Black Book Research对美国医学信息协会（AMIA）5,000名成员进行的一项新调查显示，当前人工智能驱动的医疗创新和互操作性进展的现状、挑战和未来期望提供了关键见解。这些发现揭示了数字健康转型中新兴的投资重点、采用障碍以及跨各种医疗组织、技术领导者、支付方和提供商的机会。
该调查旨在评估医疗IT领域中的人工智能、机器学习和互操作性的关键趋势。为了达到95%的置信水平和5%的误差范围，需要357名受访者。Black Book超过这一门槛，获得了448份调查回复，确保了结果的高度统计置信度和行业观点的稳健代表性。
人工智能与机器学习在医疗领域的采用
调查结果显示，尽管人工智能和机器学习的应用正在扩展，但大多数组织仍处于探索或实施的早期阶段：
- 34%的受访者表示，他们有专门资源用于探索2025年的企业级AI/ML项目。
- 19%的受访者正在特定医疗领域试点AI/ML解决方案。
- 12%的受访者报告已将AI/ML全面整合到临床工作流程中。
- 30%的受访者表示其组织目前尚未使用AI/ML。
采用人工智能的主要障碍（受访者选择前三项挑战）包括：
- 数据质量问题（49%）
- 缺乏内部AI专业知识（58%）
- 监管合规问题（10%）
- 与现有IT系统的集成挑战（37%）
- 成本不确定性（23%）
人工智能在医疗领域的预期影响领域
AMIA成员确定了未来3-5年内最有前景的AI应用领域：
- 42%认为AI支持的临床决策支持是首要投资领域。
- 19%认为疾病预防的预测分析反映了向主动护理的转变。
- 16%认为个性化和精准医疗是提高治疗效果的关键驱动力。
- 11%认为自动化医疗文档可以提高工作效率。
- 9%认为AI驱动的医学影像技术进步。
互操作性与数据交换挑战
互操作性仍然是医疗IT中的一个持续挑战，受访者指出了标准化和数据共享方面的障碍：
- 21%提到缺乏标准化数据格式（如FHIR采用的挑战）为主要障碍。
- 29%指出电子健康记录（EHR）供应商的抵制是一个重大且持续的障碍。
- 30%指出内部系统孤岛和碎片化的数据源阻碍了无缝数据交换。
- 11%强调隐私和安全问题，表明合规挑战仍然存在。
FHIR在数据互操作性中的采用
FHIR（快速医疗互操作性资源）的采用正在推进，但全面实施仍然有限：
- 39%报告FHIR采用有限（1-25%的数据交换由FHIR支持）。
- 35%实现了中等程度的FHIR集成（26-50%）。
- 仅9%拥有完全集成的FHIR生态系统。
最需要的互操作性改进
为改善数据互操作性和交换，受访者强调需要：
- 32%认为更快、更准确的患者数据检索是最优先事项。
- 21%认为需要AI驱动的自动化数据对账和分析。
- 47%认为需要改善医院、诊所和支付方之间的协调。
“人工智能和机器学习不再是理论上的概念——它们正在积极重塑临床工作流程和患者护理。然而，创新受到碎片化数据生态系统的限制、集成障碍和缺乏AI就绪专业知识的制约，”Black Book创始人Doug Brown评论道。“医疗IT的未来取决于打破这些障碍，并推动大规模的AI驱动互操作性。成功将属于那些超越渐进式修复并重新构想无缝、数据驱动的医疗保健的人。”
“对于提供者来说，这项调查突显了增强AI集成和优化数据策略以改善临床决策、工作流程效率和患者结果的迫切需求。对于支付方来说，结果强化了投资于互操作性解决方案以简化护理协调、提高数据准确性并实现成本控制和预测分析的AI驱动自动化的重要性。”
(全文结束)
