Sunday, November 15, 2026
No menu items!
Solve Education Annual Report 2023
家创新新兴技术最好的医疗 AI 未必能胜...

最好的医疗 AI 未必能胜出:Singapore 揭示了更重要的竞争关键

Singapore 一直在稳步将 AI 融入其医疗体系,从结核病筛查、糖尿病眼病检测,到临床文档记录等多个领域。

然而,技术本身或许并不是这个故事中最重要的部分。

Singapore 真正与众不同的,是支撑这些技术的基础体系:全国电子健康记录、医疗技术监管路径、治理框架,以及越来越有能力将 AI 融入临床工作流程的医疗机构。

这种差异也为 Southeast Asia 提出了一个更大的问题。

随着医疗 AI 变得越来越普及,竞争优势究竟来自开发更优秀的算法,还是来自建立能够安全、大规模部署这些算法的医疗体系?

越来越多的迹象表明,答案可能在于一种可称为“信任基础设施”(trust infrastructure)的体系:包括数据系统、清晰的监管规则、治理机制,以及临床医生的应用准备度。这些条件能够让 AI 不再停留于孤立的试点项目,而是真正成为日常医疗服务的一部分。

对于 ASEAN 各国政府、医疗服务提供者和投资者而言,这类基础设施的重要性可能丝毫不亚于技术本身。

Singapore 的优势,在于 AI 背后的基础体系

Singapore 的 National Electronic Health Record(NEHR,全国电子健康记录)为患者健康信息提供了全国性资料库。自 2011 年以来,公共医疗机构一直向该系统提供数据,私人医疗服务提供者也在逐步加入。

Health Information Bill(健康信息法案)于 2025 年 11 月提交国会,并于 2026 年 1 月通过。该法案将进一步扩大这一框架,要求持牌医疗服务提供者向 NEHR 提交指定的健康信息。

对于 AI 系统而言,这种互联互通的健康数据环境至关重要。

Singapore HealthTech Agency Synapxe 的 Chief Data Officer Andy Ta 表示:“NEHR 不只是一个数据库。它是让整个体系中每一项 AI 工具都值得信赖的基础。没有它,你只是在碎片化的系统中部署一个个彼此孤立的算法。”

但仅靠数据整合,还不足以解释 Singapore 在执行层面的优势。

NUHS–Singtel–Ericsson 合作项目提供了另一个例子。该项目并非先部署 5G 医疗技术,再事后处理治理问题,而是在技术开发和测试过程中,就让多个机构共同参与,涵盖医疗 IT 治理、电信监管和网络安全等领域。

拥有 health tech、AI 和 telecommunications 投资经验、常驻 Singapore 的 venture investor Alex Szomora 表示:“Singapore 的打法其实并不只是一个 5G 故事,而是一个恰好运行在 5G 上的信任架构故事。治理和安全不能事后补上,而必须从第一天就被纳入设计。”

这些基础设施已经开始支持一系列医疗应用。

由 SingHealth 开发的 Note Buddy 利用生成式 AI 协助临床文档记录,可转录医生与患者之间使用 English、Mandarin、Malay 和 Tamil 进行的对话。目前已有超过 2,100 名医疗专业人员使用该系统,并生成超过 16,000 份临床记录。

与此同时,SELENA+ 利用 AI 对视网膜影像进行筛查,以检测糖尿病眼病,并支持 Singapore 更广泛的糖尿病视网膜病变筛查计划。

这些案例都指向同一个底层优势:当 AI 能够在成熟的医疗生态体系中运行,而不是作为一项独立技术存在时,它才能发挥更大的实际价值。

Malaysia 一边部署 AI,一边建设基础

Malaysia 面临着不同的挑战:在部署医疗 AI 的同时,它仍在继续建设支撑这些技术所需的数字基础设施。

该国的 Total Hospital Information System 以及其他数字化项目正在越来越多的医院和诊所中推广,同时,包括胸部 X 光筛查在内的 AI 应用也已经进入测试和部署阶段。

但整个医疗体系中的健康记录整合程度仍不均衡。Health Minister Dr. Dzulkefly Ahmad 也指出,电子病历(EMR)的进一步推广取决于资金是否到位,这凸显出在数字化进程仍在推进之际,实现不同医疗机构互联所面临的现实挑战。

这为 AI 的规模化应用创造了更加复杂的环境。一项工具可能在某家医院或某个医疗网络中表现良好,但到了其他地方,却可能面对不同的数据系统、工作流程或实施条件。

此外,本地化也是一个重要问题。

Szomora 表示:“本地模型的构建,才是让一个试点项目真正转变为医护人员愿意在临床一线信任和使用的工具的关键。”

在一种医疗环境中训练出来的 AI,并不一定能够直接适用于另一种环境。疾病模式、语言、患者群体和临床工作流程都可能存在差异,因此除了模型本身的性能,本地验证和实施能力同样重要。

因此,Malaysia 展现了 ASEAN 医疗 AI 所面临的一个核心挑战:当底层基础设施本身仍处于互联整合阶段时,各国该如何扩大数字医疗工具的应用规模?

Malaysia 正在扩大医疗 AI 的应用,同时仍在建设连接数据、系统和临床工作流程所需的数字基础设施。

Thailand 的 AI 推进受到人口结构压力驱动

Thailand 的医疗 AI 发展则受到另一种压力影响:人口结构变化以及医疗服务能力。

人口老龄化以及医疗专业人员分布不均,正在增加医疗体系的压力。因此,AI 不仅被视为提升生产力的工具,也被探索作为扩大筛查和诊断能力的一种方式。

Thailand 的全民医疗体系已经开始引入 AI 辅助影像技术,包括肺部筛查计划在内的项目,也显示出 AI 如何帮助医疗体系服务更庞大的患者群体。

然而,各地的部署情况并不一致。

Bangkok 的大型教学医院拥有专科医疗网络、互联实验室以及更完善的数字基础设施,而农村和二级医疗机构所处的条件可能截然不同。

这一点十分重要,因为 AI 工具本身无法创造其赖以运行的基础设施。

稳定的网络连接、兼容的健康记录系统、专科医生监督、采购体系以及经过培训的临床人员,都会影响一个成功的试点项目能否真正转变为常规医疗服务的一部分。

因此,Malaysia 和 Thailand 并不能简单地被视为“落后于” Singapore。相反,它们展示了不同医疗体系在从试验走向规模化应用的过程中,会遭遇不同的瓶颈。

AI 可以扩大医疗服务的覆盖范围,但能否实现规模化应用,取决于围绕技术建立的基础设施、互联能力和信任体系。

基础设施仍在哪些环节出现断层

Singapore 所取得的进展,并不意味着只要拥有基础设施,就能自动实现公平、顺畅的 AI 应用。

整个地区仍然面临多项挑战。

数据隐私与治理的重要性会随着健康信息在日益互联的系统之间流动而进一步提升。在扩大临床医疗和 AI 开发的数据访问范围时,必须同时兼顾患者隐私、网络安全和透明度。

采购机制同样可能拖慢部署速度。在一家领先医院成功展示一项 AI 应用,与将其扩展至数百家医疗机构,本质上是完全不同的挑战。

临床医生的接受和采用程度也是另一个关键变量。如果一项技术增加了现有工作流程的复杂性、提供的结果无法获得临床医生信任,或在缺乏充分培训的情况下推出,那么无论模型性能多么优秀,都可能难以得到实际应用。

农村基础设施则造成了另一层差距。Singapore 高度互联的城市医疗体系无法直接复制到地域广阔、分散的 ASEAN 市场。在这些市场中,不同诊所的网络连接、设备和专科支持水平可能存在显著差异。

最后,还有资金可持续性的问题。政府和医疗体系不仅需要决定如何为 AI 试点项目提供资金,还必须回答一个更长期的问题:当这些技术成为常规医疗服务的一部分后,究竟由谁持续承担费用?

这些挑战并没有削弱医疗 AI 的潜力。相反,它们说明,成功部署 AI 最终是一个系统性问题。

除了模型,投资者还应该关注什么?

这种差异也改变了评估 Southeast Asia 医疗 AI 投资机会的方式。

一个技术表现非常出色的模型,如果运行在碎片化的医疗基础设施中,其规模化道路可能反而比不上一个技术创新程度较低、但已经融入互联医疗网络的解决方案。

对于投资者而言,这意味着评估标准不能只停留在准确率或技术先进程度。

这项技术能否获得可靠且可互操作的健康数据?是否存在清晰的监管路径?医院能否顺利采购?它是否能够融入现有临床工作流程?临床人员是否接受过使用培训?试点结束后,是否存在可持续的报销或资金模式?

这些问题能够揭示一家医疗 AI 企业是否真正进入了一个有能力将技术转化为实际应用的生态体系。

这也有助于解释为什么 Singapore 已成为一个重要的区域测试平台。它的优势并不只是能够开发或吸引医疗 AI 技术,而是因为支撑这些技术的大部分制度性基础设施已经存在。

对于规模更大的 ASEAN 市场而言,缩小这一差距可能创造巨大的机会。

Malaysia 拥有更大的医疗市场,同时仍在持续加强数字化整合。Thailand 面临人口结构压力,因此对提高医疗生产力和扩大医疗覆盖范围有着明确需求。随着数字医疗和 AI 生态系统不断发展,Indonesia 和 Vietnam 也代表着重要的未来市场。

因此,商业机会可能并不只属于开发 AI 模型的企业。它也可能延伸至那些解决 AI 周边“不那么显眼”的基础设施问题的企业,包括互操作性、网络安全、临床工作流程整合、数据平台、培训和实施服务。

超越算法:真正的优势不是 AI,而是信任

随着 AI 模型越来越容易获得,仅凭技术能力将越来越难以构筑长期、可持续的竞争优势。

然而,医疗体系却远比 AI 模型更难复制。

那些能够以负责任的方式连接健康数据、建立可信的监管路径、让临床医生做好准备、强化网络安全,并建立可持续应用机制的国家,将更有能力把 AI 从实验性项目转变为真正的医疗基础设施。

这也正是 Szomora 的判断能够概括更大区域机遇的原因:

“谁能建立信任基础设施——互操作性标准、跨境数据框架、临床医生培训——谁就能赢得未来十年,而不是拥有最佳模型的人。”

Singapore 目前提供了一个范例,让我们看到这样的基础体系可能是什么样子。Malaysia 和 Thailand 则展示了不同市场如何在面对各自不同的医疗需求与限制时,建立属于自己的基础体系。

对于 ASEAN 其他国家而言,真正的问题已经不只是“谁能最快采用 AI”。

而是:谁能够建立让 AI 赢得信任、走出试点阶段并实现规模化应用的必要条件。

对于投资者、医疗行业领导者和政策制定者而言,与任何单一算法有多先进相比,这或许将成为衡量区域竞争力更有价值的指标。


编者按:

本文由 NewInAsia editorial fellow Dr. Muhammad Faisal 投稿。Dr. Muhammad Faisal 是一名 clinical writer 和 Pharm-D graduate,专注于 digital health、regulation 和 patient engagement。

他的工作重点探讨信任、治理和政策设计如何影响新兴医疗技术的采用——尤其是在亚洲复杂且涉及多方利益相关者的体系中。

如果您希望向 NewInAsia 投稿,或分享有关 digital health、healthcare innovation,或亚洲医疗体系未来发展的观点,欢迎联系 NewInAsia editorial team。

Read the English article here.

Dr. Muhammad Faisal Arshad, PharmD
Dr. Muhammad Faisal Arshad, PharmD
Dr. Muhammad Faisal,药学博士(Pharm-D),是一位医学撰稿人,擅长将复杂的临床信息转化为清晰、生动的内容,并遵循FDA、EMA和ICH的规范标准。
RELATED ARTICLES

留下一个答复

请输入你的评论!
请在这里输入你的名字

与 NewInAsia 保持联系

获取我们精心挑选的亚洲商业、创新、领导力及新兴趋势报道与深度洞察。

免费订阅,随时可取消。

已订阅? 立即登录。

- Advertisment -spot_img

Most Popular

Recent Comments