當臨床工作需要快過院方批核流程,醫護人員可能轉用公開AI工具。對新加坡醫院來說,單靠禁止未經批准的工具並不足夠;更實際的做法,是提供容易申請、容易使用的合規選項,同時守住病人安全和責任界線。
5
調查反映甚麼?又沒有反映甚麼?
Nutanix指,79%醫療機構遇到未受管理的AI,83%認為這會帶來業務風險。
5 不過,這些數字來自Nutanix的全球醫療業調查,並非只調查新加坡醫院。
3
因此,數字反映的是醫療業普遍面對的管治挑戰,不能直接當作新加坡的AI使用比例。報道提出的本地問題,是臨床需求與及時取得合規工具之間可能存在落差。
5
令合規工具成為更方便的選擇
Frost & Sullivan董事Rathanesh Ramasundram指出,臨床工作壓力遇上合規工具存取緩慢,未受管理的AI便成為一種可預見的風險。
5 單靠政策,未必能解決取得工具的問題。醫院應先了解醫護人員在哪些工作環節需要支援,再讓他們更方便地申請、使用獲批工具。
管治措施亦要融入實際流程:清楚列明誰可以使用工具、可以輸入甚麼資料、AI輸出如何覆核,以及如何記錄AI參與的決策。這些安排有助處理報道提及的病人資料外洩、輸出不準確及審計追蹤不足等疑慮。
5
按臨床需要安排基建和數據處理
不同醫療工作對基建的要求各異。Nutanix指出,一間深切治療病房可能有15至20部連接裝置,每年產生最多7TB數據;若把所有訊號都送往遠端雲端,可能增加延誤,也會令應用程式依賴外部網絡連線。
1
因此,醫院討論AI管治時,也要考慮工作負載應在哪裏處理,以及數據如何在不同環境之間管理。上述數字說明床邊數據可能有多大量,並不代表每間深切治療病房都一定有相同裝置數目或數據量。
1
先用小規模試點累積證據
試點可以由清晰界定的用途開始,並指定臨床負責人、批准使用的數據範圍,以及評估安全和流程效益的準則。擴大應用的條件、以及需要停止或修改試點的情況,也應預先訂明。
新加坡國立大學醫院(NUH)的做法提供了一個例子:在AI項目由試點走向更廣泛應用前,院方會評估有否明確負責單位、是否配合現有流程、用戶支援是否足夠,以及成果能否量度。
17 這樣可先了解工具和配套流程的實際需要,再決定是否擴大推行。
把流程、基建和管治放在同一張藍圖上
如果系統安全但員工難以使用,未必能紓緩推動非正式AI使用的壓力;如果工具方便但缺乏適當保障,也會帶來另一類風險。醫院需要一併規劃工作流程、基建和管治,而不是把它們當作互不相關的項目。
實際目標,是減少醫護人員使用合規AI時不必要的阻滯,同時保留臨床覆核、使用紀錄和清晰責任。更快取得工具,應該令護理更有支援,而不是取代臨床責任。