可持续人工智能的规模化推广需要将解决方案嵌入工作流程、治理机制和国家优先事项。
推进人工智能规模化应用的机构必须制定指导原则、建立负责任的治理流程、组建强大的创新团队并保持运营纪律。
沙特阿拉伯的费萨尔国王专科医院及研究中心为希望通过人工智能释放切实影响力的领导者提供了一种范例。
人工智能（AI）在医疗保健领域已超越概念验证阶段；如今的问题在于如何将其作为医院数字化战略的一部分，以可持续的方式嵌入其中。试点项目在实验室中往往取得成功，却常在临床实践中失败——低采用率、工作流程整合不佳以及价值实现有限，仍是最大的障碍。
可持续人工智能并非孤立地追逐下一个算法，而是构建一个以采用、治理和可衡量成果为驱动议程的生态系统。这需要一种审慎且系统化的方法，致力于为患者、医疗服务提供者和卫生系统创造切实价值。
沙特阿拉伯的费萨尔国王专科医院及研究中心（KFSHRC）在过去数年间一直在构建自身的生态系统，其中包括一个数字创新中心，涵盖四个关键组成部分：指导原则、治理流程、创新能力和运营纪律。
以下原则与实践不仅适用于医院，也适用于任何寻求以可持续方式大规模实施人工智能的机构。
指导原则
成功推进可持续人工智能实施的努力，并非从技术入手，而是从亟待解决的问题出发，无论是临床决策难题、患者护理缺口，还是运营效率低下。“价值优先，模型其次”这一原则确保各项举措立足于真实需求。与此相一致，人工智能应嵌入日常工作流程，而非叠加其上；这既确保为医护人员带来改善而非负担，也有助于推动其被采用。
战术层面的原则对于支持实施同样至关重要。精干的内部团队在有针对性的合作伙伴支持下，往往能取得比庞大人工智能项目更多的成果。基础设施同样重要；混合式技术骨干架构可能最为理想，即由安全的本地系统为敏感数据提供必要保护，同时借助基于云的算力和安全的开源工具实现可扩展性。
还应在更广泛的生态系统中考虑这些原则；例如，在选择创新合作伙伴和推进商业化时，每个周期内应仅接纳少数高价值初创企业，并由医院（或机构）担任设计伙伴，以确保其解决方案切实应对医疗保健领域的挑战。
治理流程
尽管抽象的指导原则是至关重要的起点，但建立可重复的流程以确保只有正确的解决方案进入患者护理环节同样至关重要。因此，第二个组成部分是制定清晰的流程，用于开发新的人工智能解决方案并管理创新项目管道，这一点不可或缺。在KFSHRC，治理遵循一个七阶段循环：
用例启动：全年均接受提案，但提案将在结构化评审窗口期内进行评估，评估重点包括明确的临床或运营价值、较强的可行性、既定的成功指标以及既往工作的证据。
数据准备：对数据质量、数据溯源和代表性给予严格关注。
设计阶段：团队需决定是内部开发、改造供应商方案，还是与合作伙伴共同开发。
概念验证与价值验证：每个解决方案均需经过分阶段评估：内部技术测试、外部基准测试，最后是领域专家验证。
反馈循环：吸纳终端用户参与，以优化易用性、可靠性和适用性。
整合：除嵌入工作流程外，该流程还明确了后续行动。如果临床医生或工作人员不知道如何应对人工智能的输出结果，其采用必然失败。
下一步：解决方案一经部署，便进入结构化监测阶段，跟踪其使用情况、业务价值和性能表现。包括衍生企业和初创企业合作在内的商业化路径，可确保创新能够超越单一医院实现规模化推广。
该治理流程的设计注重实用性：既非僵化的把关机制，也非放任自流的管道，而是一条兼顾平衡的路径，确保人工智能安全、有影响力并面向未来。
人工智能创新能力
第三个关键组成部分是建立强大的能力，以持续产生并规模化推广人工智能创新。
KFSHRC设立了一个数字创新中心，其核心团队经过审慎设计，规模精简但能力突出，核心成员不足10人，其架构旨在最大化影响力，同时避免重复工作。该中心负责产品管理和数据智能，在过去几年中已部署超过30个人工智能模型。
每一个人工智能工具从一开始就被视为一款产品，配有路线图、成功指标和全生命周期负责制，从而确保解决方案随医院需求不断演进。探索性数据分析与数据集准备相结合，使人工智能模型能够基于干净、具有代表性且记录完备的数据进行训练。
模型随后进入AI+实验室，这是一个创新引擎，负责开发模型、与合作伙伴共同设计并试点人工智能智能体。实验室以探索的方式推动新想法的产生，但始终在治理边界之内进行。重要的是，在此阶段会对创新成果进行仔细审查，以确保其符合国家和国际标准、伦理框架以及内部治理周期。
拥有多学科团队有助于项目的交付与持续推进，在创新速度与治理深度之间取得平衡。
运营纪律
要将有前景的试点项目转化为覆盖全院乃至全机构的影响力，需要运营纪律：即连接战略意图与日常实践的关键做法。这些关键杠杆决定人工智能是仍停留于一系列孤立的案例研究，还是发展为值得信赖、可付诸行动且可持续的生产力倍增器。
KFSHRC的每一项人工智能举措都需要一名内部临床或运营负责人，以确保合作能够产生切实成果，而非沦为“创新表演”。
这一切始于全生命周期问责制。人工智能解决方案绝非“交付即了结”；每个方案都指定有负责人，负责更新、监测，并在系统不再产生价值时予以停用。这确保了项目组合能够随时间不断演进，而非积累大量闲置工具。
平台化思维进一步强化了项目组合管理：机构不应仅开发孤立的项目，而应着眼于基础设施，例如数据登记系统或监测仪表盘，使新模型的部署更加快速、成本更低且更为安全。
为支持人工智能的采用，开展应用型学习循环同样至关重要。培训应嵌入日常工作流程，而不仅限于课堂。具体而言，即员工参与迭代反馈循环，由实际使用情况为改进提供依据。通过这种方式，采用将成为持续的过程，而非一次性推广。
最后，对于具备实施条件的大型机构而言，精心筛选与组织优先事项直接契合的初创企业与供应商合作伙伴组合，有助于提升运营纪律。
可持续的应用型人工智能关乎协同一致：技术、治理、经济和采用相互配合。医疗保健的未来属于那些构建并规模化推广人工智能生态系统的人，而不仅仅是人工智能试点项目。
构建可持续的生态系统
医疗保健领域人工智能的真正价值来自于采用，而非试验。领导者必须制定整合内部人才、外部合作伙伴与清晰治理的战略，确保创新努力产生共享的学习成果和广泛的影响力。
整个体系的优先事项日益清晰：医院应将人工智能整合到日常工作流程中；供应商必须满足当地监管要求；政府则应投资于数据基础设施、治理体系和劳动力能力建设，以推动可规模化的进展。
可持续的应用型人工智能关乎协同一致：技术、治理、经济和采用相互配合。医疗保健的未来属于那些构建并规模化推广人工智能生态系统的人，而不仅仅是人工智能试点项目。
