新加坡的医疗领域正处于重大转型的边缘，这一转型由人工智能（AI）的迅速发展所驱动。
在Synapxe首次举办的AI会议（2025年6月16日）上，Synapxe首席执行官Ngiam Siew Ying强调了AI在预测性和个性化护理方面的潜力，并提出了“AI就绪的医疗系统”的愿景。
在开幕式上，卫生部长王乙康强调了政府对AI的务实态度。他指出，目标是通过AI改善医疗保健，而不是为了使用AI而使用AI。他解释说，重点必须放在能够产生可衡量结果的实际用例上，例如提高诊断准确性、加速治疗、改进预防策略和提高医疗专业人员的工作效率。
王部长重申，AI将增强而不是取代医护人员。在医疗决策中，人类判断仍然至关重要，AI只是作为辅助工具。患者安全始终是首要任务，需要有强大的治理和保护措施。
他详细介绍了基础性举措，如HEALIX（通过高级学习和智能交换实现健康赋能），该系统旨在作为安全匿名数据共享的“引擎”，用于训练AI模型。此外，还开发了一个针对医疗设备中AI软件的“沙盒”，并在强有力的临床治理和网络安全支持下，旨在负责任地促进创新。
实际应用已经开始出现。部长提到，去年樟宜综合医院已经使用AI进行胸部X光筛查。本月，国家传染病中心（NCID）将开始使用胸部X光AI筛查结核病，而伍德兰兹健康中心将在急诊科实施成像AI以检测骨折。
这种能力将逐步引入公共医疗系统，并计划到2026年底在全国范围内建立。AI还帮助超过2,100名医疗工作者生成了超过16,000份医疗和行政记录，显著提高了效率。
建立关键联盟
在会议上，Synapxe宣布了多项重要合作，以进一步推动其AI雄心。与OpenAI（ChatGPT的创建者）的合作协议将探索多代理框架如何简化日常医疗任务。一个原型已经在开发中，以提供诸如预约预订和一般健康咨询等服务，并且特别强调数据隐私和排除模型训练。
另一项重要的谅解备忘录（MOU）与AIDX TECH签署。这一联盟旨在识别AI风险，确保医疗AI的安全性和可靠性，并将涉及联合创新实验室、最佳实践框架和专门培训计划。
为了增强国家基于云的分析平台HEALIX，Synapxe还与Databricks签署了谅解备忘录，旨在促进AI的采用和技能转型，促进实验，共同开发预测性护理用例，并将Databricks的AI功能整合到HEALIX中。
最后，与Google Cloud签署了一项谅解备忘录。这项合作将利用Google Cloud的数据和AI平台服务，如BigQuery、Vertex AI和Agent2Agent协议，以增强HEALIX和Tandem（Synapxe的生成式AI平台）。这项合作还包括一项全面的AI能力建设计划，旨在培训和认证超过300名公共医疗机构的医疗技术专业人员。
新加坡医疗领域的自主AI时代
会议期间，OpenAI国际业务总经理Oliver Jay和Synapxe数据分析与AI服务规划总监Christine Ang进行了炉边谈话，讨论了未来医疗中的AI利用。Jay分享了一些个人故事，包括使用ChatGPT进行饮食跟踪，解释了AI在个人成长方面的潜力。
一个关键讨论点是AI中的“代理”崛起。“今年是代理的一年。它们不仅回答问题，还可以执行任务。”Jay表示。
这些系统不仅可以回答问题，还可以执行任务。一个展示多代理AI框架的原型展示了AI如何简化复杂的医疗过程，从检查可用性到无缝重新安排预约。
对话还触及了AI对护理者和受护理者的深远影响。Jay强调，AI可以成为复杂健康旅程中患者的“绝佳伴侣”，使医疗更加平易近人。从提供者的角度来看，AI可以帮助医疗工作者减轻行政负担。
“如果我们能够消除重复性的行政任务，将会提高准确性，更及时地记录，从而可以看更多的病人。”
对于希望集成尖端AI的组织，Jay提供了三条建议：
- 了解AI进展的前所未有的速度。
- 花时间理解技术，重点关注代理的安全部署。
- 识别要解决的具体问题，从小处着手，逐步扩展。
构建AI就绪的文化
另一个小组讨论探讨了如何培养“AI就绪文化：从内部转变”。
讨论从Databricks开始，他们展示了药物开发和大规模医疗记录整合中的AI驱动合作案例，涉及主要制药公司和国家卫生服务机构。开源工具如MLFlow和文件格式如Delta和Iceberg被推崇为确保AI系统互操作性的关键。一位专家表示：“如果你没有治理谱系和安全故事，你就无法大规模进行AI。”
在基础设施主题的基础上，Google Cloud分享了AI Trailblazers和AI领导力计划等倡议，以及对IMDA AI Verify框架的贡献。他们还讨论了多云策略，整合AWS、Google Cloud（BigQuery、Vertex AI）、Azure和阿里云等平台，以优化AI部署。
从政策角度来看，卫生部概述了双管齐下的方法：一个自上而下的AI指导委员会来确定国家规模的机会，以及自下而上的支持，针对特定集群项目，如改进预约调度和转录服务。还介绍了一个四类别的AI采用策略——涵盖临床、临床-运营接口、运营和推动者。重点放在患者隐私和使用特定于医疗的AI工具，如Billy.sg，以及Helix、Tandem和NGMR等电子医疗记录平台。
教育部门方面，新加坡科技学院正在培养能够解决现实问题的“思考者”。这包括强制性的数字技能培训和涉及员工和学生的跨学科项目。这些努力旨在解决对工作流失的担忧，并为学习者装备面向AI未来的技能。一位小组成员坚定地说：“一个人将始终在循环中，AI只会辅助。”
在整个讨论中，小组成员集体强调了跨学科合作的重要性，特别是临床医生和数据科学家之间的合作。他们指出，医疗仍然是“最不具备数字化准备的行业之一”，与媒体和金融等行业相比，强调需要大量投资于专业发展，以减少恐惧并鼓励前线工作人员的接受度。建议的行动包括在内部医疗数据上训练大型语言模型（LLM）、使日常AI使用正常化，并通过类似AI Accelerate会议的知识共享活动增加知识共享。
在伦理考虑方面，特别是在患者隐私和同意方面，小组一致认为责任必须由个人和系统共同承担。强调了强大的治理、强大的数据谱系和安全框架对于道德地扩大AI规模是必不可少的，组织被鼓励确保其合作伙伴的解决方案符合自己的伦理标准。
虽然AI有可能提高医疗效率和准确性，但小组的主要信息是明确的：以人为本的因素——以同情和判断为基础——必须保持核心。正如一位国家领导人总结的那样：“让我们坚定、审慎但大胆地利用AI提升患者护理，赋能医疗专业人员，维护医疗的本质和精髓，塑造一个每个人都能过上更健康、更充实生活的未来。”
(全文结束)
