智能医疗：通过AI驱动转型创造价值的蓝图

通过人工智能驱动的转型创造价值的方案 KPMG。创造差异。 KPMG国际 内容 3115323936结论关键建议方法论作者和贡献者成为一个智能医疗组织的三相之旅 03前言05简介07研究結果13构建智能医疗组织 前言 在取得有意义的进展的地方，这都是有意策略的结果。成功的采用者已经确保用例与核心价值流（如护理交付、诊断和患者流程）紧密相连。他们已将人工智能嵌入到日常工作中流，而不是将其视为一个单独的创新流，通过尽早和经常让临床医生参与人工智能工具的设计、测试和改进来建立信任。 这份报告是深入研究了人工智能（AI）在医疗保健领域所创造价值的结果。其目的是为处于人工智能发展各个阶段的领导者提供可操作的见解，包括那些部署首个试点项目以及寻求扩展企业级人工智能计划的健康管理机构。 缺乏一个以清晰价值主张为重点的战略，以及一个结构化的方法和治理，医疗保健组织在应对挑战和最大化人工智能的影响方面可能会遇到困难。我们通过这篇出版物提供可操作的见解，旨在帮助医疗保健组织制定这种战略、方法和治理，以创造更好的成果。 人工智能为医疗保健领域带来了巨大的希望，为其最紧迫的挑战提供强大的解决方案，从不断增长的病人需求和工作人员持续的短缺到日益增长的临床和行政积压。 随着医疗保健机构进行转型，技术和人工智能应作为催化剂。组织应： 制定明确的AI战略，旨在1.改善患者结局、劳动力体验、人口健康、健康公平并降低成本。 人工智能有潜力从根本上重塑医疗保健——不是通过取代人的关怀，而是通过增强它。通过在不同的临床和社区环境以及不同的运营流程中整合人工智能，我们可以改善结果，减轻医疗工作者的负担，并创造更具韧性、以患者为中心的医疗系统。 研究发现，尽管医疗保健组织开始在人工智能的应用中展现出先进的能力，但许多组织仍在运营化用例和超越试点及概念验证方面面临挑战。一系列障碍继续阻碍进展。碎片化的实施、论证人工智能投资回报的困难，以及需要深层文化转型——特别是在员工信任、培训和参与方面——仍然是常见的障碍。数据孤岛、系统间互操作性缺乏以及清晰、全面的AI监管框架缺失等长期问题进一步使采用变得更加复杂。 创建可持续的技术和数据基础设施C 2. 通过现代化遗留系统并投资于安全、可互操作的平台。 构建信任通过透明的AI实践，道德B 3. 治理，解决关于偏见的问题并投资于强大的网络安全。 培养一种整合人工智能以提升潜能的文化4. 医疗卫生工作者和他们服务的社区。 安娜·范·普克博士—全球医疗保健主管 KPMG国际 一看即知 一看即知 一看即知 益处已经显现72% 但仍然存在重大挑战 简介 医疗组织正越来越多地在各种用例中试验人工智能——从临床决策支持和影像诊断到行政自动化和虚拟助手。然而，许多人发现难以将这些试验转化为有意义和可持续的价值。 探索智能医疗组织的特征• 及其发展战略。 为智能医疗机构提供蓝图• 那些概述了人工智能驱动、以客户为中心的医疗服务的关键、高级功能。 医疗保健是一个不同的领域，因为你处理的是人们的生活。这是一个比较困难的领域，与其他组织相比，人工智能的采用会慢一些。 医疗保健行业面临着独特的采用挑战 智能医疗出版物为医疗保健领导者提供了一个负责任地利用可信赖的人工智能的路线图，帮助确保其在支持可持续、以患者为中心的医疗保健系统的同时，提供可衡量的价值。本报告为高管层和决策者提供了应对人工智能采用复杂性的可行见解。在本报告中，我们： 医疗领域对人工智能的采用呈现出独特复杂的局面。临床安全、伦理使用、患者数据保护和监管合规等方面的担忧造成了显著的阻力。许多组织在现代化遗留基础设施、克服数据孤岛以及建立负责任地扩展人工智能所需的治理框架方面面临困难。医疗系统高度碎片化的特性——通常以去中心化决策、劳动力短缺和数字成熟度不均为主要特征——进一步加剧了推进的复杂性。 首席技术官—澳大利亚 分享当前AI战略的见解• 基于 KPMG 的研究和全球技术领导者访谈，对医疗保健的投资和实施。 新一代AI代理可能重塑护理服务提供 智能AI代理的出现有可能革新医疗保健。这些代理可以作为数字副驾驶，帮助临床医生解释诊断结果、个性化治疗计划、实时管理患者路径。它们还可以作为虚拟护理导航器，支持患者进行主动健康管理、预约安排和用药依从性。在行政职能方面，AI代理有望简化理赔处理、医疗编码、预先授权和患者分诊等任务——释放显著的生产力提升并改善员工体验。 医疗保健中人工智能价值创造的三个阶段 赋能劳动力并建设人工智能基础建立负责任的人工智能采用所需的数据、治理、技术架构和技能。 跨企业嵌入人工智能 在临床决策支持、运营效率和患者参与方面扩展人工智能解决方案，以提供更大的价值。 实现人工智能在医疗保健中的价值的框架 为了超越实验并大规模地实现影响，医疗保健组织需要一个清晰、结构化的AI应用方法。在本报告中，我们引入了AI价值的三个阶段——一个旨在帮助临床提供者通过将AI投资与患者和运营结果相结合、优先考虑可扩展的应用案例以及为下一代AI技术做好准备来最大限度地提高价值的框架。通过这个视角，我们探讨了领先的医疗保健系统如何从试点转向企业范围内的转型——以及其他人如何可以跟随。 演进的运营模式和生态系统 转向人工智能赋能、自适应的医疗服务模式，促进初级保健、服务提供商网络、医疗保健系统以及包括公共卫生、社会、心理健康服务和社区组织的更广泛的护理生态系统之间的合作。 研究結果 医疗组织正准备与人工智能进一步整合或探索新机遇，但在患者安全至关重要的环境中，他们正谨慎推进，采取循证方法，以确保价值驱动的人工智能实施，保护与民众和员工群体的信任。 说人工智能代表他们组织全球技术预算的10%以上 当前状态 进化论与革命论 人工智能投资及其影响 由于某些医疗保健功能的本质以人为本，因此到目前为止，人工智能的影响更多的是渐进式而非革命性。它不是推动根本性变革，而是主要集中于简化流程和特定的应用场景。前五项应用是： 医疗保健组织开始将他们的大部分IT预算分配给与人工智能相关的技术。我们的研究显示，近三分之一（32%）的医疗保健领导者表示，人工智能占他们组织全球技术预算的10%以上。但在考虑进行进一步的重大投资时，存在谨慎。超过四分之三（76%）的受访者同意，在做出重大投资之前，最好先等待观察人工智能技术格局如何演变。 生成式人工智能（71%）1. 语音识别（70%）2. 3. 智能体AI（68%）Mac 4.深度学习（66%）机器人技术（65%）5. 日益增长的认识，即需要组织变革管理 此外，医疗IT系统也加剧了这些壁垒，具有部门特定的电子健康记录（EHR）系统、影像数据库和工作流工具通常缺乏互操作性。人工智能有潜力弥合这些差距，通过实现更连接、更智能的系统来支持集成护理路径，从而提高协调性、效率和患者结果。 五十八%的医疗保健领导者报告人工智能已经完全融入或成为其运营的核心组成部分；其余受访者正在探索或处于人工智能采用的早期阶段。许多机构认识到人工智能将需要其运营模式的转变，需要对工作流程和患者护理途径进行战略性的重新思考，以完全整合人工智能。 在过去的15年里，许多经济部门已被数字技术彻底重塑。然而，英国国家医疗服务体系（NHS）仍处于数字化转型的起步阶段。上一个十年是让NHS为未来做准备并拥抱那些能够使模式从“诊断和治疗”转向“预测和预防”的技术的一个错失的机会——而转向正是我15多年前呼吁的……1 数据质量和管理工作至关重要 数据隐私和安全已成为组织在将人工智能嵌入其工作流程时需要优先考虑的关键事项。组织已经认识到，需要强大的治理框架来帮助确保患者数据保护、遵守不断发展的法规以及建立对人工智能驱动流程的信任。 成功需要更高水平的协作 只有44%的人注意到他们的运营模式始终能够促进跨职能协作。我们的受访者观察到，临床医疗保健传统上高度部门化，这主要是因为专科临床医生所需的深度专业知识所致。每个医学专科——无论是心脏病学、肿瘤学、放射学或神经病学——都已发展出自己高度专业化的知识、诊断规范和治疗方法。 尽管长期投资回报率不确定，但探索仍在继续 尊敬的达恩海姆勋爵教授阁下 百分之六十九的受访者表示，他们正受到股东的压力，要求他们展示人工智能投资的投资回报率（ROI）。受访者认识到投资回报率并不总是立竿见影的；虽然它提高了效率，但它的直接财务影响仍在评估中。尽管如此，仍有百分之八十五的人在追求投资回报率尚未确定的项目。 OM KBE FRS FMedSci HonFREng 英国国民医疗服务体系独立调查，2024年9月 这种专科化导致了护理路径的碎片化，不同的专家管理患者病情的特定方面，但没有无缝协调。 下一代人工智能正被应用于医疗保健领域 医疗保健行业已经高度使用AI代理（68%），并正在准备AI的下一代新演进：自主代理（agentic）。事实上，84%的受访者对AI为其组织中的特定流程做出端到端的自主决策感到舒适。 自主人工智能在医疗保健运营中具有相当大的潜力，从直接的患者护理到支持和后台流程。它超越了简单的任务自动化，通过主动识别临床和运营问题、提出解决方案并与人类团队协作来行动。 通过与电子健康记录（EHR）和医院管理系统无缝集成，代理式人工智能可以增强床旁护理交付，简化面向患者的支持服务，并帮助优化后台行政工作流程。与依赖预定义输入和输出的传统人工智能模型不同，代理式人工智能可以解释多模态患者数据，与医疗团队动态协作，并根据实时临床洞察发起行动。 例如，AI代理可以持续分析生命体征、影像和实验室结果，以检测高风险患者的早期恶化，主动提醒临床医生，甚至建议干预措施。同时减轻医疗专业人员的认知负担，代理式AI让他们能专注于复杂决策和直接的患者护理，最终改善结果和运营效率。 然而，要成功实现自主式AI，需要升级数据基础设施以支持实时、多模态输入；嵌入强大的治理机制以帮助确保安全、透明度和问责制；并与临床医生共同设计解决方案，以确保AI代理增强而非中断临床工作流程。 来源：智能医疗：通过人工智能驱动转型创造价值蓝图，KPMG国际，2025 进展的障碍 数据质量与合并 监管与伦理 62%的人认为数据质量已被证明是一个主要限制因素。人工智能的有效性取决于高质量、结构良好的数据，但医疗保健数据通常是碎片化的、不一致的，并且在不同的部门中隔离存储。此外，对数据安全和患者隐私的担忧对人工智能集成构成重大风险。解决数据标准化、治理和集成挑战对于人工智能提供可靠和可操作的见解至关重要。 四十二%的医疗保健组织在满足严格的监管要求以帮助确保患者安全、数据隐私和符合伦理的AI使用方面遇到了挑战。数据隐私法律和新兴的AI法规规定了严格的合规措施，使得实施变得复杂。围绕偏见、透明度和患者同意的伦理问题进一步使AI部署变得复杂。组织不得不在确保AI解决方案与伦理和监管标准保持一致的同时，应对这些不断发展的法律框架。 不同部门拥有各自独立的系统和数据库，这些系统之间几乎没有任何交流。因此，即使一个部门的数据对另一个部门非常有价值，由于缺乏有效的共享机制，这些数据被锁在孤岛中，无法自由流动。 系统互操作性 首席技术官—中国 许多医疗保健组织在将AI集成到为AI驱动应用而设计不足的遗留IT系统中面临困难。互操作性问题、网络安全风险和计算限制为有效的AI部署制造了障碍。确保AI解决方案在EHR系统中无缝运行并在更广泛的医院ERP基础设施中运行，需要大量投资于技术升级和网络安全措施。 62% 识别到数据质量已被证明是一个主要的制约因素 可扩展性 人工智能实施的高成本——包括基础设施、软件和培训的开发与采用——是许多医疗保健组织面临的主要障碍。除了财务限制之外，受访者报告说他们难以确定与运营目标一致并能带来可衡量价值的正确人工智能用例。 此外，仅33%拥有超过三个专业AI合作伙伴；寻找合适的技术合作伙伴被认为是一项挑战，因为他们必须仔细评估供应商和解决方案，