亚太地区 AI 驱动型医疗保健的新时代
亚太地区的医疗保健行业正在进入一个革命性的时代，这是由 AI 和 GenAI 以及最近的 Agentic AI 驱动的临床数据激增所推动的。这个时代将由平衡工作流程的效率和有效性以及员工生产力的双重优先事项所塑造。
为了满足这些需求，医疗保健提供商组织现在将投资集中在四个紧迫的优先事项上。
- 工作流程自动化，以提高工作流程效率，改善护理结果
- 以患者为中心的护理提供模式，确保护理的可及性和便利性
- GenAI 解决方案可提高临床医生的效率，同时创造超个性化的患者体验 （PX）
- 随着新兴技术成为现代化医疗保健的当务之急，网络安全以保持网络弹性
AI 驱动的工作流自动化：扩展效率和成果
随着亚太地区的医疗保健提供商追求更高的运营效率、更好的护理质量和可扩展性，AI 和自动化正在成为重中之重。重复和数据密集型流程给医疗保健提供商带来了沉重的负担，浪费了宝贵的时间和资源。通过自动执行这些任务，组织可以减轻这种压力，优化内部资源，并显著减少管理负担。
与此同时，人口快速老龄化带来的压力越来越大，尤其是在日本和韩国等超老龄化国家。这与非传染性疾病 （NCD） 患病率的上升一起，增加了对更高效医疗保健服务的需求。
为了应对这些转变，医疗保健提供商已经确定了未来两年内特定于医疗保健的自动化使用案例：临床工作流、运营工作流和管理工作流。
电子健康记录 （EHR） 平台及其工具和功能是自动化投资的坚实基础。三分之一的医疗保健提供者已经投资了 CDSS（临床决策支持系统），而超过一半的医疗保健提供者计划在未来两年内进行投资。
IDC 数据显示，近一半 （47%） 的医疗保健组织认为健康数据平台是最大的投资潜力，因为需要大规模数据集成、数据利用和实时分析以实现“智能自动化”。*
以患者为中心的新护理模式：从远程医疗到家庭医院
以患者为中心的护理交付解决方案的创新不断加速。这也是由护理消费化程度的提高推动的，并得到了成熟的健康技术生态系统的支持。
例如，远程医疗正在转变为全面的远程医疗平台。最初是基本的虚拟会诊，现在已经扩展到包括对电子病历、电子处方、实验室结果和患者教育的集成访问——所有这些都在一个界面中完成。这使患者能够做出明智的决定并更好地掌控自己的健康。
在另一个案例中，远程患者监测 （RPM） 正在发展成为成熟的“家庭医院”（H@H） 模式。超过一半的区域护理提供商正在投资H@H技术。例如，国立大学卫生系统 （NUHS） 下的新加坡中央医院 （SGH） 和邱德拔医院 （KTPH） 已经启动了移动住院Care@Home （MIC@Home） 计划。该计划由卫生部医疗保健转型办公室 （MOHT） 牵头，为患有皮肤感染、尿路感染和充血性心力衰竭等一般疾病的患者提供支持。在试点成功后，该计划已扩展到另外四家医院：樟宜综合医院 （CGH）、竹脚妇幼医院 （KKH）、盛港综合医院 （SKH） 和陈笃生医院 （TTSH）。同样，在澳大利亚，维多利亚州的 44 家医院现在提供家庭医院 （HITH） 服务。为了有效地扩展这些模型，医疗保健提供商越来越多地通过数字前门 （DFD） 战略重塑其投资。通过利用更广泛的健康科技生态系统并采用以患者为中心的创新交付模式，他们的目标是在整个地区创建更高效、可扩展和响应更迅速的医疗保健系统。
IDC 预测，到 2027 年，在对加强护理协作的需求、扩大临床医生和消费者访问以及提高数字素养的推动下，APeJ（除日本外的亚太地区）80% 的患者将使用混合护理。
使用 GenAI 和 Agentic AI 提高临床医生效率和超个性化患者体验
GenAI 和 Agentic AI 已准备好让服务不足的人群更容易获得医疗保健。该地区超过一半的医疗保健提供商认识到其潜力，计划在未来两年内投资 GenAI 解决方案。
医疗保健组织将从早期实验过渡到制定全面的企业级 AI 战略。来自多专科和超级专科医院的 CIO 已经在探索有针对性的 GenAI 用例，不仅是为了优化资源对齐，也是为了确定真正为 GenAI 做好准备所需的先决条件。
IDC 预测，到 2026 年，在用例的快速部署、更多精选临床数据和组织支持增加的推动下，亚太地区（日本除外）的医疗保健 GenAI 投资预计将翻一番。
在 GenAI 的背景下，该地区的连锁医院已开始在其网络中集成数据，以有效部署大型语言模型 （LLM）。例如，印度的 Apollo Hospitals 开发了一个由 LLM 提供支持的临床智能引擎 （CIE），该引擎利用其医院网络中的大量临床数据集来提供更快、更明智的患者响应。在新加坡，国家健康科技机构 Synapxe 实施了一款名为“Russel GPT”的 GenAI 工具，旨在从患者数据中生成快速摘要，以提高临床医生的效率并增强整体患者体验。随着 Agentic AI 在护理提供者中的采用，主要重点是提高生产力，远远超出 GenAI 提供的生产力。到 2026 年，这一重点将需要 GenAI 对 Agentic AI 的近三分之一投资。受到这些用例潜力的鼓舞，该地区的医疗保健提供商正在专门寻找具有强大 AI 安全功能、与 AI 服务集成的云生态系统、致力于负责任的 AI 实践以及强大的数据治理框架的合作伙伴，以确保安全有效地部署 GenAI 解决方案。
AI 驱动的网络安全：医疗保健弹性和患者数据安全的核心
随着针对主要医院的网络攻击的频率和严重性不断增加，亚太地区的医疗保健行业仍然非常脆弱。在印度，最近对 AIIMS（全印度医学科学研究所）的勒索软件攻击迫使运营进入手动模式，从而中断了关键服务。同样，在澳大利亚，一场网络攻击导致 St. Vincent's Health 发生重大数据泄露。考虑到此类事件，该地区的医疗保健 CIO 不仅优先考虑对网络安全的投资，而且还专注于网络弹性。这意味着通过 AI 驱动的安全解决方案来增强威胁情报、响应和恢复，从而更早地主动检测和响应威胁。
IDC 报告称，到 2026 年，不断增长的网络安全风险将促使 APeJ 中 40% 的医疗保健组织采用基于 AI 的威胁情报解决方案，以确保护理的连续性并保护患者。
对 AI 系统的针对性攻击可能会损害其输出，从而可能危及患者，例如改变癌症治疗计划中的辐射剂量。这些威胁凸显了对强大安全措施的迫切需求，以保护 AI 驱动型医疗保健应用程序的完整性和准确性。
为了应对这些风险，该地区的医院正在大力探索特定于 AI 的网络安全策略，包括用于保护数据传输的高级加密方法、用于识别异常情况的实时威胁检测系统，以及用于防止未经授权使用的严格访问控制。
亚太地区医疗保健行业的当前形势限制了组织增强其 IT 安全能力的能力。IDC 数据表明，区域医疗保健提供商优先考虑管理内部和外部安全风险，提高对威胁态势的可见性，并拥有主动威胁检测、响应和补救功能。安全服务提供商需要将其能力与这些优先领域保持一致，以实现初步推介和成功参与。区域医疗保健提供商的 CISO 和 CIO 向 IDC 表示，用于识别潜在安全风险的实时威胁情报和预测分析是他们在 AI 驱动的安全工具中寻求的最有价值的功能，这反映了他们对主动和高效威胁检测和响应的高度关注。
定义前方道路，确保未来
为了真正释放 GenAI 和 Agentic AI 的潜力，医疗保健提供商必须采取深思熟虑的战略性前进道路。它首先通过建立由临床医生、数据科学家、法律专家和患者安全官员团队领导的数据治理框架来建立坚实的基础，以指导负责任的使用。最具影响力的步骤之一是将 GenAI 集成到 EHR 工作流程中，尤其是用于自动化文档，这是 IDC 认为护理提供者的首要任务。同样重要的是加强这些系统背后的数据架构，确保它们安全、可扩展，并准备好支持 AI 驱动的医疗保健的未来。