医疗机构中的人工智能应用正在稳步增长，大多数提供者看到了积极的投资回报，但进展取决于克服整合、技能和信任障碍，将人工智能聚焦于能带来真正临床和运营影响的领域。
随着医疗行业继续拥抱数字化转型，人工智能在医疗保健中的益处——从改善工作流程到提升患者结果——正变得日益清晰。医疗机构一直在使用人工智能赋能的工具来满足苛刻的运营目标并优化工作流程。
尽管人工智能确实在众多医疗机构中发挥着重要作用，但仔细审视它如何实现这一点，可以帮助决策者和执行领导者了解他们需要做些什么才能跟上竞争步伐。
Software Advice 2026年医疗软件趋势调查*提供了这一关键视角。我们的调查收集了400名基于美国的医疗提供者的回应，涵盖各种类型的医疗机构和规模。受访者还来自各种专业领域，提供了2026年人工智能在医疗保健中发挥作用的全面概览。
本调查形成了我们的报告，旨在帮助医疗领导者和IT决策者应对一个艰难选择：如何使用人工智能驱动的医疗软件，而不对可能不会带来足够投资回报的功能过度支出。
主要发现
- 对人工智能采用的期望很高。 近一半(49%)的医疗提供者表示，他们对人工智能潜力的期望在过去一年中有所上升。
- 当前人工智能使用仅处于中等水平。 只有三分之一(33%)的医疗机构已使用具有人工智能功能的医疗软件。
- 自然语言处理(NLP)和大型语言模型(LLMs)处于领先地位。 使用人工智能的机构中，42%使用NLP处理文档，36%使用LLMs。
- 投资回报率普遍为正。 人工智能采用者88%的时间报告了积极回报。
- 受访者认为人工智能的潜力在于支持临床决策。 超过一半(52%)的受访者表示，人工智能将在改善临床决策方面产生最重大影响。
医疗机构中的人工智能应用现状
医疗机构中的人工智能应用正在逐步增长。 同时，医疗机构采用人工智能的速率各不相同。了解采用趋势对于实现人工智能在医疗保健中的益处至关重要，例如改善诊断和简化管理。
根据我们的调查，三分之一的医疗机构已经在使用人工智能功能。这并不意味着其余机构正在让人工智能从身边溜走；另有32%计划在明年采用人工智能和分析工具。使用人工智能的机构与计划使用人工智能的机构的组合表明了其日益增长的势头。
医疗机构如何使用人工智能
医疗机构转向的人工智能工具涵盖广泛的应用：
- 临床决策支持系统(CDSS)。 31%的医疗机构使用人工智能进行CDSS。这些系统为临床医生提供基于证据的指导，以提高诊断准确性。它们还推荐治疗方案并标记潜在的患者风险。
- 自然语言处理(NLP)。 相当大比例(42%)的启用人工智能的医疗机构使用NLP来自动化文档流程和转录医生笔记。它还可以从非结构化文本中提取结构化数据。当结合使用时，这些功能可以显著减少行政工作量。
- 大型语言模型(LLMs)。 在使用人工智能的医疗机构中，36%依赖LLMs。这些工具帮助起草临床笔记并与患者沟通。它们还可以解析信息并检索关键数据以做出决策。
- 虚拟助手和聊天机器人。 约30%的受访者报告使用这些工具。它们通过处理常规查询来简化患者参与。它们还可以在临床医生休息时与患者互动，从而改善沟通。
- 预测分析。 尽管预测分析功能强大，但只有约21%的医疗机构使用它们来改善患者结果。使用这些工具的机构用于风险分层、计算患者再入院的可能性或执行其他功能，如在护理管理中更加主动。
- 人工智能诊断成像工具。 20%使用人工智能成像工具进行放射学、病理学或另一学科。这些工具可以快速检测异常并帮助临床医生更好地解读扫描结果。
根据规模不同的采用率差异
医疗机构使用人工智能的方式表明了一个明确趋势：运营需求决定了优先考虑哪些工具。
大型医疗机构和多专业团体比小型医疗机构更可能采用人工智能。 规糢经济起到一定作用，因为拥有更多患者证明了对更昂贵工具的投资是合理的。
小型医疗机构可能从更易获取的人工智能解决方案开始，例如NLP。 它们使用的功能可能在医疗保健领域之外相对常见，例如聊天机器人和生成式人工智能驱动的报告。
具有特定专业的医疗机构也更经常转向人工智能。 例如，放射学和肿瘤学机构在人工智能驱动的诊断成像方面处于领先地位。另一方面，初级保健提供者更可能使用CDSS和虚拟助手。
人工智能应用的驱动力
医疗机构转向人工智能驱动的软件以满足其最重要的运营需求。根据调查数据，最具影响力的驱动力之一似乎是增加的信任和希望：49%的医疗提供者报告称他们过去一年的期望有所增长。
但希望人工智能发挥更大作用的愿望并非没有根据。采用的明确触发因素包括：
- 对更高效工作流程的需求。 医疗机构使用人工智能工具使工作流程更快、更顺畅。它们自动化员工过去手动执行的任务。它们还使用人工智能帮助临床医生更快地做出更好的决策。
- 通过人工智能工具增强现有软件。 许多医疗组织转向人工智能升级。他们不是购买新软件，而是支付费用通过添加人工智能功能来升级现有软件。例如，他们在电子健康记录(EHR)解决方案中添加人工智能功能以增强实践管理。
- 增强软件堆栈内的集成。 医疗机构使用人工智能使其软件更具互操作性。人工智能可以快速获取和解释来自多个来源的数据，综合这些数据以帮助临床医生改善治疗。
主导的人工智能用例
人工智能最常见的用例包括：
- 支持临床决策。 在使用人工智能的人群中，52%表示在接下来的12个月内，使用它来预测CDSS将是使用人工智能的最重要方式。人工智能可以为临床医生提供有关患者需求的洞察，并确保临床医生的决策符合合规指南。
- 诊断和成像。 人工智能驱动的成像工具在放射学和病理学部门很有帮助，因为它们可以比人类更快、更准确地检测异常。同时，由于目前只有20%使用基于图像的诊断中的人工智能，因此还有很大的发展空间。
- 文档和管理。 LLMs和NLP模型可以自动转录并将临床笔记转化为有效文档。虽然这些人工智能工具在日常生活中常用于生成式人工智能，但只有约42%的人工智能采用者在医疗实践中使用NLP，只有36%使用LLMs生成笔记并与患者沟通。
- 患者参与。 聊天机器人和虚拟助手使患者能够安排预约、接收提醒并访问重要信息。30%的采用者使用这些工具更好地与患者互动。
- 预测分析。 约21%的受访者使用预测分析来预测患者结果并预测其需求。这突显了这一人工智能应用的增长空间，该应用可以对患者结果产生显著影响。
人工智能应用的障碍
另一方面，令人惊讶的是，61%的医疗机构根本没有使用人工智能。这归因于各种障碍，例如：
- 对过度依赖人工智能的担忧。 超过三分之一(37%)表示担心其员工可能开始过度依赖人工智能，而不是使用他们的人类专业判断。
- 隐私、安全和合规担忧。 28%的受访者表示担心隐私和安全问题，以及监管合规问题。违反HIPAA法规可能带来严重后果，导致巨额罚款。一些医疗机构不愿将数据密集型功能交给人工智能，因为那里的错误可能非常有害。
- 技能差距。 四分之一(25%)将人工智能技能不足视为主要障碍。对许多员工来说，学习如何使用人工智能具有挑战性，尤其是如果他们已经习惯了传统工作流程。
- 集成挑战。 24%的受访者报告在将人工智能驱动的软件集成到现有堆栈中遇到困难。如果非人工智能驱动的解决方案已经足够好地集成，这可能很困难。
- 临床有效性证据有限。 21%表示尚未看到足够的人工智能解决方案临床功效证明，因此开始使用它们。
- 员工抵制。 文化抵制很容易破坏人工智能的采用，19%的受访者将员工怀疑视为重大障碍。使员工持怀疑态度的一个因素是人工智能算法缺乏透明度。如果你不知道它如何工作，就很难信任它。
衡量投资回报率：现实与差距
同样的2026年Software Advice调查显示，尽管许多医疗机构已采用人工智能，但并非所有机构都在衡量其财务或运营影响。
在已采用人工智能并正在跟踪投资回报率的232名受访者中：
- 88%报告过去12个月的投资回报率为正。
- 仅12%报告投资回报率为负。这通常是由于使用不足或集成问题造成的。对新的人工智能驱动工具培训不足是另一个阻碍实现积极投资回报的因素。
推动积极投资回报的因素多种多样：
- 效率提升。 自动化文档和预约安排等常规任务使员工可以专注于其他工作。NLP、LLMs和聊天机器人在减轻行政人员负担方面特别有效。
- 提高准确性。 CDSS系统有助于减少诊断和治疗建议中的错误。它们还减少药物订购错误。
- 更强的合规性。 准确、基于证据的指导使遵守监管要求变得更加容易。
- 更好的患者结果。 预测分析和人工智能辅助诊断可实现对风险因素的早期检测。它们还可以确定疾病进展的方式和时间。利用这些数据，临床医生在做出医疗决策时可以更加主动。
同时，许多医疗机构在衡量投资回报率方面面临困难。这通常是由于：
- 对指标的不确定性。 量化人工智能工具如何实际影响患者结果或行政效率可能很困难。
- 缺乏适当的数据基础设施。 如果没有能力跟踪临床和运营指标，就很难衡量效率提升。
- 评估技术经验有限。 一些医疗机构可能缺乏具有评估技术投资回报率专业知识的员工。
对医疗领导者的建议
利用人工智能不仅仅需要购买软件。 医疗机构必须规划如何实施每个解决方案。他们还必须确保其员工支持每个人工智能实施。此外，医疗领导者需要建立人工智能使用的治理机制，以降低过度使用或误用的风险——特别是当它损害患者结果时。
为帮助优化人工智能使用，以下是一些应遵循的建议：
通过培训和教育解决技能差距
由于一些受访者报告人工智能技能不足是障碍，医疗机构应为其员工提供所需的培训，使他们对使用人工智能工具充满信心。有效的培训示例包括：
- 关于如何使用人工智能功能的教程
- 教授参与者如何解释人工智能输出以改善治疗的工作坊
- 专注于人工智能素养的定期专业发展
改善数据的可用性和质量
没有高质量数据，人工智能无法提供适当结果。 32%的受访者将数据质量差列为挑战，这需要成为重点。为确保数据满足人工智能驱动系统的需求，领导者应：
- 实施标准化数据录入协议。 如果可用，也可以通过人工智能驱动的数据转换来实现这一点。
- 使用高度结构化的格式，如编码系统，对诊断进行分类或描述症状的模板。
- 持续检查数据收集和录入方式的不一致性。
改善隐私、安全和合规系统
引用隐私和合规问题的受访者比例(28%)甚至高于担心技能差距的比例。这为领导者提供了一个重要机会。通过建立合规和隐私机制，您可以帮助员工对将数据依赖型任务分配给人工智能驱动系统感到更放心。
否则，您可能会让员工觉得他们可能因罚款风险而危及患者隐私甚至医疗机构的财务状况。
改善投资回报率衡量
更好的投资回报率跟踪源于衡量人工智能采用的直接和间接益处。
以下是直接益处的示例：
- 医生可以使用人工智能驱动的影像分析检测更高比例的恶性肿瘤
以下是一些间接益处的示例：
- 由于行政人员可以快速处理入院表格，患者满意度评分上升
- 员工流动率下降，因为人工智能工具使日常任务更容易，减少了压力
可以使用关键绩效指标(KPIs)评估直接和间接益处。在许多情况下，这始于建立基线和时间框架，通常使用尚未衡量的KPI。
例如，也许在处理应收账款时，账单人员感受到的挫败感水平尚未被衡量。在实施人工智能驱动的表单完成之前，您可以进行调查以收集有关挫败感水平的输入。然后可以在实施人工智能解决方案六个月后进行类似的调查。
未来展望
医疗机构使用人工智能的未来展望是光明的——但这并非因为其当前的广泛采用。相反，存在如此大的增长空间，加上医疗机构计划更多使用人工智能的统计数据，预示着未来几年将有更深入、更广泛的应用。
例如，88%报告过去12个月的投资回报率为正，因此货币效益具有说服力。同时，尽管只有42%报告使用分析工具，但32%表示计划在不久的将来采用它们。因此，使用人工智能工具的动机和货币效益都已到位。
同时，重要的是要评估和考虑与人工智能相关的陷阱。例如，人工智能也可能损害传统医疗保健。24%的受访者表示，患者使用生成式人工智能(GenAI)进行自我诊断和/或错误信息是未来12个月的主要挑战。
医疗机构的关键将是不断拥抱人工智能并使其成为日常工作的组成部分。随着患者在日常生活中越来越习惯人工智能驱动的体验，他们在接受治疗或诊断时也会期望如此。通过满足他们的需求，医疗机构有助于赢得他们的信任和客户群，同时提高效率。
调查方法
Software Advice 2026年医疗软件趋势调查于2025年9月在线进行，调查对象为400名在美国医疗实践中全职工作的医生。这项研究的目的是了解医疗软件购买者的时限、组织挑战、研究行为和采用过程。受访者经过筛选，以确保他们参与医疗软件购买决策。该研究包括134家小型医疗机构(1-5名持证提供者)、144家中型医疗机构(6-20名持证提供者)和122家大型医疗机构(超过20名持证提供者)。
【全文结束】
