3 Pelajaran Transformasi Digital Untuk Hospital Swasta

Tekanan pesakit kronik di Malaysia dijangka meningkat lebih 30% menjelang 2030, sementara kos operasi hospital terus naik setiap tahun. Dalam suasana inilah, AI dan transformasi digital bukan lagi “projek IT”, tapi penentu margin, pengalaman pesakit, dan reputasi jenama hospital swasta.

Inilah juga realiti yang dikongsi Afshin Attari, senior director sektor awam di Exponential‑e, bila beliau menegur budaya kesihatan awam UK yang terlalu fokus kepada proses berbanding hasil. Perspektif beliau sangat dekat dengan apa yang sedang dilalui hospital swasta di Malaysia: semua orang bercakap tentang AI, cloud, dan data – tapi tak ramai yang benar‑benar jelas apa langkah praktikal seterusnya.

Artikel ini merumuskan pandangan Afshin dan menterjemahkannya ke dalam 3 pelajaran utama untuk pengurusan hospital swasta Malaysia yang serius mahu menggunakan AI bagi imaging, triage pesakit, teleperubatan dan pengoptimuman operasi.

---

1. Fokus Pada Hasil Pesakit, Bukan Sekadar Proses Tender

Afshin menyatakan dengan sangat jelas: jika organisasi kesihatan terlalu dikongkong proses, mereka akan lambat dan ketinggalan. Realitinya, ramai hospital (termasuk swasta) menghabiskan lebih banyak masa pada dokumen RFP, kertas kerja dan birokrasi dalaman berbanding berdebat tentang satu soalan asas: "hasil apa yang kita mahu capai untuk pesakit dan operasi?"

“Kita perlu seimbangkan semula fokus kepada ‘outcomes’ dan inovasi, bukan proses semata‑mata.” – Afshin Attari

Bagi hospital swasta Malaysia yang sedang melabur dalam AI, pendekatan yang lebih matang ialah mulakan dengan hasil klinikal dan perniagaan, kemudian baru pilih teknologi.

Apa maksud fokus kepada hasil dalam konteks AI?

Contoh sasaran yang jelas dan terukur:

• Radiologi: skrining CT thorax dipercepat dari 7 hari kepada 24 jam dengan bantuan AI triage
• Kecemasan (ED): masa menunggu triage dikurangkan 30% melalui AI symptom checker di kiosk atau aplikasi pesakit
• Teleperubatan: 40% kes susulan penyakit kronik dialihkan kepada konsultasi maya yang disokong decision‑support AI
• Operasi: kadar no‑show berkurang 20% melalui sistem peringatan pintar dan ramalan kehadiran

Bila KPI seperti ini jelas, barulah tender, vendor dan arkitektur teknikal jadi lebih fokus. Proses tetap penting (terutamanya dari aspek undang‑undang dan patuh syariah bagi hospital Islamik), tapi proses sepatutnya menyokong keputusan klinikal – bukan mengawal semuanya.

Cara praktikal untuk pengurusan hospital

1. Tetapkan 3–5 hasil utama untuk inisiatif AI pertama anda (contoh: radiologi + ED + call centre).
2. Dokumentasikan ‘baseline’ sekarang – masa laporan, kadar readmission, kepuasan pesakit.
3. Rangka “business case klinikal”, bukan sekadar business case kewangan: bagaimana AI membantu doktor membuat keputusan lebih cepat, lebih tepat, dan lebih konsisten.
4. Masukkan KPI hasil ini terus dalam kontrak vendor – bukan hanya SLA teknikal seperti uptime 99.9%.

Bila lembaga pengarah dan pengurusan klinikal bercakap dalam bahasa hasil, anda akan elakkan pelaburan AI yang nampak canggih tapi sebenarnya tak menyentuh pengalaman pesakit.

---

2. Gunakan Rakan Teknologi Untuk Tutup Jurang Kepakaran

Afshin menekankan satu hakikat yang ramai pengurus hospital enggan akui secara terbuka: kitar hayat teknologi sudah jadi terlalu pantas. Kalau dulu kitaran 5–6 tahun masih masuk akal, sekarang teknologi AI dan cloud berubah hampir setiap 6–12 bulan.

“Untuk mengharapkan sektor kesihatan sendiri menguasai semua perkembangan ini adalah satu permintaan yang terlalu tinggi.” – Afshin Attari

Di Malaysia, hospital swasta pula bersaing untuk mendapatkan pakar IT dan data saintis yang sama dengan bank, telco dan syarikat teknologi. Ini hampir mustahil jika cuba dibuat secara dalaman 100%.

Model kerjasama yang lebih realistik

Pendekatan yang saya lihat berkesan di beberapa hospital:

• Pasukan klinikal dalaman yang kuat, dengan “AI champion” di kalangan doktor dan jururawat
• Pasukan IT dalaman yang kurus tapi strategik, fokus kepada tadbir urus data, keselamatan dan integrasi
• Rakan teknologi luar yang mengendalikan:
  • infrastruktur cloud (sama ada public atau private cloud tempatan)
  • platform AI imaging, triage dan analytics
  • pemantauan keselamatan siber 24/7
  • kemas kini sistem dan model AI

Inilah peranan yang digambarkan Afshin bila beliau bercakap tentang bagaimana Exponential‑e membina private cloud pathology yang membolehkan beberapa hospital berkongsi data dengan selamat dan seterusnya bersedia untuk integrasi AI bagi pengesanan anomali.

Hospital swasta di Malaysia boleh mengambil konsep yang sama:

• “Sovereign cloud” versi tempatan – data pesakit kekal dalam negara, dipatuhi garis panduan KKM dan PDPA
• Platform berkongsi antara rangkaian hospital di bawah satu kumpulan, supaya data cukup besar untuk melatih dan menyesuaikan model AI

Soalan yang wajar ditanya kepada bakal rakan teknologi

Sebelum menandatangani sebarang kontrak AI, pengurusan hospital sepatutnya bertanya soalan seperti:

1. Di mana data akan disimpan dan siapakah pemilik sebenar data?
2. Bagaimana data pesakit disulitkan dan dipisahkan antara hospital?
3. Apakah pelan latihan pengguna (doktor, jururawat, radiografer, staf pentadbiran)?
4. Sejauh mana sistem ini boleh diintegrasi dengan EMR/HIS sedia ada?
5. Siapa yang bertanggungjawab jika berlaku insiden keselamatan siber atau kegagalan model AI?

Hospital yang memilih rakan teknologi semata‑mata kerana harga paling murah biasanya akan “membayar balik” dalam bentuk masalah integrasi, downtime, dan ketidakpercayaan pengguna klinikal.

---

3. Belajar Dari COVID‑19: Bila Fokus Pada Keperluan, Keputusan Jadi Pantas

Afshin memberi contoh yang sangat kuat semasa pandemik COVID‑19: apabila keperluan mendesak, sistem awam UK mampu melaksanakan teleperubatan di penjara dan akses jauh kepada rekod pesakit untuk 10,000 doktor dalam masa yang singkat. Malah mereka mengatur semula panggilan dari ratusan klinik GP ke platform cloud supaya tiada panggilan pesakit tidak dijawab.

Di Malaysia, kita pun ada pengalaman sama – hospital swasta terpaksa mempercepatkan telekonsultasi, triage digital, dan integrasi makmal. Bezanya, banyak solusi yang diaktifkan secara “ad hoc”, tanpa pelan jangka panjang.

Pelajaran utama daripada pengalaman ini:

• Bila prioriti jelas (keselamatan nyawa, kesinambungan rawatan), organisasi boleh melonggarkan sedikit kekangan biasa dan memberi keutamaan pada hasil.
• Governance, polisi dan kontrak masih penting, tetapi boleh disusun selari, bukan menghalang semua perkara di barisan hadapan.

“Semasa Covid, fokus utama ialah ‘apa yang perlu kita capai’ dan ‘bagaimana nak jadikan ia berlaku’. Selebihnya – tadbir urus dan kontrak – kita susun selepas itu.” – Afshin Attari

Mengaktifkan semula “mentaliti krisis” untuk projek AI

Walaupun kita kini berada di fasa pasca pandemik, hospital swasta sebenarnya boleh mengekalkan semangat tersebut dengan cara yang lebih terkawal:

1. Tetapkan projek perintis (pilot) yang sempit tapi kritikal – contohnya AI untuk mempercepat bacaan X‑ray dada di ED.
2. Lantik “task force lintas fungsi” (doktor, IT, kewangan, operasi) dengan mandat jelas dan tempoh masa pendek (3–6 bulan) untuk menguji.
3. Gunakan kontrak fasa – MVP dulu, kemudian skala bila terbukti berkesan.
4. Seawal mungkin, selaraskan dengan jabatan undang‑undang dan risk management – tapi jangan jadikan mereka alasan untuk tidak mencuba.

Ini jauh lebih berkesan daripada cuba merancang “transformasi AI seluruh hospital” dalam satu projek mega yang akhirnya tenggelam dalam mesyuarat dan dokumen.

---

4. AI Dalam Hospital Swasta: Di Mana Patut Bermula?

Daripada pengalaman UK dan trend di Malaysia, ada beberapa bidang penggunaan AI yang biasanya memberikan nilai pulangan paling cepat untuk hospital swasta.

4.1 Medical imaging & diagnostik

Ini selalunya pintu masuk paling mudah:

• AI menyaring imej CT, MRI, mamogram atau X‑ray untuk mengesan ciri yang mencurigakan
• Kes berisiko tinggi diutamakan untuk dibaca radiologis terlebih dahulu
• Model AI membantu mengurangkan variasi antara pembaca dan menambah keyakinan doktor

Di sini, peranan vendor adalah menyediakan model yang sudah diaudit dan dilatih, manakala hospital memantau prestasi dalam konteks tempatan (contoh: profil penyakit di Malaysia, perbezaan etnik dan jantina).

4.2 Triage pesakit & pusat panggilan

Afshin berkongsi bagaimana panggilan ke klinik GP semasa lockdown di UK tidak dibiarkan tak berjawab melalui penyusunan semula sistem telefon ke cloud. Hospital swasta Malaysia boleh membawa konsep ini lebih jauh dengan AI:

• Chatbot atau agent AI untuk soalan asas (operasi, insurans, semakan temujanji)
• Sistem triage berasaskan simptom untuk menghantar pesakit kepada klinik yang betul
• “Virtual queue” yang memberi anggaran masa menunggu supaya pesakit tak rasa dipinggirkan

Ini bukan sahaja meningkatkan pengalaman pesakit, malah mengurangkan beban staf kaunter dan nurse triage.

4.3 Teleperubatan & pemantauan jarak jauh

Ramai pesakit, khususnya golongan profesional bandar, sudah selesa berurusan bank dan beli barang secara digital. Afshin menyebut perkara yang sama: rakyat biasa sudah biasa mengurus hidup mereka melalui aplikasi; mereka juga mahu melakukan perkara sama untuk kesihatan.

Hospital swasta boleh memanfaatkan AI untuk:

• Menganalisis data dari wearable / glucometer / BP monitor untuk pesakit kronik
• Mengeluarkan amaran awal kepada pasukan klinikal bila trend merisaukan
• Menjadualkan semula temujanji jika parameter pesakit stabil (menjimatkan masa dan kos bagi kedua‑dua pihak)

4.4 Pengoptimuman operasi dan jadual

AI juga sangat berguna di belakang tabir:

• Ramalan jumlah pesakit berdasarkan musim, cuti umum dan tren penyakit
• Pengoptimuman jadual OT dan penggunaan katil supaya occupancy tinggi tetapi selamat
• Ramalan stok ubat dan peralatan perubatan bagi mengelakkan kehabisan stok atau pembaziran

Benda‑benda ini nampak tidak dramatik, tapi inilah yang sering membezakan margin sihat dengan margin yang tertekan.

---

5. Tadbir Urus, Keselamatan & Kepercayaan: Jangan Diserahkan Bulat‑Bulat Pada Vendor

Afshin mengakui kebimbangan besar sektor awam: keselamatan siber, kebocoran data dan kekurangan kemahiran teknikal. Semua ini juga sangat relevan untuk hospital swasta Malaysia, terutama selepas beberapa serangan ransomware terhadap institusi kesihatan di rantau ini.

Walaupun vendor boleh membantu, tanggungjawab muktamad masih pada pemilik hospital dan pengamal perubatan.

Beberapa amalan yang patut dijadikan standard minimum:

• Struktur tadbir urus AI yang jelas: siapa meluluskan penggunaan model baru, siapa memantau bias dan prestasi
• Penilaian risiko klinikal bagi setiap use case AI – adakah AI hanya cadangan, atau mempengaruhi keputusan rawatan secara langsung?
• Latihan staf klinikal yang berterusan – laporan UK menunjukkan latihan EPR yang terhad meningkatkan risiko mudarat pesakit; perkara sama boleh berlaku bila AI digunakan tanpa latihan cukup
• Simulasi insiden keselamatan sekurang‑kurangnya setahun sekali: apa berlaku jika sistem AI imaging offline? Jika chatbot digodam?

Hospital yang serius dalam hal ini akan membina kepercayaan pesakit dan doktor, dan secara tidak langsung mengukuhkan kedudukan mereka sebagai penyedia penjagaan kesihatan premium yang benar‑benar selamat dan bertanggungjawab.

---

Penutup: Masa Untuk Hospital Swasta Mengubah “Niat Baik” Jadi Projek Nyata

Pandangan Afshin Attari menggambarkan satu realiti yang saya sering nampak di Malaysia juga: visi digital semua orang cantik di atas kertas, tetapi runtuh di peringkat pelaksanaan kerana:

• terlalu fokus pada proses, bukan hasil
• cuba buat sendiri tanpa rakan teknologi yang betul
• takut dengan risiko sehingga apa‑apa percubaan pun tidak bermula

Padahal, pengalaman pandemik sudah menunjukkan bahawa bila keperluan jelas, sistem kesihatan boleh bertindak pantas, bekerjasama dengan industri, dan mengubah cara rawatan disampaikan dalam masa beberapa minggu, bukan tahun.

Untuk hospital swasta yang mahu kekal relevan dalam 3–5 tahun akan datang, langkah seterusnya cukup jelas:

1. Pilih 1–3 use case AI yang berkaitan terus dengan pesakit dan operasi anda sekarang.
2. Tetapkan KPI hasil yang terukur dan selaraskan dengan lembaga pengarah dan pasukan klinikal.
3. Cari rakan teknologi yang mampu menyediakan platform selamat, mematuhi peraturan tempatan, dan sanggup berkongsi risiko.
4. Mulakan projek perintis dengan tempoh masa yang jelas – kemudian skala bila berjaya.

Hospital yang berani bergerak dari peringkat “strategi di slaid PowerPoint” kepada pelaksanaan sebenar akan menjadi penentu standard baru penjagaan kesihatan swasta di Malaysia – di mana AI bukan sahaja slogan pemasaran, tetapi benar‑benar dirasai dalam pengalaman pesakit setiap hari.