實體AI平台統籌醫院運作 解決碎片化物流挑戰

隨著醫療科技的發展，醫院營運的後勤物流（指醫療機構內藥品、設備、病患與人員的運輸與調度等管理流程）日益複雜，許多新技術和資源獨立運作，導致整體效率不彰。業界人士指出，目前醫院面臨的挑戰已從單純的任務自動化，轉變為如何智慧地協調醫院各部門的人員、系統和設備，以實現共同的營運目標。

deliverz.ai 創辦人暨執行長 Amir Nardimon 指出，醫院已投入大量資金在機器人、自動化藥局、氣動管路系統等技術上，但這些系統大多各自獨立運行。關鍵的缺口在於一個能理解整座醫院運作，並持續協調所有資源以達成營運目標的智慧層級。他將此稱為「醫院營運智慧」，這是一種「實體人工智慧（Physical AI）平台」，凌駕於現有基礎設施之上，根據緊急程度、地點、工作量、預測需求和營運優先順序，持續決定由哪個資源（無論是機器人、運輸人員、護理師或其他可用資產）來執行每項任務。

Amir Nardimon 解釋，醫院每天會產生數千個實體決策，例如移動藥物、運送檢體、調派人員，這些決策多半仍是手動、被動且彼此脫節。有別於生成式人工智慧（Generative AI）主要處理資訊，實體人工智慧的目標是協助組織在實體世界中執行工作。此技術能夠處理營運事件、學習醫院的「營運脈動」、辨識模式、預測需求、找出瓶頸，並主動重新分配資源。

許多醫療機構的領導者低估了人工智慧在營運中的角色，他們常將 AI 視為協助臨床醫師的工具，而非醫院的營運神經系統。然而，由於檢體需求緊急、電梯故障、病患運送優先順序變動或人力狀況，醫院的優先事項不斷改變。核心挑戰在於即時判斷下一步該移動什麼、由誰或什麼來移動，以及這項決定會如何影響其他部門，而非只是讓機器人從 A 點移動到 B 點。當醫院專注於整體協調而非單一技術時，大規模自動化才能真正實現。

此類技術的成功，應以提升病患治療時間、增加護理師與病患互動時間、在不大幅增加人力的情況下吸收需求、縮短檢驗周轉時間、減少手術室延誤以及讓病患運輸更具可預測性等指標來衡量。例如，以色列的希巴醫療中心（Sheba Medical Center）便透過此平台，將化療藥物運送時間從約 40 分鐘縮短至 14 分鐘。這不僅讓病患能更早接受治療，也使藥局運作更可預測、護理工作流程更有效率，並將寶貴的臨床時間歸還給照護人員。希巴醫療中心目前也正將此應用擴展到實驗室檢體、切片、病患運送及更廣泛的人力協調。

Amir Nardimon 強調，醫療產業已將病患資訊數位化，未來十年將聚焦於醫院營運的數位化。「醫院營運智慧」將如同電子病歷之於臨床文件，成為醫院績效不可或缺的一部分。能將人員、機器人、設備和基礎設施等實體資源視為一個智慧系統來協調的組織，將更有能力應對人力短缺、財務壓力及不斷增長的病患需求。

參考來源

• Physical AI takes aim at hospitals' fragmented logistics（Healthcare IT News）