2026年全球技术报告：医疗行业

前言 医疗保健正处在一个关键节点。尽管面临复杂性、预算受限和劳动力压力等挑战，但技术和人工智能现在为重塑医疗服务模式、改善结果以及构建更具韧性、面向未来的卫生系统提供了明确的机会。 单、互联的数字入口，在自动化和人工智能的支持下，能够为患者和员工带来更个性化、更具预测性的护理以及更好的体验。 ，显示组织目前处于三种技术模式中的其中一种。有些正在努力稳定，修复核心平台并提高数据完整性。另一些则专注于同步，连接系统、标准化流程和调整治理。越来越多的组织开始寻求扩展，将人工智能嵌入到工作流程中，以提高企业层面的生产力、体验和护理模式。 提供护理，现在已至关重要。 KPMG国际全球医疗保健主管，英国KPMG合伙人，基础设施、政府与医疗保健业务主管 来几年解锁显著更大的效益。 基础。解决方案带来的生产力提升正从承诺逐步走向实践。 关键发现 每年 5000万至1亿美元。不可靠的网络安全，u数据监管/合规风险谨慎稳健的方法。被视为人工智能最大的障碍快速关注者（55 29%超过一半的受访者计划雇佣更多本土技术人才，这表明企业正将关键技能本地化，以减少对海外资源的依赖并降低地缘政治风险。 重大技术投资。医疗保健机构正显著投资于数字技术，40%committing 30% 投资回报率也偏低：57%超出其投资，达到盈亏平衡 虽然只有35%的人是早期采用者百分之九十采取长期投资策略%）大多数医疗机构数据驱动预测 集成化、预测性医疗参与正从数字触点转向 76%66%人工智能正开始规模化发展。预计在未来几个月内将大规模部署人正在积极部署，从32%一年前 护理系统 远程监测、患者同伴网络、数字孪生以及机器人手术预计都将上升。 数据被认为是关键，具有预测能力等首要任务，尽管数据安全紧随其后所引用的最重大挑战是百分之四十二受访者中，治理能力薄弱和专业知识有 工智能——这是所调查的所有行业中比例最高的。86% 限是主要问题，这导致决策碎片化、执行缓慢。对于医疗机构而言，这会造成资源与优先事项难以协调。 压力下的医疗保健 —但已准备迎接加速变化 增长可能无法保持同步，而劳动力方面的挑战也极为严峻，这既源于技能短缺，也由于一些国家对移民人才存在限制。许多医疗保健组织正专注于其技术的稳步、渐进式改进。但其他行业正加速现代化，而这 种方法的风险是会让医疗保健落后。现在需要的是可控的加速：协调数据、治理和运营模式，使数字投资转化为真正的临床和财务效益。技术应处于护理的核心——问题在于我们如何才能快速建立信任、安全地扩大规模、良好地管理它，以改善公平性、可及性和结果。这就是医疗保健领导者今天面临的机会。” 鉴于数据隐私规则的复杂性、数据主权问题以及围绕人工智能监管的仍在发展中的法规体系，监管是许多企业在技术转型方面面临的主要障碍。 们采取的是长期投资而非反应式投资策略。 化的东西——预测性护理、智能运营、真正连接的患者体验——现在在技术上已经可以实现；关键在于领导者的意图和执行纪律。 投资快速增长—但价值实现仍然是一个挑战 访者每年支出在5000万至1亿美元之间。 1%100万美元至499.9万美元等基础平台。调查发现，医疗保健领导者认为技术现代化的价值就体现在这些基础平台，它们贡献了数字价值的一半。 表明相关方确实致力于现代化和升级其技术体系与能力。正如澳大利亚KPMG数字健康实践合伙人乔纳森·迪·米歇尔（Jonathan Di Michiel）所观察到的，支出规模正在迅速增长： 1000万美元至2499万美元2500万元至4999.99万元5000万至9999.99万美元子健康记录（EHR）。KPMG英国正通过“老虎团队”（Tiger Teams）方法来支持此项工作，该方法为覆盖EHR全生命周期的各组织提供有明确时间限制的专业支持。与此同时在美国，KPMG美国则支持阿登健康（AdventHealth）进行后台转型。阿登健康实施了其新的基于云的企业资源规划（ERP）系统——用Workday，成功将多个遗留后台系统整合为一个互联系统，显著提升了报告和最终用户体验。 他说在澳大利亚，投资以每年25%的速率增长。其他国家也存在类似模式。这些都是显著的提升。 2.5亿至4.99亿支出水平是一个重要的维度——但更重要的是，实现了多少投资回报率？在此 1%5亿至9.9999亿美元10亿美元或更多数组织在约12个月后实现了盈亏平衡，并且有30%的组织超过了其初始投资。 克服障碍采用全系统方法 ，并在目标运营模式（TOM）中阐述理想状态。然后才能创建现代平台架构的基础——之后，实验以及由人工智能（AI）引领的解决方案和工具才能叠加应 报率（ROI）的障碍有两个：遗留系统，以及需要采用全系统运营模式的方法。 多组织尚未重塑其数据基础、运营模式、治理或劳动力实践，以实现规模化释放全部价值。 着大量遗留技术。这造成了挑战，因为要真正利用新技术，需要在系统之间实现互操作性和互联互通。因此，打破遗留技术造成的壁垒是首要障碍。其次，我们经常看到现代化表现为大量的小型概念验证（POC）——其中许多取得了惊人的成果，但很难将其扩展以应用于整个系统。需要采取更协调一致的方法。请升级您的核心平台，并通过数据层将它们连接起来，以便您为人工智能做好准备。当升级专注于全系统变革时，投资回报率（ROI）很可能会显著提升。 动力实践，以实现规模化释放全部价值。 衡量且持久的方式重塑医疗服务、劳动力模式及系统可持续性。为数字化和AI赋能的未来打造合适的TOM（技术运营管理）模式，是实现这一目标的关键一步。 寻求最优技术运营模式 化转型的基础。 提升。相比之下，全系统转型通常需要更高程度的集中化管理，以推动标准化、可重复性和可扩展性变革。 用前等待经过验证的技术，而有三分之一（百分之三十三）会选择性采用，只有百分之二十三的人愿意大规模拥抱颠覆性技术。 还是应采用更分散的联邦模式？我们的研究表明，在技术决策和流程的不同方面，集中式和联邦式方法之间存在近乎均等的分布： 得到验证后再进行采纳，而三分之一（33%）会进行选择性采纳，仅有23%的人愿意大规模拥抱颠覆性技术。 在获得额外资金或扩大转型计划之前，为每一项技术投资证明可衡量的商业价值。虽然这通常会导致对颠覆性技术采取谨慎的“观望”态度，但那些培养出严格“快速失败”文化的组织通常能更好地加速创新、降低长期风险，并比竞争对手更快地实现价值。杰兹·达利瓦尔，KPMG国际全球数字医疗保健主管及英国KPMG合伙人 交到了CIO和IT团队手中。 会结合采用这两种方法。一定程度的本地自主权和所有权对于实现有效交付是必要的；然而，关键因素是取得恰当的平衡。过度的自主权会 组织内部当前的人工智能应用水平今年的研究表明，人工智能活动大幅增长——66%的高管表示他们正在积极部署人工智能用例，较前一年增长了32个百分点。超过四分之三（76%）预计在未来12个月内将大规模部署人工智能，这是所有被调查行业中比例最高的。近人工智能从实验阶段过渡扩展到企业规模 九成（86%）将人工智能嵌入到工作流程、服务和价值流中。 于患者管理或后台支持领域，人工智能可以自动化人工工作。人力资源、财务和采购等领域都极有可能实现效率提升。 有限的AI概念验证测试数量及其他行政任务等多重因素造成的。通过更广泛的AI赋能自动化，可以实现巨大的效益；能够更快地将员工安排到患者面前，同时提升员工的工作体验。 但尽管后台运营的现有收益十分显著，但在患者护理的前端，其潜力或许更为激动人心。随着对已面临产能瓶颈的卫生服务的需求日益增长，利用人工智能以实现更好、更快的患者治疗效果，已变得至关重要。 从你的雄心壮志开始，然后定义你的运营模式，理解你将如何随着时间的推移建立成熟度，并由此确定你可以今天最有效地部署哪些用例。AI战略的基本要素是你的运营模式、你的治理模式（监管、安全和问责框架）以及你的数据模式，因为AI的成功离不开成熟的数据实践和质量。 但尽管后台运营的现有收益十分可观，但患者护理的前端所蕴含的潜力或许更为激动人心。 嵌入电话和在线服务中，使患者能够更好地评估自身症状，以便他们能够及时得到恰当的护理，而不是让急诊科等首诊环节不堪重负。对于通常存在长等待名单的选择性护理，人工智能可以实施优先处理名单，采用更动态的排程，并为患者提供提示，在等待期间管理其症状。通常由护士或其他合格的临床人员进行的术前评估，可以通过人工智能技术远程进行——从而让医护人员有时间照护其他患者。 能负责人，英国毕马威 并以明确的目标进行管理时，它才能产生有意义的影响——而不是仅仅局限于试点项目或孤立的用例之中。 织参与，强化数据基础，并为将人工智能扩展到日常临床和运营实践中创造条件。 起来并确保其成为一个有机整体至关重要。 克服障碍 相互隔离的遗留系统。这包括对不可靠数据或人工智能产生幻觉的担忧——在我们的调查中，这是第二大普遍提及的担忧，仅次于网络安全方面的担忧。在这里，克里斯建议医疗保健机构不仅要考虑使用大型供应商提供的AI平台，还应考虑由专注于特定高价值用例（如诊断、分诊等）的利基AI解决方案提供商开发的更小、更“垂直”的平台。这有助于确保人工智能仅限于其预期履行的目的。 在欧洲和中东这是一个主要关注点——会增加复杂性。而且尽管市场上有大量人工智能解决方案提供商，但向医疗保健领域提供所需许可证可能是一个阻碍不同国家有不同的监管要求。我们看到过一些以医疗保健为导向的人工智能解决方案的科技公司，由于监管门槛高，而放弃了像英国和欧盟这样的市场。 或许因为传统KPI往往二元且线性——但人工智能的成果可能更分散，在不同时间出现在不同地方。贝西·芬顿 KPMG国际会计师事务所 全球医疗保健主管 从数据孤岛预测性洞察 管理在医疗保健高管眼中总体成熟度处于中等水平，但一些需要改进的明确领域也已显现。受访者对数据分析的全面优化程度评价相对较低。因此，提升数据分析能力被列为实现组织目标的关键数据相关优先事项之一，此外还包括数据驱动的预测分析（预测性分析）、提升企业范围内的数据可访问性以及数据安全。 医疗数据团队通常围绕相对静态的商业智能（BI）构建，而非真正发挥基于洞察力的职能。医疗数据约占全球总数据的七分之一，但实际被有效利用的仅占一小部分。通过医疗互动所捕获的非有效部署人工智能所面临的主要关切之一的数据可靠性问题。正如克里斯·吉本斯所观察到的，这也需要伴随着更广泛的转变： 结构化数据蕴藏着巨大价值。与此同时，关键在于推动组织各领域的数据所有权，并就数据管理方式建立明确的运营问责制。 明这些投入是合理的。 构建韧性该保护患者护理 强化强大的网络安全协议至关重要。业务连续性规划也必须积极提上议程，并定期进行审查和更新。关键在于，即使某些系统出现故障，员工也必须能够访问最低级别的患者信息。 员工提供适当的网络安全培训、提醒和更新。在以数字优先的医疗系统中，韧性既体现在临床层面，也体现在技术层面——并且必须从一开始就融入设计、治理和运营模式中。 这对私立医疗提供者来说不是一个主要因素，但地缘政治变幻莫测和不确定性导致的全球经济持续波动，也意味着这一点在这里不能完全排除。 据与分析（34%）。 未来护理服务提供对患者进行护理的方式正在改变，并且预计未来几年变革的步伐将加快。 。正如莉迪亚·李所言，“防御以及有效的业务连续性规划的重要性，以确保能够立即实施备用措施。”实时协调运营。在加拿大，医院和卫生当局正转向建立企业级或区域指挥中心。这有助于资源共享（床位管理）、更恰当和及时的患者转运（包括急诊入院、救护车运力）以及卫生人力资源的优化。 这突显了建立强大IT基础设施、稳固的网络安全. 特别是，数字孪生、远程监控、患者同伴网络和机器人手术的应用预计将激增。 理、通行能力等），以支持施工前的临床服务规划。数字孪生在医院医疗/健康科学环境以及医疗设备培训中也极为流行。 静态的机制可能会衰落。“以虚拟优