Penyelidik Korea Cadangkan Penghubung AI antara Klinik Setempat dengan Hospital Utama

Lapisan perantara yang dicadangkan untuk sistem kesihatan yang sesak

Rakyat Korea Selatan membuat 18 lawatan pesakit luar bagi setiap orang pada 2023, berbanding purata OECD sebanyak 6.5. Dengan penggunaan rekod perubatan elektronik melebihi 95%, negara itu menggabungkan infrastruktur digital yang meluas dengan permintaan tinggi untuk konsultasi. Kini, satu pasukan penyelidik mencadangkan penggunaan kecerdasan buatan untuk menghubungkan klinik kejiranan dengan hospital utama secara lebih rapat, bukannya menambah satu lagi kategori institusi perubatan.

Cadangan itu, yang dinamakan Sistem Penjagaan Kesihatan 1.5 Tier, diterbitkan dalam talian pada 2 September 2026 dalam npj Health Systems, jurnal Nature Portfolio. Diketuai Profesor Jung Se-young dari Jabatan Perubatan Keluarga di Hospital Bundang Universiti Kebangsaan Seoul, pasukan itu menghuraikan lapisan AI yang akan membantu klinik menyaring pesakit, bertukar maklumat perubatan, mengesan risiko penyakit yang terlepas pandang dan memantau keadaan kronik antara janji temu.

Makalah perspektif yang diterbitkan menghimpunkan bukti daripada kajian klinikal berasingan. Makalah itu tidak melaporkan percubaan model penjagaan kesihatan secara menyeluruh atau mengumumkan pelaksanaan di peringkat nasional. Hujah utamanya ialah alat AI individu harus disusun mengikut tugas yang perlu dilaksanakan oleh penjagaan primer, bukannya diperkenalkan sebagai produk teknikal yang tidak saling berkaitan.

Profesor Park Sang-min dari Kolej Perubatan Universiti Kebangsaan Seoul dan Ahli Dewan Negara Cha Ji-ho turut mengambil bahagian. Penulis yang disenaraikan termasuk Seong-Ho Han, Eojin Yi, Wooin Seo dan Yeonsoo Kang. Pasukan itu mengumumkan penerbitan tersebut pada 17 September 2026.

Perbezaan antara cadangan dengan sistem yang sudah beroperasi adalah penting. Penulis menganggap Korea Selatan sebagai tempat yang berpotensi untuk menguji rangka kerja itu, sambil mengakui bahawa insentif, tadbir urus institusi dan pemantauan yang diperlukan untuk menyokongnya belum diwujudkan secara meluas.

Fungsi sebenar sistem 1.5 tier

Lapisan perantara yang dicadangkan ialah jambatan teknikal antara penjagaan primer dengan perkhidmatan pakar. Pesakit tetap akan berjumpa doktor tempatan dan menerima rawatan hospital apabila perlu. AI akan menyokong keputusan dan pemindahan maklumat yang menghubungkan kedua-dua persekitaran itu.

Rangka kerja itu menyusun sokongan berkenaan berdasarkan empat fungsi penjagaan primer yang mantap: titik hubungan pertama, penyelarasan, kesyumulan dan kesinambungan. Fungsi ini merangkumi penilaian masalah kesihatan baharu, penyelarasan rawatan antara penyedia, menangani pelbagai keperluan kesihatan dan memastikan rawatan berterusan dari semasa ke semasa.

Misalnya, klinik boleh menggunakan AI untuk mentafsir imej saringan, menyediakan dokumen rujukan dan menggabungkan ringkasan discaj hospital dengan bacaan daripada alat pemantauan pesakit di rumah. Manfaat yang diharapkan ialah gambaran pesakit yang lebih lengkap tanpa memerlukan doktor membina semula gambaran itu secara manual pada setiap lawatan.

Penulis menyifatkan matlamat mereka sebagai usaha menyediakan rawatan teliti dan individu yang dikaitkan dengan perubatan concierge kepada lebih ramai orang. Dalam abstrak makalah itu, pasukan penyelidik menyebut model tersebut sebagai alternatif yang boleh diperluas kepada pendekatan berkenaan:

rawatan concierge untuk semua.

Itu ialah matlamat yang dinyatakan, bukannya hasil yang sudah dibuktikan. Bukti bahawa sesuatu alat meningkatkan tugas tertentu tidak membuktikan bahawa sistem lengkap itu mampu menyediakan rawatan lebih bersifat peribadi tanpa kakitangan atau perbelanjaan tambahan.

Saringan boleh mengesan penyakit, tetapi juga boleh terlepas pandang

Satu contoh datang daripada kajian prospektif di Australia yang menggabungkan fotografi retina automatik dengan saringan AI untuk glaukoma dalam penjagaan primer. Glaukoma yang memerlukan rujukan, iaitu penyakit yang wajar dinilai oleh pakar, dikenal pasti dalam kalangan 18 daripada 161 peserta yang sebelum itu belum didiagnosis, atau 11.2%.

Makalah itu turut memberikan angka prestasi yang meletakkan kadar pengesanan tersebut dalam konteks: sensitiviti 65.0%, spesifisiti 94.6% dan luas di bawah lengkung ciri operasi penerima, atau AUROC, sebanyak 0.80.

Sensitiviti menerangkan sejauh mana ujian mengenal pasti individu yang menghidap penyakit. Spesifisiti pula menunjukkan sejauh mana ujian mengenal pasti individu yang tidak menghidapnya. Sensitiviti yang dilaporkan menunjukkan bahawa pendekatan saringan itu tidak mengesan setiap kes. Spesifisiti yang agak tinggi tidak menghapuskan batasan tersebut.

AUROC mengukur sejauh mana ujian membezakan kes daripada bukan kes merentas ambang keputusan yang berbeza. Nilai 0.80 menunjukkan keupayaan pembezaan yang berguna, tetapi ini tidak sama dengan mengatakan bahawa 80% pesakit menerima diagnosis yang betul.

Hasil ini menyokong penggunaan AI untuk memperluas saringan dan membantu menyalurkan pesakit kepada rawatan yang sesuai. Namun, hasil tersebut tidak menyokong anggapan bahawa keputusan negatif menjamin ketiadaan penyakit. Perbezaan itu penting dalam model yang dicadangkan: bantuan saringan mesti kekal berkait dengan penilaian klinikal dan rujukan.

Rujukan yang lebih baik memerlukan lebih daripada penulisan yang lancar

Bagi penyelarasan, penyelidik merujuk kepada model bahasa besar yang menjana surat rujukan dan ringkasan discaj daripada rekod perubatan elektronik. Makalah itu menyebut ketepatan sehingga 99.25% dalam peringkasan zero-shot, bersama bukti keselarasan yang tinggi dengan ringkasan yang ditulis oleh doktor.

Zero-shot bermaksud model melaksanakan tugasan yang diminta tanpa menerima contoh khusus tugasan dalam penilaian itu. Ini tidak bermakna model tersebut tidak pernah dilatih. Model bahasa besar menjalani latihan yang meluas sebelum diminta menghasilkan dokumen perubatan.

Manfaat yang berpotensi bersifat praktikal. Pesakit yang berpindah daripada klinik setempat ke hospital memerlukan rekod jelas tentang simptom, pemeriksaan dan rawatan. Apabila kembali mendapatkan rawatan dalam komuniti, perubahan ubat dan saranan pakar perlu disampaikan bersama pesakit. Mengautomatikkan draf awal boleh mengurangkan masa untuk mengumpulkan butiran tersebut.

Namun, angka ketepatan yang dipetik itu merujuk kepada penilaian tertentu. Angka itu bukan jaminan bahawa setiap surat rujukan yang dihasilkan di klinik lain akan lengkap atau selamat. Dokumen yang kelihatan kemas masih boleh tertinggal fakta penting, sebab itulah rangka kerja tersebut mengekalkan tanggungjawab profesional terhadap keputusan rawatan.

Penyelarasan juga melangkaui hospital. Makalah itu menghuraikan inisiatif di Nebraska yang menggunakan platform navigasi penjagaan digital untuk mengenal pasti keperluan sosial yang belum dipenuhi, menghubungkan pesakit dengan sumber komuniti dan menyokong susulan melalui pekerja kesihatan komuniti. Contoh itu memperluas cadangan tersebut melangkaui penjanaan dokumen: maklumat sepatutnya membantu menghubungkan pesakit dengan perkhidmatan, bukan sekadar menghasilkan lebih banyak teks.

Imbasan sedia ada boleh mendedahkan risiko yang terlepas pandang

Komponen kesyumulan meneliti sama ada AI boleh membantu doktor am menangani lebih banyak keperluan kesihatan pesakit dengan menggunakan maklumat yang sudah dikumpulkan. Satu contoh ialah saringan oportunistik, iaitu imbasan yang dibuat atas satu sebab turut diperiksa untuk mencari petunjuk keadaan lain.

Dalam projek NOTIFY-1 di AS, AI mengenal pasti kalsium arteri koronari pada imbasan tomografi berkomputer dada sedia ada. Mendapan kalsium boleh menandakan aterosklerosis, iaitu pengumpulan plak dalam arteri. Penyelidik kemudian memaklumkan doktor dan pesakit tentang penemuan itu.

Makalah akademik tersebut melaporkan kadar preskripsi statin sebanyak 51.2% berbanding 6.9% pada enam bulan, perbezaan sebanyak 44.3 mata peratusan dan nisbah kira-kira 7.4 kali ganda. Statin menurunkan kolesterol dan digunakan untuk mengurangkan risiko kardiovaskular bagi pesakit yang layak.

Laporan menggambarkan angka itu sebagai peningkatan daripada 6.9% sebelum saringan kepada 51.2% selepasnya. Namun, laporan akademik membentangkannya sebagai perbandingan pada enam bulan dan menyatakan bahawa tiada pesakit mengambil statin pada peringkat awal. Oleh itu, angka 6.9% tidak seharusnya dianggap sebagai kadar preskripsi pada peringkat awal.

Hasil itu mengukur perubahan dalam preskripsi, bukan pengurangan serangan jantung yang telah dibuktikan. Ia juga mencerminkan intervensi gabungan: pengesanan AI diikuti pemberitahuan kepada doktor dan pesakit. Kesan keseluruhan tidak boleh dikaitkan kepada pengesanan semata-mata.

Bukti untuk sokongan diagnosis yang lebih luas berbeza-beza

Makalah itu turut memetik percubaan rawak bantuan AI untuk spirometri, ujian yang mengukur jumlah udara yang boleh dihembus keluar dan kelajuannya. Ujian ini lazim digunakan untuk menilai gangguan pernafasan.

Sokongan keputusan AI meningkatkan ramalan diagnosis pilihan doktor sebanyak 9.0 mata peratusan merentas kes. Bagi penyakit pulmonari obstruktif kronik, atau COPD, peningkatannya ialah 15.9 mata peratusan. Selang keyakinan 95% yang dilaporkan masing-masing ialah 4.5 hingga 13.3 mata dan 9.0 hingga 22.7 mata.

Angka ini menunjukkan peningkatan dalam tugasan diagnosis, bukannya bukti bahawa AI boleh mengurus penyakit pernafasan secara kendiri. Penulis meletakkan alat sedemikian dalam aliran kerja yang memerlukan pengesahan doktor dan rujukan apabila kes melangkaui skop penjagaan primer.

Satu kajian berasingan oleh Pickhardt dan rakan-rakan memodelkan saringan AI terhadap imbasan CT sedia ada untuk penyakit kardiovaskular, osteoporosis dan sarkopenia, iaitu kehilangan jisim dan fungsi otot. Dalam kohort model yang terdiri daripada individu berusia 55 tahun, pendekatan itu dijangka menjimatkan kos dan menghasilkan hasil klinikal yang lebih baik dalam tempoh 10 tahun berbanding strategi merawat semua orang atau tidak merawat sesiapa pun.

Bukti itu berbeza daripada percubaan klinikal. Model menganggarkan hasil berdasarkan andaian tentang penyakit, rawatan dan kos. Ia boleh membantu menilai sama ada sesuatu pendekatan wajar diuji, tetapi penjimatan yang diunjurkan tidak sepatutnya digambarkan sebagai wang yang sudah dijimatkan oleh rangka kerja Korea yang dicadangkan.

Rawatan diabetes boleh diteruskan antara janji temu

Bagi kesinambungan, penyelidik menumpukan pada maklumat dan rawatan yang berterusan di luar bilik konsultasi. Pemantau glukosa berterusan mengumpulkan bacaan yang kerap, membolehkan pasukan penjagaan melihat corak yang mungkin terlepas daripada pengukuran klinik sekali-sekala.

Ujian rawak sistem Twin Precision Treatment menggabungkan pemantauan glukosa, saranan gaya hidup berpandukan AI dan maklum balas digital. Ujian itu melaporkan bahawa 71.0% peserta diabetes jenis 2 mencapai remisi atau mengurangkan pengambilan ubat.

Itu ialah hasil gabungan. Ini tidak bermakna 71.0% mencapai remisi, atau semua orang dalam kumpulan itu berhenti mengambil ubat. Perbezaan ini penting apabila menerangkan perkara yang boleh dijangka pesakit daripada program seumpamanya.

Di Emiriah Arab Bersatu, model GluCare.Health menggabungkan pemantauan jarak jauh dengan sokongan keputusan klinikal AI. Makalah itu melaporkan penurunan HbA1c sebanyak 2.19 mata peratusan, berbanding 0.10 mata peratusan dengan rawatan standard, iaitu perbezaan 2.09 mata. HbA1c mencerminkan purata glukosa darah dalam tempoh kira-kira dua hingga tiga bulan.

Kedua-dua contoh melibatkan pakej penjagaan, bukan perisian yang bertindak sendirian. Peranti pemantauan, sokongan gaya hidup dan pengurusan klinikal mengiringi komponen AI. Contoh itu menyokong pengujian penjagaan yang lebih berterusan, tetapi tidak membuktikan bahawa AI sahaja menghasilkan peningkatan yang dilaporkan.

Doktor kekal bertanggungjawab dengan tiga gelung keselamatan

Cadangan itu meletakkan tanggungjawab diagnosis dan rawatan pada doktor berlesen serta institusi penjagaan kesihatan. AI akan menyokong pengambilan maklumat, dokumentasi, penentuan keutamaan, penilaian risiko dan pemantauan, bukannya mengambil alih tanggungjawab terhadap pesakit secara kendiri.

Tahap pengawasan akan meningkat mengikut tahap autonomi alat dan kesan daripada hasilnya. Ringkasan pentadbiran dan penjadualan boleh disemak secara retrospektif. Keutamaan triage dan gesaan klinikal memerlukan semakan doktor sebelum tindakan diambil. Diagnosis, preskripsi dan keputusan rawatan lain yang membawa kesan penting memerlukan pengesahan profesional.

Penulis turut menetapkan tiga gelung keselamatan: klinikal, tadbir urus dan pembelajaran. Secara bersama, ketiga-tiganya menjelaskan keperluan untuk menyelia penjagaan, mengekalkan akauntabiliti institusi dan menggunakan pengalaman selepas pelaksanaan untuk memantau serta menambah baik sistem.

Perbezaan ini berguna kerana penilaian makmal atau klinikal yang berjaya tidak menentukan bagaimana sesuatu alat berfungsi selepas digunakan dalam amalan harian. Rangka kerja yang menghubungkan beberapa alat memerlukan pengawasan terhadap perkhidmatan gabungan itu, selain pemeriksaan bagi setiap aplikasi secara individu.

Prinsip yang sama terpakai pada rekod. Penyelidik mencadangkan penggabungan rekod perubatan institusi dengan maklumat yang dijana pesakit daripada peranti boleh pakai, rekod kesihatan peribadi dan terapi digital. Mereka membincangkan istilah klinikal piawai, termasuk SNOMED CT, untuk membantu sistem berbeza mentafsir maklumat yang sama secara konsisten. Rekod digital yang meluas ialah titik permulaan, bukannya bukti bahawa rekod kini sudah boleh berpindah antara institusi dengan lancar.

Mengapa Korea calon untuk ujian, bukan pelaksanaan yang disahkan

Jumlah 18 lawatan pesakit luar bagi setiap orang di Korea Selatan kira-kira 2.8 kali purata OECD sebanyak 6.5, berdasarkan angka yang dipetik untuk 2023. Bersama rekod elektronik yang meluas dan insurans kesihatan nasional untuk seluruh penduduk, jumlah yang tinggi itu memberi alasan kepada penyelidik untuk menguji sama ada sokongan penjagaan primer yang lebih baik boleh mengurangkan penjagaan yang terpecah-pecah dan tekanan terhadap hospital utama.

Namun, penulis mengenal pasti syarat pelaksanaan yang masih belum diselesaikan: insentif yang selaras, lembaga tadbir urus dan infrastruktur untuk pemantauan selepas pelaksanaan belum diwujudkan secara meluas. Cadangan itu tidak menetapkan tarikh mula projek rintis, tarikh akhir pelaksanaan atau komitmen pembiayaan nasional yang disahkan.

Kronologi ini membezakan angka asas sistem kesihatan daripada penerbitan dan pengumumannya:

• 2023: Korea Selatan mencatatkan 18 lawatan pesakit luar bagi setiap orang, berbanding purata OECD yang dipetik sebanyak 6.5.
• 2 September 2026: Makalah perspektif itu diterbitkan dalam talian dalam npj Health Systems, jilid 3, artikel 80.
• 17 September 2026: Pasukan penyelidik mengumumkan penerbitan tersebut.

Penulis mengisytiharkan tiada kepentingan bersaing. Makalah mereka menggariskan agenda untuk menguji model perkhidmatan, bukannya bukti bahawa Korea sudah menyusun semula penjagaan berdasarkan model itu.

Rangka kerja itu turut mencadangkan penggunaan berbeza di tempat lain. Di kawasan bandar berpendapatan tinggi, triage AI dan dokumen automatik akan menyokong klinik yang menghadapi permintaan tinggi terhadap pakar dan tekanan pentadbiran. Di kawasan luar bandar yang kekurangan doktor, jururawat dan pekerja kesihatan komuniti boleh menggunakan alat saringan mudah alih dan merujuk pesakit. Di zon konflik atau bencana, alat ringan yang boleh berfungsi tanpa akses internet mungkin membantu mengekalkan perkhidmatan penting.

Semua itu ialah penyesuaian yang dicadangkan, bukannya pelaksanaan sistem lengkap yang telah dilaporkan. Matlamat umumnya ialah memanfaatkan kapasiti klinikal sedia ada dengan lebih baik sambil memastikan saringan, rujukan dan pemantauan kekal terikat pada penjagaan perubatan yang bertanggungjawab.

Perkara Utama

• Penyelidik Korea mencadangkan lapisan AI yang menghubungkan klinik penjagaan primer dengan hospital pakar, bukannya kategori institusi perubatan baharu.
• Makalah September 2026 itu ialah perspektif yang menghimpunkan kajian berasingan, bukannya percubaan rangka kerja secara menyeluruh.
• Aplikasi yang dicadangkan merangkumi saringan, dokumentasi perubatan, pengesanan penyakit yang lebih luas dan penjagaan antara janji temu.
• Hasil klinikal berbeza mengikut tugasan, dan manfaat daripada program penjagaan gabungan tidak boleh dikaitkan kepada AI sahaja.
• Doktor kekal bertanggungjawab terhadap diagnosis, preskripsi dan keputusan rawatan.
• Korea Selatan dicadangkan sebagai lokasi ujian, tetapi tadbir urus, insentif dan pemantauan belum diwujudkan secara meluas.
• Tiada pengumuman tentang pelaksanaan nasional atau tarikh akhir projek rintis yang disahkan.