面對迫切的解決方案需求，許多醫療院所正將希望寄託於代理式AI（agentic AI）。根據KPMG的報告，超過三分之二（68%）的機構已將AI代理導入其工作流程。這項技術被用於自動化複雜的後勤流程、與醫療團隊協作，甚至進行病患分流，目的皆是為了在人類醫療工作者供應日益減少之際，減輕臨床醫師的認知負荷，並提升病患的照護品質。

不同類型的數位化

迄今為止，醫療領域的數位化效益一直有限。許多員工抱怨緩慢或過時的技術反而增加了行政負擔，而非減輕負擔。例如，美國的病患資料在2000年代初期已遷移至電子健康紀錄（EHRs），但這些資料仍然分散且依賴人工輸入。

紐約專注於肌肉骨骼健康的學術醫療中心 Hospital for Special Surgery (HSS) 的數位與技術長 Ashis Barad 醫師表示，新型遠距醫療服務和數位照護工具，例如遠端監測器，也存在類似的缺點。他指出，這兩項技術雖然透過消除地理限制改善了醫療可近性，但未能複製面對面照護的品質，也未贏得病患的信任。

他堅稱，代理式AI與這些現有技術不同。AI代理不再依賴人工輸入，也不會將任何稍微超出固定框架的案例轉交給人工處理，而是能夠處理微妙、複雜的情境。它們可以做出自主決策，從專業臨床來源擷取資訊，並隨時間迭代改進，從而讓臨床醫師能夠專注於更高層次的病患照護。

正如 Barad 醫師所言：「代理式AI能簡化、增強、加速並提升您的工作流程效能。」

在 HSS，AI代理已部署於多個領域。它們處理複雜的後端流程，例如過去需要數週才能完成的保險理賠，且涉及 HSS 員工和第三方承包商共同處理大量案件。Barad 醫師表示，現在 AI代理每月可完成 1,100 筆理賠。自實施九個月以來，它們將上訴階段從 45 分鐘縮短至 5 分鐘，並將上訴成功率從 65% 提升至 100%。HSS 現在所有理賠均由內部處理。

在此成功基礎上，HSS 現正與企業級代理式AI開發商 Ema Unlimited 合作，將AI代理部署於非臨床的病患接觸情境，提供AI排程與分流服務。這項服務可透過網路、簡訊或電話全天候24小時使用。它利用對話式AI向病患詢問有關其病情的釐清問題，然後根據地點、保險給付和醫師可預約時間，為病患預約最合適的臨床醫師。

Barad 醫師表示：「它完成了整個循環。」他補充說，AI代理經過「我們所有的情境、所有規則和所有知識庫」的訓練，為病患提供流暢的管道，以獲取世界頂尖外科醫師的高度專業知識。

考量到委託給AI代理的高風險決策，該分流服務內建了安全措施，敏感、複雜或不確定的情境會轉交給人類專家處理。AI代理所做的每個決策都可稽核，且人工人員可隨時介入。病患資料受到安全保護，系統也經過 HSS 所有協定、政策和照護路徑的訓練。Ema 表示，透過保持人工參與，其技術在高效自動化、病患優先安全和人工輔助決策之間取得了平衡。

Barad 醫師指出，隨著這項技術日益普及，醫療院所將有責任確保其系統中內建這些防護措施。在 HSS，所有關於這項技術的決策都需經過一個由 Barad 醫師與一位資深護理主管共同主持的AI小組委員會審核。他解釋說，可能涉及病患照護的AI代理將比後端流程受到更嚴格的審查。

AI代理推動系統層級變革

例如，Barad 醫師計劃在紐約市 HSS 主院區設立一個專門的AI實驗室，此舉旨在普及組織內對這項技術的存取。他解釋說，該實驗室將向所有希望了解或建構AI代理的員工開放，提供資訊豐富的課程和一對一培訓。他說：「我們正在讓代理式AI普及到每個人手中。」

這與 Deloitte 的研究結果相呼應，該研究發現，醫療領域領先的代理式AI採用者更傾向於選擇多代理模型解決方案，重新設計端到端的工作流程，而非僅限於狹隘的解決方案或單一應用案例。

關鍵似乎在於將AI代理整合到整個企業中，將其視為一種通用技術。正如 Barad 醫師所言：「將代理式AI視為單一應用案例是錯誤的……它是一種通用技術，類似於電力。」實際上，這意味著醫療院所需要奠定正確的基礎，才能透過代理式AI實現價值。這包括建立統一的資料策略，將組織內分散的資料來源整合起來，創建一個單一、全面的真實來源。在醫療領域，資料通常分散在多個部門和供應商之間，每個都有自己的老舊IT系統。

在依賴分散資料來源的系統中，衡量指標也往往缺乏標準化的定義。例如，Barad 醫師表示，他曾工作過的每家醫院對「手術開始時間」的定義都略有不同，而這是一個常用於衡量手術室效率的指標。這種分散程度阻礙了AI代理從不同來源或應用程式擷取資訊，並同化使其有別於其他技術的隱性知識。

透過在 HSS 建立更高的資料互通性，面向病患的AI代理可以從病患的臨床照護歷史和臨床醫師的現有建議中獲取資訊，將這些資訊與當前症狀結合，並決定情況是否需要升級轉介，然後通知正確的專科醫師並告知病患。

創造更好的成果

對 Barad 醫師而言，AI代理徹底改革醫療保健並緩解目前資源、可近性和病患照護壓力的潛力是巨大的。他預見未來 90% 的非臨床醫療任務可以由AI代理執行，從而讓臨床醫師能夠專注於他所謂的「高階服務」（white-glove work），即最複雜、專業和敏感的案例。

大多數醫療院所似乎同樣樂觀。根據 KPMG 的研究，84% 的醫療院所已樂於將特定流程的決策權交給AI代理。Barad 醫師說：「我們現在花費太多時間在鍵盤和電腦上，以至於我們實際上沒有做我們應該做的事情。這將使醫療服務回歸人性。」

此內容由 MIT Technology Review 的客製化內容部門 Insights 製作。它並非由 MIT Technology Review 的編輯人員撰寫。其研究、設計和撰寫均由人類作家、編輯、分析師和插畫家完成。這包括問卷的撰寫和問卷資料的收集。可能使用的AI工具僅限於經過嚴格人工審查的次要製作流程。