当临床需求来得比合规工具更快，医护人员可能转而使用公共 AI 工具。对新加坡医院来说，解决之道不只是禁止未获批准的工具，还要提供实际可用、纳入治理的替代方案，同时把患者安全与责任追溯放在首位。5

调查数据说明了什么，又没有说明什么

Nutanix 表示，79% 的医疗机构遇到未受管理的 AI，83% 认为由此带来业务风险。5 这些数字来自 Nutanix 的全球医疗行业企业云指数调查，并不专门反映新加坡医院的情况。3

这一区别很重要：调查显示的是医疗行业普遍面临的治理难题，不能据此推断新加坡医院的 AI 使用比例。相关报道提出的本地问题，是临床需求与及时获取获批工具之间存在落差。5

让合规工具成为更顺手的选择

Frost & Sullivan 的 Rathanesh Ramasundram 指出，当临床工作压力遇上获批工具获取缓慢，未受管理的 AI 风险并非意外。5 单靠制定政策无法消除使用障碍。医疗机构应找出一线人员需要 AI 协助的环节，并让他们能够方便地申请、访问和使用获批工具。

治理也应贯穿使用流程：明确哪些人可以使用工具、能输入哪些信息、如何审核输出，以及如何记录 AI 辅助的决策。这些措施有助于应对报道所指出的患者数据暴露、输出不准确和审计追踪不足等问题。5

根据临床任务安排基础设施

医疗工作负载对基础设施的需求并不相同。Nutanix 表示，一个重症监护病房可能配有 15 至 20 台联网设备，每年产生的数据量最高可达 7 TB。若把所有信号都发送到远端云端，可能增加延迟，也会让应用依赖外部网络连接。1

因此，治理讨论也应包括工作负载放在哪里处理：医疗机构需要考虑哪些任务对时效要求较高，以及数据如何在不同环境中流转。这些数字体现的是床旁数据可能达到的规模，并不代表每间重症监护病房的设备数量或数据量都相同。1

先用小规模试点积累证据

可以从边界清晰的应用场景开始，指定临床负责人，明确获准使用的数据范围，并预先设定评估安全性和工作流程价值的标准。扩大试点的条件，以及需要暂停或调整的情形，也应事先说清楚。

国立大学医院（NUH）报道的做法提供了一个实例：在 AI 项目从试点走向更大范围应用前，医院会评估项目是否有业务负责人、是否适配现有流程、是否有用户支持，以及能否取得可衡量的成果。17 这样，医疗机构可以先了解工具及其配套流程的实际要求，再决定是否扩大部署。

把流程、基础设施和治理放在同一张规划图上

如果系统安全，却不便于一线人员使用，就未必能缓解推动“影子 AI”出现的压力；工具若足够方便却缺少适当保障，也会带来另一类风险。因此，医院需要把工作流程、基础设施和治理作为相互关联的工作来规划，而不是各自孤立推进。

实际目标是减少合规 AI 从申请到使用过程中的不必要阻力，同时保留临床审核、可追溯记录和明确责任。让获批工具更容易使用，是为了支持负责任的医疗服务，而不是取代临床判断。

当临床需求来得比合规工具更快，医护人员可能转而使用公共 AI 工具。对新加坡医院来说，解决之道不只是禁止未获批准的工具，还要提供实际可用、纳入治理的替代方案，同时把患者安全与责任追溯放在首位。5

调查数据说明了什么，又没有说明什么

Nutanix 表示，79% 的医疗机构遇到未受管理的 AI，83% 认为由此带来业务风险。5 这些数字来自 Nutanix 的全球医疗行业企业云指数调查，并不专门反映新加坡医院的情况。3

这一区别很重要：调查显示的是医疗行业普遍面临的治理难题，不能据此推断新加坡医院的 AI 使用比例。相关报道提出的本地问题，是临床需求与及时获取获批工具之间存在落差。5

让合规工具成为更顺手的选择

Frost & Sullivan 的 Rathanesh Ramasundram 指出，当临床工作压力遇上获批工具获取缓慢，未受管理的 AI 风险并非意外。5 单靠制定政策无法消除使用障碍。医疗机构应找出一线人员需要 AI 协助的环节，并让他们能够方便地申请、访问和使用获批工具。

治理也应贯穿使用流程：明确哪些人可以使用工具、能输入哪些信息、如何审核输出，以及如何记录 AI 辅助的决策。这些措施有助于应对报道所指出的患者数据暴露、输出不准确和审计追踪不足等问题。5

根据临床任务安排基础设施

医疗工作负载对基础设施的需求并不相同。Nutanix 表示，一个重症监护病房可能配有 15 至 20 台联网设备，每年产生的数据量最高可达 7 TB。若把所有信号都发送到远端云端，可能增加延迟，也会让应用依赖外部网络连接。1

因此，治理讨论也应包括工作负载放在哪里处理：医疗机构需要考虑哪些任务对时效要求较高，以及数据如何在不同环境中流转。这些数字体现的是床旁数据可能达到的规模，并不代表每间重症监护病房的设备数量或数据量都相同。1

先用小规模试点积累证据

可以从边界清晰的应用场景开始，指定临床负责人，明确获准使用的数据范围，并预先设定评估安全性和工作流程价值的标准。扩大试点的条件，以及需要暂停或调整的情形，也应事先说清楚。

国立大学医院（NUH）报道的做法提供了一个实例：在 AI 项目从试点走向更大范围应用前，医院会评估项目是否有业务负责人、是否适配现有流程、是否有用户支持，以及能否取得可衡量的成果。17 这样，医疗机构可以先了解工具及其配套流程的实际要求，再决定是否扩大部署。

把流程、基础设施和治理放在同一张规划图上

如果系统安全，却不便于一线人员使用，就未必能缓解推动“影子 AI”出现的压力；工具若足够方便却缺少适当保障，也会带来另一类风险。因此，医院需要把工作流程、基础设施和治理作为相互关联的工作来规划，而不是各自孤立推进。

实际目标是减少合规 AI 从申请到使用过程中的不必要阻力，同时保留临床审核、可追溯记录和明确责任。让获批工具更容易使用，是为了支持负责任的医疗服务，而不是取代临床判断。