调研显示，目前，医疗健康机构在人工智能应用方面已不再停留于概念阶段。生成式人工智能（71%）、语音识别（70%）、智能体（68%）、机器学习（66%）和机器人流程自动化（65%）成为当前应用最广泛的五项技术。智能体作为新兴技术，尤其展现出广阔前景，它不仅可以辅助医生进行诊断决策和制定治疗方案，还能作为虚拟医护助理为患者提供健康管理支持，甚至在后台简化理赔处理和分诊流程。

尽管如此，绝大多数机构仍陷入“试点困局”，难以将局部验证成功的AI用例推广至全院或全机构运营。究其原因，并非技术本身不成熟，而是医疗行业特有的复杂性导致AI落地面临多重障碍。

报告总结了医疗行业在推进AI规模化过程中面临的六大类挑战：

1.数据质量与整合问题。62%的机构认为数据质量是主要制约因素。医疗数据通常分散在不同部门，标准不一、难以互通，限制了AI模型的训练和输出可靠性。

2.系统互联互通困境。旧有IT系统并未为AI应用设计，兼容性差、网络安全风险高、算力不足，导致AI难以嵌入实际工作流程。

3.法规与道德合规压力。约42%的机构在满足患者安全、数据隐私和道德使用AI方面遇到挑战。偏见、透明度及患者同意等问题也使AI应用更加复杂。

4.可扩展性与成本限制。AI部署需要高昂的基础设施投入、软件开发和人员培训成本。同时，机构缺乏清晰的价值衡量标准，难以准确判断哪些用例值得投入。

5.员工接纳与技能短缺。报告指出，47%的机构面临内部员工对AI的抵触情绪。此外，缺乏既懂医疗又懂AI的复合型人才，也阻碍了技术的有效推广。

6.信任危机。调查显示，美国60%的护士不相信雇主在使用AI时会优先考虑患者安全。建立临床医生和患者对AI的信任，已成为推广的前提条件。

报告提出了智能医疗健康机构蓝图——智能医疗健康机构利用先进的技术、个性化的体验、数据驱动的见解和自动化的操作来提升效率、促进创新和增强韧性。将人工智能大力融入价值流、能力中心和流程，可有助确保顺畅的患者互动、稳健的风险管理以及面向未来的适应能力。

为此，报告提出了一个打造智能医疗健康机构的“三阶段”框架：

阶段一：赋能。重点在于构建AI基础能力与员工赋能。机构需要明确人工智能战略，任命高管牵头，构建数据基础设施，并在多职能领域开展AI试点，同时建立道德与合规保障机制。

阶段二：融合。将AI深度集成到工作流程、临床路径与管理环节中，通过云平台、智能体等技术推动运营模式重构，实现数据驱动的协同运作。

阶段三：演进。引入AI及量子计算等前沿技术，推动商业模式创新和生态协同，构建以预防性、个性化及无缝连接为特点的健康服务体系，应对行业面临的挑战。

此外，报告还提出四项关键建议。首先，医疗健康机构应根据自身临床和运营能力，制定重点关注增强患者和员工体验，改善人群健康并降低成本的人工智能战略。其次，医疗健康机构应实施透明、可解释的人工智能(XAI)、适当的道德治理框架和强有力的监管合规措施，从而建立对转型路线图的信任。第三，推动“人机协作”文化，可通过为临床医生提供再培训并与高等教育机构合作，将人工智能融入医学教育，以促进人与人工智能之间的协作。最后，为人工智能构建可持续的技术与数据基础，例如投资建立云平台可有助于安全、灵活地使用庞大的数据集和先进的人工智能工具，以便跨区域实时开展医疗协作、诊断和创新，再例如采用联邦学习等技术保障隐私安全。

报告强调，人工智能不再仅仅是一种技术工具，而是未来医疗健康生态的核心驱动力。其真正潜力在于打通医院、社区、零售保健及社会护理等多领域资源，构建以疾病预防、早期干预和个性化服务为特点的无缝健康网络。要实现这一愿景，机构领导者必须从整体战略出发，加强跨部门协作，明确治理规则，并始终将“实现患者价值”置于AI转型的中心。