题就变成了：医疗机构是否理解并承认这种差异？他们是否有意选择关注今天的迫切需求，而不是明天的潜在可能？他们如何利用有限的资源来实现当前的最高优先级目标，以及他们未来打算如何做到这一点？难怪，GenAI的出现会受到如此热烈的欢迎。GenAI承诺为医疗保健面临的重大挑战提供更直观、高效和经济的解决方案，因此，GenAI有望成为帮助组织重新站稳脚跟的关键工具。 我们发现这五大主题：在本报告中，我们将深入探讨医疗保健组织如何推进 GenAI 的实施，以及他们最初的努力与当前和未来目标的一致程度。• 然而，组织的准备可能并不像他们需要的那么充分。在声明的优先事项（减少行政负担、解决人员短缺和管理倦怠）和报告的利用GenAI解决这些问题的能力之间，存在明显的脱节。• 内部利益相关者已经就当前重要事项达成一致（解决人员短缺和优化工作流程），但也渴望通过使用 GenAI 来提升患者体验、增强临床决策支持，并支持新型护理模式和相关策略的实施。• 尽管热情高涨，但担忧和感知到的风险依然存在，特别是在隐私/安全方面，在GenAI模型准备好投入实际应用之前对其过度依赖，以及对于GenAI推理能力的透明度有限。为了深入了解各组织如何看待生成式人工智能革命，威科集团调查了一个由医疗卫生专业人员组成的专家组，包括医生、护士、药剂师、其他医疗卫生专业人员、行政人员以及医学图书馆员。• 因此，组织可能尚未制定完善的 GenAI 采用路线图，这一点体现在采用曲线的现阶段，组织政策的知识和实施分散。这实际上可能会扼杀创新，并使组织更难建立更广泛投资的证据和动力。• 2025年初，医疗保健组织主要关注利用生成式人工智能（GenAI）实现行政效率，以应对其财务和临床可持续性面临的即时压力，特别是在招聘和留住合格且满意的员工方面。 关键调查结果 引用“优化部门内部及跨实践的工作流程”作为首要组织优先事项的受访者数量报告其组织内已发布的关于生成式人工智能使用的政策的人数引用“减少医务人员职业倦怠”作为首要优先事项的受访者数量认为 GenAI 上岗和培训使员工能够更快做出贡献的受访者人数表示其组织准备使用 GenAI 优化部门工作流程的受访者数量引用“招聘/留住护士人员”为首要优先事项的受访者人数认为过度依赖生成式人工智能可能削弱临床决策能力的人数 enhance efficiency医疗保健领域的监管变化政策与实践技术应用实现专业中使用技术研发与临床培训应对变化病人期望网络安全准备先前花费的时间授权流程管理远程医疗/远程医疗服务应对不断变化的组织领导者期望电子设备上花费的时间健康记录管理预计未来几年，消费主义将成为变革的更有力的驱动力，70%的组织认识到需要应对患者不断变化的需求。相似比例（64%）的组织也预期将从组织领导层那里面临更高的成果要求。满足内部和社区不断变化的需求利用技术强化关键组织能力未来三年，哪些因素正在影响您的医疗保健组织？组织正在寻找管理不可协商任务（如维护网络安全准备情况，占68%和支持远程医疗/虚拟护理项目，占65%）更容易、更有效的方法。在未来三年内，将把整合生成式人工智能（GenAI）到这些领域作为主要焦点。 74%的机构认识到在未来三年内使用技术在专业发展和临床培训中的潜力，这可能有助于缓解护士、医生和其他护理专业人员持续短缺的影响。相似比例的机构将使用数字策略来提高效率，而70%的机构将更具体地关注留存，而不仅仅是招聘，以随着时间的推移巩固机构知识和文化。培训并留住临床专业人员以维持充足的员工水平适应医疗政策和实践方面的监管变化未来三年预计将影响医疗保健的五大趋势：超过四分之三（76%）的受访者担心快速变化的法规，包括预期中州和联邦层面的医疗保险和医疗补助计划的变化，可能会对如何设计和执行有效的护理模式产生更广泛的影响。随着组织参与加强人员配备的策略，由基因人工智能驱动的技术可能会成为解决长期工作流程障碍的部分解决方案，例如既往授权的负担（67%）和电子健康记录（EHR）管理（62%）。减少占用了患者护理时间的行政负担 前瞻：接下来是什么 76%75%74%70%68%67%65%64%62% 随着最新数据显示预计到2029年将有160万名护士离职1组织有强烈的动机去执行能够帮助它们在快速变化的市场中维持适当的人员配备水平的举措。首先，调查发现，医疗保健组织专注于使用生成式人工智能工具来应对其对财务和临床可持续性的即时压力，包括加剧劳动力短缺。目前，68%的受访者认为人力成本将在可预见的未来继续保持其最大的财务压力。护士和药剂师表现出最多的担忧，其中74%的两组人员都担心他们的人才预算。医生和管理人员稍微自信一些，尽管对到2036年短缺高达86,000名医生的预测同样严峻，但只有59%的管理人员受访者和66%的医生将人力成本视为一个主要担忧。3生成式人工智能与劳动力稳定性追求毫不奇怪，不断上涨的用人成本是调查受访者最关心的问题，因为各组织将更激烈地争夺更少的可用员工。根据美国医院协会的数据，2021年至2023年间，医院劳动力成本增加了425亿美元以上，总计达到8390亿美元，这占到了医院平均费用近60%。2 专家声音彼得·博尼斯，医学博士 首席医疗官 沃特斯·克鲁wer健康“未来就绪医疗调查报告表明，组织正专注于使用人工智能来提高运营效率和支持压力巨大的专业劳动力。但它也揭示了人工智能采用的挑战，包括治理、工作流程集成，以及对在临床推理等高风险领域使用生成式人工智能的担忧。” 专家声音Priti Choksey Shah 首席产品与技术官，Iodine Software医疗保健有望从生成式人工智能中获得巨大的利益。行政开销和协调任务非常适合当前一代的生成式人工智能，而且对护理的完整性没有重大风险。另一方面，没有任何一位健康专业类别的人员认为GenAI将可衡量地减少对医师或护士的需求，这为持续存在的担忧提供了一个有力的反驳点，即人工智能被设计用来或能够取代他们的人类同行及其临床判断。GenAI还可能通过从组织结构图中完全移除不必要角色来缓解人员预算压力。一位药剂师建议GenAI可以减少对“中层管理”的需求，而一位联合医疗领域的受访者表示，GenAI可能通过自动化他们的一些任务来帮助削减医疗助手和专门调度人员的相关成本。毫不奇怪，这些群体最有可能看到GenAI简化工作流程的机会，其中41%的药剂师和47%的联合健康专业人士表示新技术将减少行政人员需求。调查受访者期待使用生成式人工智能（GenAI）来解决劳动力发展活动中各个方面的担忧。一半的受访者（50%）认为生成式人工智能将增强他们整体的创新能力。护士（54%）、药剂师（67%）以及联合健康专业人士（68%）尤其感兴趣于利用技术创造性地解决员工现有的痛点，例如减少回答电子邮件、组织数据和做决策所需的时间。 探索护理人才短缺问题专家们认为，根本就没有足够的护士来满足国家日益增长的医疗需求。6而且，慢性人员短缺的影响如今在临床环境中被深切感受到。当被问及如何评价其组织中护理短缺的严重程度时，53%的受访者表示合格护理人员的缺乏是一个突出的问题。毫不奇怪，这个数字跳到了67%的护士自身——而缩小到只有44%的管理人员，这表明了在医院楼层内外对问题的看法之间存在重大脱节。高管护士领导（CNOs和CNEs）强调合格申请者不足（60%）和提供有竞争力的薪酬困难（63%）是他们维持充足人员配备水平的主要障碍，而注册护士（RN）和执业护士（LPN）级别的护士倾向于同意（分别为50%和53%）。克服这些问题很复杂，将需要一个加强的学研合作，需要快速上岗和培养护理工作队伍的新方案，以及留任策略来鼓励他们长期从事该行业。 对于医疗保健组织而言，在情况进一步恶化之前追求员工队伍的稳定性至关重要，而生成式人工智能正逐步成为一个实现目标的实用机制。然而，医疗保健组织的一个长期问题是，他们可能没有预算或能力来一次性完成其数字基础设施的全面改造。领导者必须策略性地考虑如何在、何时以及何地部署能够节约工作流程的技术，以避免拼凑又一个无法协同产生企业级效果的基于点的解决方案。护士、药剂师和相关医疗专业人员认识到需要稳定的专业人员流动，他们也是最热衷于使用GenAI来扩大劳动力队伍的群体。超过一半的相关医疗专业人员（56%），以及几乎同样比例的护士（49%）和药剂师（48%），表示GenAI可以被并且应当被用来加强与大学的合作，展示专业发展的机会，以应对护士学校能力有限的问题4并且药学项目入学不足5这些正在威胁这些专业人士的供应。 医疗保健组织已经发现，他们希望实现的目标与它们准备付诸行动的目标之间的差距正在扩大，这可能是它们更倾向于关注快速、立即、小规模的胜利，而不是为全面实现GenAI的企业进行规划的警示信号。例如，80%的受访者表示优化部门内部的工作流程是首要任务，但只有63%的人表示他们的组织实际上已经准备好这样做。受访者还就他们实现更大成本控制（49%已有准备）、应对GenAI应用相关的伦理问题（45%已有准备）以及适应GenAI性能监测的潜在监管（42%已有准备）的能力表达了不确定性。弥补承诺、优先事项和准备状态之间的差距而且，虽然85%的护士认为招聘和留住护理人员至关重要，但只有57%的人相信他们已准备好使用GenAI来培养合适的护理人才。 专家声音马修·克