到2030年，人工智能将调用多个数据源，揭示疾病模式，并辅助治疗和护理。
医疗卫生系统将能够预测个人罹患某些疾病的风险，并提出预防措施。
人工智能将有助于缩短患者等待时间，提高医院和医疗卫生系统的效率。
2030年1月一个寻常的寒冷日子，正值流感季高峰。十年前每年的这个时候，诊所和医生办公室里总是挤满了等待就诊的病人；如今，临床医务人员和患者可以轻松地在系统中获得所需服务。
那么，发生了什么变化？互联护理已成为现实，这得益于多年来全球医疗卫生系统承受的巨大压力，这些系统缺乏足够的专业医务人员，无法照护人口迅速增长且日益老龄化的群体，也得益于数据科学和人工智能（AI）等强大技术赋能领域的突破。
如今，人工智能能够揭示海量数据中的模式，这些模式过于细微或复杂，人们难以察觉。它通过汇总来自多个来源的信息来做到这一点；这些信息在2020年仍被困在彼此隔绝的数据孤岛中，包括互联家居设备、医疗记录，以及日益增多的非医疗数据。
这一变化在2030年带来的首要重大影响是，医疗卫生系统能够提供真正主动、预测性的医疗保健服务。
1. 人工智能赋能的预测性护理
人工智能和预测分析帮助我们更深入地了解生活中影响健康的各种因素，不仅包括我们何时可能感染流感、遗传了哪些疾病，还包括我们出生在哪里、吃什么、在哪里工作、当地空气污染程度如何，以及能否获得安全住房和稳定收入等。这些因素中有一些是世界卫生组织所称的“健康的社会决定因素”（SDOH）。
到2030年，这意味着医疗卫生系统可以预判一个人何时面临罹患慢性病的风险，并在病情恶化前提出预防措施。这一进展非常成功，受健康的社会决定因素强烈影响的糖尿病、充血性心力衰竭和慢性阻塞性肺病（COPD，慢性阻塞性肺疾病）的发病率终于开始下降。
2. 互联医院与互联护理
预测性护理之外，另一个突破关乎护理发生的地点。到2030年，医院不再是一栋覆盖众多疾病的大型建筑；它转而专注于照护急重症患者和实施高度复杂的治疗，同时通过较小的枢纽和分支机构监测并治疗紧急程度较低的病例，例如零售诊所、当日手术中心、专科治疗诊所，甚至患者家中。
这些地点接入同一套数字基础设施。集中式指挥中心分析临床数据和位置数据，实时监测整个网络的供需情况。该网络不仅利用人工智能发现病情可能恶化的患者，还能消除系统中的瓶颈，确保患者和医疗专业人员被引导至最适合接受护理的地点，或最需要他们的地方。
如今，维系这一网络的纽带不再是地点，而是它所服务的人们的体验——这引出了2030年的第三个重大变化。
3. 为患者和工作人员带来更好的体验
为什么体验如此重要？长期以来，研究表明，对患者而言，体验会直接影响他们能否康复。对临床医务人员而言，改善工作体验也变得日益迫切——十年前，他们开始遭受极高程度的职业倦怠，主要原因是资源有限，却要承受帮助过多患者的压力。
到2030年，人工智能赋能的预测性医疗网络正在帮助缩短等待时间、改善员工工作流程，并承担日益繁重的行政工作。人工智能在临床实践中的应用越广泛，临床医务人员就越信任它能增强他们在手术和诊断等领域的专业能力。
人工智能通过向每位患者、每项诊断和每个治疗操作学习，打造能够适应医务人员和患者需求的体验。这不仅能改善健康结果，还能缓解临床医务人员短缺和职业倦怠，同时使系统在财务上具有可持续性。
这一互联系统覆盖各个社区，由互联护理提供动力，将人员、地点、硬件、软件和服务联结起来，构建真正的护理网络，改善人们终身的健康与福祉。
回到现实
回到2020年，我们距离实现这一愿景仍很遥远。复杂得令人难以应对的技术、IT和数据系统依然阻碍员工工作流程，并威胁临床领域护理的连续性；这些系统本应用于帮助诊断、治疗、监测疾病，并希望能够预防和治愈疾病。
尽管如此，我清楚地看到，这三种设想都有望在未来成为现实。智能系统已经能够执行专业任务，并增强人类能力。例如，人工智能可以在图像中检测癌变病灶、分析并量化医生的记录，或优化急诊护理中的患者流转。在医院内部，人工智能赋能的预测分析已在帮助挽救重症监护病房患者的生命。在医院之外，它有助于识别某些高风险群体，从而通过预防性初级护理或社区护理减少住院需求。
但这是一段漫长而复杂的旅程，没有任何一家公司或组织能够独自完成。我认为，政府、医疗卫生系统和私营企业必须继续合作，确保人工智能系统完全互操作、透明，并防止偏见和不平等。随着医疗保健日益全球化，制定国际标准以保护人工智能使用个人数据的方式，将成为一项紧迫任务。
或许最重要的是，我认为我们必须牢记，人工智能最强大的用途是增强人类能力，而非取而代之。互联护理的核心不是新技术，而是人：需要得到照护的人，以及不辞辛劳地为我们所有人提供护理的人。
