医疗信息和管理系统学会（HIMSS）年度会议即将召开，今年的焦点将集中在人工智能（AI）。从自动化行政任务到革新诊断和治疗，AI有望在2025年重塑医疗保健格局。我们收集了来自领先医疗高管和创新者的见解，提供了对预计将在HIMSS25上占据主导地位的关键趋势和讨论的预览。
Michael Poku博士，Equality Health首席临床官，一家基于价值的护理推动者，采用独特的以Medicaid为中心的护理模式
AI、数据共享和预测分析在推动美国医疗系统从按服务收费转向基于价值的护理方面发挥了重要作用。这些技术使提供者能够预测个人健康风险并提供主动的个性化护理，从而促进健康并缩小和消除健康不平等。进入今年的HIMSS，互操作性和数据共享将是关键，预测分析将逐渐演变为规范性分析。这种演变将提供更具可操作性的、基于证据的建议，这些建议可以在实时中由提供者和护理团队成员实施。这些进步将通过不仅关注洞察力，还关注有意义和可衡量的健康行动来可持续地扩大基于价值的护理规模——这对于实现真正的群体健康成功至关重要。
Rom Eizenberg，Kontakt.io首席收入官，提供AI驱动的实时定位系统解决方案
机器人将很快进入医疗系统和医院，而且这一过程将比人们想象的更快。不久之后，在医院待任何一段时间都很难不看到机器人。这些智能移动机器最初将用于诸如递送药物和物资、清洁和消毒房间等常规任务，支持临床医生，但最终将能够与医院班次负责人对话，提出关键运营建议甚至执行这些建议。
Nick Orser，Verato医疗保健总经理，提供医疗主数据管理（hMDM）解决方案
随着医疗组织继续探索AI以改善护理、简化运营和减轻临床医生的工作负担，一个不变的事实是：AI并不是万能药。“垃圾进，垃圾出”的老话从未如此相关。为了使AI项目取得成功，组织必须确保有完整和准确的患者、成员和临床医生数据作为基础——以避免不准确的结果和幻觉，推动有意义的结果，并实现AI的承诺。
Akshay Sharma，Lyric首席AI官，一家致力于简化护理业务的医疗AI公司
技术领导者正在关注AI在医疗中不断演变的角色。2024年是CoPilot之年，而现在对话正转向早期自主代理的崛起。这些AI驱动的系统开始自动化复杂的多模态任务，例如呼叫中心的语音和视觉处理以及文档管理，以前所未有的效率简化操作。虽然它们的部署将提高生产力，但也引发了关于依赖重复任务行业的劳动力影响的重要讨论。
Sean Tobyne博士，Linus Health数据科学和分析副总裁，一家致力于阿尔茨海默病和其他痴呆症早期检测的数字健康公司
健康科技与脑健康的交叉将成为热门话题。AI正在帮助推进对抗阿尔茨海默病和其他痴呆症的斗争。AI赋能的数字工具使初级保健医生更容易早期发现轻度认知障碍——这是痴呆症的前兆——从而将这些患者引导至现有的和新兴的疾病修饰疗法。利用大型语言模型和生成式AI的个性化治疗计划可以让患者采取措施潜在地延缓疾病的进展。在研究方面，AI使设计和进行痴呆症和轻度认知障碍药物的临床试验变得更加容易。这些AI赋能工具在临床研究的所有阶段都增加了显著的好处——从研究筛选和入组到更敏感的数字生物标志物。AI还有望将试验结果转化为行动，使患者和护理人员受益。
Jonathan Shoemaker，ABOUT Healthcare首席执行官，提供基于SaaS的医院运营解决方案，用于入院管理和后期急性安置
随着我们进入HIMSS，技术领导者正在思考AI赋能的患者流动解决方案如何彻底改变提供者与患者之间的互动。通过自动化常规通信和简化工作流程，AI有助于减少手动任务，快速路由消息，确保患者获得所需的快速响应。这一切都是为了改善沟通，减轻行政负担，确保提供者可以专注于真正重要的事情：提供高质量、个性化的护理。
Saurabh Johri，Infermedica首席AI顾问，一家专注于AI赋能症状分析和患者分流的全球数字健康公司
HIMSS上的讨论可能会集中在AI如何演变为能够进行多步规划的主动、情境感知系统。专门的AI代理，每个都专注于特定任务，将协作以支持复杂决策并推动患者结果的可测量改进。这些进步正在加速从AI概念验证到现实世界临床实施的转变，提供者和医疗系统正在采用经过验证的高性能解决方案，这些解决方案可以无缝集成到其工作流程中。
Chris Althoff，emtelligent前高级咨询合作伙伴兼营销主管，开发AI赋能的深度学习技术，结构化医学文本并解锁隐藏的见解
AI将在未来一年内从根本上重塑医疗保健提供者、付款人和生命科学领域的格局。对于提供者而言，AI驱动的解决方案将成为不可或缺的一部分，帮助我们分析来自电子健康记录（EHR）、医疗设备以及社会经济和基因组来源的复杂数据集，提供可操作的见解以增强患者护理和简化运营。在生命科学领域，预计AI将通过优化协议、精炼患者招募和整合真实世界的数据来加速药物发现和试验效率，这将成为标准化的监管期望。付款人也将利用AI来识别护理缺口、自动化风险调整并定制患者计划——提供前瞻性、数据驱动的决策，以改善结果和运营效率。随着这些技术的发展，预计将出现新的医疗保健和AI创新者之间的合作伙伴关系，推动可能性的边界，同时保持严格的隐私标准，如联邦学习。在这个不断发展的领域，医学对齐的AI将是提升医疗质量、个性化和可及性的关键。
Bob Katter，FDB（First Databank, Inc.）总裁，提供帮助医疗专业人员做出精确决策的药物知识
我们将看到围绕生成式AI在整个医疗保健领域的扩展应用产生很多讨论，许多组织已经从试点和早期实施中获得了积极成果。这些早期的GenAI举措主要集中在低风险的行政、调度、收入周期或笔记生成任务上，这些任务间接涉及患者护理。我们将开始看到更多雄心勃勃的GenAI解决方案实施，这些解决方案与患者护理相关，例如临床决策支持建议和患者诊断支持。尽管该技术已显示出通过快速分析大量患者图表数据和临床证据，提供简明的相关见解作为临床医生制定治疗计划（包括药物）的起点的价值，但它并非没有风险。最终，将由临床医生（包括医生和药剂师）充当GenAI的防护栏。
John Orosco，Red Rover Health首席执行官，设计无缝连接第三方软件应用程序与EHR的医疗集成平台
AI在改造医疗系统的角色将成为HIMSS上的主要讨论点，重点在于无缝集成现有基础设施。挑战不仅是推进AI，还要确保它通过自动化重复任务来增强工作流效率，减少医生倦怠。为了让AI充分发挥潜力，医疗IT公司必须优先开发强大的、互操作性解决方案，使AI在临床环境中真正可用。
Ben Scharfe，Altera Digital Health执行副总裁，一家全球健康IT公司
在HIMSS25上，我预计会有讨论集中在AI对电子健康记录的变革性影响，重点关注实现更大的互操作性、增强网络安全和简化行政任务。预计会看到AI赋能诊断的进步以及围绕这些平台中数据隐私和算法偏差伦理考虑的探讨。
Vijayashree Natarajan，Omega Healthcare高级副总裁兼技术主管，一家全球收入周期管理服务提供商
AI与网络安全的融合将成为2025年医疗组织的首要任务，因为该行业努力在保护敏感患者数据的同时，利用AI改善护理交付和运营效率。我们将看到“AI优先”安全框架的出现，这些框架将零信任架构与AI治理控制相结合，确保在一个日益复杂的威胁环境中既创新又受到保护。
Jay Anders博士，Medicomp Systems首席医疗官，使医疗数据相关、可用和可操作
HIMSS25将包括大量关于AI在医疗保健中部署的真实成本的讨论，特别是在使用合成数据和未经测试的算法进行临床和财务决策的领域。医疗组织现在正在超越“LLM博士”的幻想，寻求实施现实的AI治理框架，强调护理点验证和人为监督。我预计对“信任网络”的需求将会增加，医疗组织在此网络中共享经过验证的AI模型和结果数据，为临床AI部署创造更可靠的基础。
Laurence Harris，R1高级副总裁，提供技术驱动的解决方案，旨在改变患者的体验和医疗提供者的财务表现
AI在解决医疗行业的人员短缺问题中发挥着关键作用，通过自动化耗时的任务和减少行政负担来减轻倦怠，提高工作满意度，并提高效率。通过简化工作流程和提高准确性，AI使组织能够保留熟练工人，同时优化患者护理和运营绩效。
Gary Hamilton，InteliChart首席执行官，提供患者参与技术，简化提供者与患者之间的沟通、安排和数据管理
AI有望通过自动化常规查询的响应并将消息定向到正确的资源来革新患者参与。在HIMSS上，我预计会听到很多关于这项技术如何帮助提供者管理不断增长的患者问题量，减少临床医生和工作人员的手动工作量。通过提高消息准确性和效率，AI使提供者能够在日益苛刻的医疗环境中专注于提供高价值护理，同时维持牢固的患者关系。
Mike Esworthy，EnableComp首席战略官，一家专业的收入周期管理公司
我们将看到一个转型转变，即提供者组织寻求与医疗技术合作伙伴进行更深入的合作，利用AI赋能平台来增强而非替代人类专业知识。这种转变将增强对复杂索赔模式和影响报销的法规变化的识别，尤其是在VA索赔方面，同时彻底改变专科索赔管理。真正的突破将是将创建深度临床稳健上诉所需的时间从数小时缩短到数分钟。这一新领域将使提供者能够快速、自信、准确地对每一项被拒的索赔进行上诉，改善财务结果，最重要的是改善患者护理。
George Pappas，Intraprise Health首席执行官，Health Catalyst公司旗下，领先的合规和网络安全组织
AI在医疗组织与黑客之间争夺数据的斗争中扮演着越来越重要的角色。在好人手中，AI赋能工具帮助识别自身组织及其合作伙伴和供应商内部的网络安全漏洞。然而，黑客已经在使用AI开发更复杂和聪明的攻击。不要期望明年会出现明确的赢家。
Colin Banas博士，DrFirst首席医疗官，通过智能药物管理赋能提供者和患者实现更好的健康
虽然AI在医疗中的使用最近获得了更多关注，但许多人的步伐令人沮丧地缓慢。这并不奇怪，因为临床医生倾向于对未经证实的创新持谨慎态度，甚至对已建立的最佳实践也采用缓慢。现在，许多医疗提供者看到了AI在行政功能（如环境监听和笔记创建）方面的价值，我们将终于看到AI在临床支持（如基于患者检查结果和历史的诊断）中的采用增加。对于医疗IT公司而言，这意味着AI在行政功能方面的使用将不再成为差异化因素，而在支持临床功能方面是一个巨大的机会，以缓解不断缩小的医疗劳动力。
Sandra Johnson，CliniComp客户服务中心高级副总裁，提供电子健康记录（EHR）解决方案套件
AI将通过将高级分析集成到实时决策中，重新定义医疗保健，惠及支付方、提供者和生命科学。生成式AI和机器学习将增强护理交付，通过分析来自EHR、可穿戴设备和基因组的大量数据实现精准医学。支付方将使用AI驱动的预测模型来识别高风险人群，优化资源配置并改善护理协调。提供者将采用AI赋能的工作流程以减少行政负担，提高诊断准确性并改善患者结果。PACS和放射科部门将受益于AI，通过增强图像分析实现更快、更准确的诊断和简化的工作流程。生命科学将见证AI驱动的药物发现、临床试验优化和合成数据生成以保护患者隐私的增长。成功将取决于强大的数据治理框架和互操作性标准。道德AI和利益相关者之间的合作将改变医疗保健，从反应性护理转向主动性、个性化的解决方案，使所有各方受益。
Meri Beckwith，Lindus Health联合创始人，“反CRO”为生命科学先锋运行更快、更可靠的临床试验
在临床试验空间中采用集中实时数据监控系统将不再是竞争优势，而是行业标准。这一转变将通过基于生物特征数据主动识别健康风险以防止不良事件的发生，显著增强参与者安全，从而改善健康结果并提供更准确、可靠的试验数据。
Rahul Sharma，HSBlox首席执行官，一家位于亚特兰大的技术支持公司，为医疗组织提供成功和可持续实施基于价值的护理（VBC）的工具和支持
根据《哈佛商业评论》，全球30%的电子数据存储由医疗行业占据，其中近三分之二的数据是以非结构化格式存在的（图表、笔记、图像、音频、视频、扫描文件）。如果这些医疗大数据被数字化和标记得当，可以开发出将护理交付与基于结果的报销模式联系起来的护理模型，从而加快基于价值的护理（VBC）的采用。这将真正有助于创建针对个体化的基于结果的护理计划，这些计划可以编码为CQL以帮助报告指标和支付要求。计算能力的进步以及人工智能（AI）技术中的高级算法模型现在可以提供深思熟虑的洞见，以回顾性和前瞻性的方式改善护理的价值。
Kent Dicks，Life365首席执行官兼创始人，开发虚拟护理技术解决方案，使家庭中的医疗交付成为可能
数据在医疗保健中的作用更加重要，通过增强和滋养AI和机器学习来支持护理交付。越来越多的提供者将依赖AI解释从患者家中收集的实时数据，以实现早期临床干预，从而避免昂贵的急诊室就诊和住院。此外，AI/技术平台将用于应对不断扩大的医疗提供者短缺和老龄化人口之间的差距。通过AI赋能的、以虚拟为先的预防方法，提供者将能够更高效地接触患者，无论他们身在何处。
Patty Hayward，Talkdesk医疗和生命科学总经理，一家全球提供AI赋能客户体验（CX）技术的企业，服务于各种规模的企业
随着新政府的成立，医疗保健行业将迎来又一年的颠覆和变化。医疗组织可以做的最好的准备是提高效率，因为颠覆通常是有代价的，而提供者的利润率已经非常微薄。提供者和付款人可以利用技术和数据来提高运营效率和收入。例如，AI赋能的客户支持平台可以由提供者部署，以启用自助服务、个性化患者旅程、使访问更轻松高效并改善结果。付款人可以通过分析人口数据重新校准风险并主动接触成员以关闭护理差距并增强预防护理，从而降低整体医疗成本。机会就在数据中；它们只需被提取并变得可操作。
Greg Miller，Carta Healthcare营销和业务发展副总裁，其使命是通过释放临床数据的力量点燃医疗改善
医疗系统的财务压力持续增加。医疗系统正在寻找AI在运营和临床工作流程中的应用，以简化流程、减少行政负担并优化资源利用，从而为提供者节省时间和成本。
(全文结束)
