2025未来就绪医疗调查报告：生成式AI在平衡当下需求与未来愿景中的应用

345121617目录14 准备未来状态，制定完整的行动计划6 生成式人工智能与劳动力稳定性追求引言关键调查结果前瞻：接下来是什么承认风险并减轻用户担忧综上所述尾注和方法论平衡今天的需要和明天的愿景10创建一个创新上坡，为GenAI的全面潜力做准备8解决承诺、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为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几代人以来前所未有的范式转变。重新思考医疗保健交付过程的可能性是无穷的——如果领导者能够成功地将新解决方案带入工作流程。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、其他医疗健康专业人员持续短缺的时代，这是关键的痛点。我们还探讨了为何拥有“工作流程思维”对于将GenAI带到最有效的领域至关重要。在2025年沃特斯·克鲁伯未来医疗保健调查, 由独立市场研究公司ipsos进行的一项调查，我们深入探讨了各组织在护理全周期中如何推进GenAI的实施。该报告确定了各组织的主要优先事项和压力，以及它们在引入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、政策制定者和 Wolters Kluwer Health提供了宝贵的见解和指导，以便我们在合作中将最有效的 GenAI 工具和策略带到最需要的地方。格雷格·萨米奥斯 首席执行官，威科集团健康我们希望这项研究能为行业和组织领导者提供可操作的见解，以便他们在制定其 GenAI 策略并为医疗保健行业技术史上的这一重大飞跃做准备。我们还呼吁 Wolters Kluwer 以外的个人就调查中的主题和发现进行评论。在整个报告中以“专家之声”的形式添加，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可以是一个止血的创可贴。它能够支持组织与其数据、患者以及整个社区真正富有远见的、整体的革新方式。技术当然可以支持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。医疗保健行业正处于拐点。在疫情开始五年后，卫生系统、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、倦怠和普遍创伤所困扰的世界中寻找新的平衡。在这些根本压力的背景下，组织还因经济和监管的不确定性而面临日益增长的财务可持续性担忧，持续的劳动力短缺加剧了这种情况，这威胁要影响患者安全和对消费者的体验。那么问题就变成了：医疗机构是否理解和承认这种差异？它们是故意选择关注当今的即时需求，还是关注未来的潜力？它们如何利用其有限的资源来实现当前的最高优先级目标，以及它们打算如何在未来做到这一点？难怪GenAI的出现会受到如此热烈的欢迎。凭借为医疗保健领域的一些最大挑战提供更直观、高效和经济的解决方案的承诺，GenAI有望成为帮助组织重新站稳脚跟的关键工具。 我们发现这五个主要主题：在本报告中，我们将深入探讨医疗保健机构如何实施GenAI以及其初步工作与当前和未来目标的契合程度。• 然而，组织的准备可能并不像他们所需要的那么充分。在明确优先事项（减少行政负担、解决人员短缺和管理倦怠）与报告的利用生成式人工智能解决这些问题的准备情况之间存在明显脱节。• 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，以及支持新型护理模式和相关策略的实施，从而迈向创新的下一阶段。• 尽管（人们）充满热情，但（人们）的担忧和感知到的风险仍然存在，特别是在隐私/安全方面，（人们）在GenAI模型准备好投入实际应用之前过度依赖它们，以及对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，威科集团对一组健康专业人士进行了调查，包括医生、护士、药剂师、其他医疗保健专业人员、行政人员和医学图书馆员。• 因此，组织可能尚未完全制定出通用人工智能（GenAI）采用的路线图，这一点体现在采用曲线的现阶段，组织政策和知识体系的零散实施。这实际上可能会扼杀创新，并使组织更难建立更广泛投资所需的证据和动力。• 2025年初，医疗机构主要关注利用生成式人工智能实现管理效率，以应对其财务和临床可持续性所面临的即时压力，特别是在招聘和留住合格且满意的工作人员方面。 关键调查结果 引用“优化部门内部及跨实践的流程”作为首要组织优先事项的受访者数量报告其所在组织内发布的相关于生成式AI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人数认为 GenAI 上岗培训和培训能够让员工更快做出贡献的受访者数量表示其组织准备使用 GenAI 优化部门内部工作流程的受访者数量引用“招聘/留住护理人员”作为首要优先事项的受访者数量相信过度依赖通用人工智能会削弱临床决策能力的人数 未来三年，74%的组织认识到利用技术进行专业发展和临床培训的潜力，这可能有助于缓解护士、医生和其他护理人员持续存在的不足。相似比例的组织将使用数字战略来提高效率，而70%的组织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。培训和留住临床专业人员以保持充足的人员配备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对医疗保健产生影响的五大趋势：超过四分之三（76%）的受访者担心迅速变化的法规，包括州和联邦层面的预计对医疗保险和医疗补助计划的更改，可能会对它们设计和执行有效护理模式产生更广泛的影响。随着组织参与到强化其人力资源的策略中，由通用人工智能（GenAI）驱动的技术可能会成为解决长期工作流程障碍的部分方案，例如既往授权的负担（67%）和电子健康记录（EHR）管理（62%）。减少占用患者时间的管理负担 enhance efficiency医疗保健领域的监管变化政策和实践技术实现的在专业中使用技术研发与临床培训应对变化患者期望网络安全准备之前花费的时间授权流程管理远程医疗/远程医疗服务Meeting changing organizational领导期望电子上花费的时间健康记录管理预计在未来几年，消费主义将变得更加强劲地成为变革的驱动力，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%）的组织也预计来自组织领导层的期望将会提高，要求产出可衡量的成果。满足内外部以及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，什么将影响您的医疗保健机构？组织正在寻求管理不可协商任务（如维护网络安全准备情况（68%）和支持远程医疗/虚拟护理计划（65%）的更简单有效的方法。在未来三年内，将整合生成式人工智能（GenAI）到这些领域的方法将成为主要焦点。 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组织有强烈的动机执行能够帮助它们在快速变化的市場中维持适当人员水平的计划。首先，调查揭示，医疗保健组织专注于使用生成式人工智能工具来应对其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，在未来可预见的时期内，人力成本将仍然是他们最大的财务压力。护士和药剂师表达了最多的担忧，这两个群体中有74%的人都担心他们的人才预算。医生和管理员则相对更自信，尽管预计到2036年医患短缺将高达86,000人，但只有59%的管理员受访者和66%的医生将人力成本视为一个主要问题。3生成式人工智能与劳动力稳定追求令人惊讶的是，不断上涨的员工成本是调查受访者最关心的问题，因为组织将更加激烈地争夺更少的可用工人。根据美国医院协会的数据，2021年至2023年，医院劳动力成本增加了425亿美元，总额达到8390亿美元，占医院平均开支的近60%。2 专家声音彼得·博尼斯，医学博士 首席医疗官 沃特斯·克鲁韦尔健康“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下的专业劳动力。然而，它也揭示了人工智能采用的阻力，包括治理、工作流集成，以及对于在高风险领域（如临床推理）中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收益。行政开销和协调任务都很容易适应当前的生成式人工智能，而对护理的完整性没有重大风险。另一方面，没有任何一类健康专业工作者认为生成式人工智能会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有力的反驳，即人工智能被设计成或能够取代他们的人类同行及其临床判断。生成式人工智能也可能通过完全从组织结构图中删除不必要的职位来缓解人力预算压力。一位药剂师建议，生成式人工智能可以减少对“中层管理”的需求，而一位联合医疗保健受访者表示，生成式人工智能可以通过自动化他们的一些任务来帮助削减医疗助理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，41%的药剂师和47%的联合卫生专业人员表示新技术将减少行政人员需求。调查受访者期待使用通用人工智能来解决劳动力发展活动中各个方面的担忧。一半受访者（50%）认为通用人工智能将增强他们整体的创新能力。护士（54%）、药剂师（67%）以及联合医疗保健专业人员（68%）特别关注利用技术创造性地解决员工现有痛点，例如减少回复邮件、整理数据和做决策所需的时间。 探索护士短缺问题专家们一致认为，护士数量根本不足以满足国家不断增长的医疗保健需求。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所在组织的护理短缺严重程度时，53%的受访者表示合格护理人员的不足是一个显著问题。毫不奇怪，这个数字跳升至67%的护士自身——而缩小到只有44%的管理人员，说明了医院楼层内外对问题的认识存在重大脱节。高管护理领导（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水平的主要障碍，而RN和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，这需要加强学术与实践的合作，需要快速吸纳和发展护理人才的新解决方案，以及激励他们长期从事这一职业的留任策略。 对于医疗保健组织来说，在情况变得更糟之前追求人员队伍稳定至关重要，而生成式人工智能正逐渐成为实现目标的实用机制。然而，医疗保健组织长期以来存在的问题是，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。领导者必须战略性地考虑如何、何时以及在哪里部署节省工作流程的技术，以避免拼凑又一个无法协同产生企业级结果的基于点解决方案。护士、药剂师和相关医疗保健专业人员认识到需要稳定的医疗专业人员输送渠道，他们也是对使用GenAI来扩大劳动力队伍最热衷的群体之一。超过一半的相关医疗保健专业人员（56%），以及类似数量的护士（49%）和药剂师（48%）表示，GenAI可以也应该被用来扩大与大学的合作，展示职业发展的机会，以应对护士学校能力有限的问题4和药学项目入学不足5那些威胁到这些专业人员的供应。 医疗机构已经看到了他们希望实现的目标与准备付诸行动之间的差距正在扩大，这可能是他们更倾向于关注快速、即时、小规模的胜利，而不是为全面实现GenAI的企业进行规划的警告信号。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。受访者还对实现更高成本控制（49%做好准备）、应对GenAI应用中的伦理问题（45%做好准备）以及适应GenAI性能监控的潜在法规（42%做好准备）的能力表示不确定。解决承诺、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%的人相信他们已经准备好使用GenAI来培养合适的护理人才。 专家声音马修·克罗森，医学博士