4月16日——马来西亚的医疗系统长期以来一直是国家的骄傲，特别是其为数百万人提供可负担医疗服务的公共医院网络。然而，病房过度拥挤、等待时间长以及医疗成本上升揭示了一个日益严峻的挑战：我们的系统主要是为"治疗疾病"设计的，而非"预防疾病"。
2023年国家健康与发病率调查(NHMS)描述了一场无声的流行病，显示约230万马来西亚成年人至少患有三种非传染性疾病(NCDs)，如糖尿病、高胆固醇血症和高血压。
作为一名生物医学工程专业的学生，我认为解决方案不仅仅是建造更多医院，而是利用人工智能(AI)、物联网(IoT)和远程患者监测技术，防止可避免的疾病恶化至需要住院治疗的程度。
如今占据医院病床的许多疾病，如糖尿病、高血压、心脏病、哮喘和慢性肾病，并非一夜之间出现。它们往往在无声中逐渐恶化，导致患者需要紧急护理。然而，我们目前的医疗模式严重依赖于偶发性检查，即患者仅在就诊于诊所或医院时才被评估。在这两次就诊之间，关键的警示信号常常被错过。这就是智能医疗技术可以发挥重要作用的地方，它能够避免患者必须亲自前往医院就诊。
物联网赋能的医疗设备能够实现健康数据的连续收集，而非偶尔收集。可穿戴传感器可以监测心率、血氧饱和度、身体活动和睡眠模式。例如，智能血压监测仪和血糖仪可以将读数直接传输给医疗保健提供者，使他们能够远程监控患者的状况。
对于独居或居住在农村地区的老年患者，这些工具提供了一个额外的安全层，无需频繁前往医院就诊，为农村地区的患者创造了安全网。医生不必等待症状恶化，而是可以根据实时数据及早干预，并在患者病情恶化为紧急情况之前，及时规划门诊治疗、药物调整或生活方式干预。
然而，仅靠数据是不够的。这正是人工智能发挥关键作用的地方。AI系统可以分析来自多个患者的数千个数据点，检测异常趋势，并在健康状况恶化至危及生命之前进行预测。例如，AI模型可以识别心率变异性中的细微变化，这些变化预示着心力衰竭的恶化，或识别出表明糖尿病控制不佳的血糖模式。早期预警使医疗团队能够调整药物、提供远程会诊或建议生活方式改变——通常可以完全避免住院治疗。
根据最近的一项研究，马来西亚目前正使用机器学习算法通过智能临床决策工具提高诊断精度，并捕捉危及生命的早期征兆。这些工具以多种方式提高诊断准确性。例如，关键事件可以在早期阶段就被检测到。像AI赋能的心电图(AI-ECG)这样的AI系统，能够识别出ST段抬高心肌梗死等危及生命的疾病的早期诊断。此外，这些工具可以显著减少诊断错误并标准化护理协议。
这种转变的好处不仅限于患者。当医院摆脱了可预防的入院后，临床医生可以将资源集中在复杂和危急的病例上，如创伤、高级癌症治疗和专业手术。这使得病床、医疗设备和专家资源能够得到更好的分配。因此，在减轻医疗工作者负担的同时也能提高护理质量，而他们目前正面临着因工作量过大而导致的职业倦怠。
相反，医疗提供者将有更多时间提供更高质量的服务，并加强面对日益增长医疗需求的公立医院的韧性。
重要的是，采用智能医疗并不意味着取代医院或医生。相反，它为他们提供了基于证据的见解，帮助他们快速做出正确决策，并增强他们提供护理的能力。技术充当早期预警系统和决策支持工具，而临床医生仍负责诊断和治疗。当负责任地使用时，AI和物联网可以减少人为错误，支持临床判断，并改善患者预后。
马来西亚已做好充分准备迎接这一转变。数字健康和AI的发展反映了人们日益认识到，医疗保健的可持续性取决于预防，而不仅仅是扩张。这一转变是卫生部RESET倡议的核心，该倡议旨在加强数字健康基础设施并将门诊护理转移到基于社区的环境中。到2029年，该部门计划建立一个完全互操作的健康信息生态系统，在减少不必要的住院的同时增强患者能力，并加强国家健康安全。
当然，挑战仍然存在。必须解决数据隐私、网络安全和公平获取问题，以确保智能医疗不会加剧现有的不平等。明确的法规、强大的数据治理和公众教育至关重要。患者必须相信他们的健康数据是安全的并以合乎伦理的方式使用。医疗保健专业人员也必须接受培训，以便自信地使用数字工具。
总而言之，问题不在于马来西亚是否需要医院。真正的问题是我们能否减少需要住院的马来西亚人数量。通过将我们的重点从应对疾病转向预防疾病，AI、物联网和远程监测提供了一条切实可行且可持续的前进道路。更智能的医疗保健不是为了技术而技术，而是为了让人们更健康、更长寿，并更接近家园。
- Ng Kheng Yean是马来亚大学工程学院生物医学工程系的应届毕业生，正在修读一门名为"医疗技术与临床管理"的选修课程。
** 这是作者的个人观点，不一定代表《马来邮报》的观点。
【全文结束】
