AI dalam Hospital Swasta: Belajar dari Strategi NHS

AI dalam Penjagaan Kesihatan (Hospital Swasta & Penyedia Kesihatan)••By 3L3C

Apa yang NHS buat dengan AI hari ini memberi pelajaran langsung kepada hospital swasta di Malaysia tentang cara melaksana AI yang benar-benar mengubah klinik dan operasi.

AI kesihatanhospital swastatransformasi digitalpengimejan perubatantelemedicinepengurusan hospitaltriage pesakit
Share:

AI dalam Hospital Swasta: Belajar dari Strategi NHS

Pada 2025, perbelanjaan global untuk teknologi AI dalam penjagaan kesihatan dianggarkan melepasi puluhan bilion dolar setahun. Di UK, NHS sedang memecut penggunaan awan, analitik dan AI walaupun berdepan kekangan bajet dan birokrasi yang berat. Menariknya, pelajaran terbesar daripada pengalaman mereka sangat berguna untuk hospital swasta di Malaysia yang sedang meningkatkan pelaburan dalam AI.

Inilah intipati pandangan Afshin Attari, senior director sektor awam di Exponential-e. Fokus beliau jelas: pindahkan tumpuan daripada proses semata-mata kepada hasil klinikal dan operasi, dan bina kerjasama yang rapat dengan rakan teknologi yang betul. Untuk hospital swasta di Malaysia, ini bukan sekadar cerita tentang NHS – ini peta jalan yang praktikal.

Artikel ini melihat bagaimana strategi digital sektor awam di UK boleh diterjemah kepada tindakan konkrit untuk hospital swasta di Malaysia, khususnya dalam konteks AI untuk pengimejan perubatan, triage pesakit, telemedicine, pengoptimuman aliran kerja hospital dan perancangan rawatan peribadi.

1. Dari Proses ke Hasil: Mindset AI yang Hospital Swasta Selalu Terlepas

Kejayaan AI dalam penjagaan kesihatan lebih banyak bergantung pada cara kita membuat keputusan, berbanding jenis algoritma yang digunakan. Ini poin utama yang Attari ulang berkali-kali apabila bercakap tentang transformasi digital sektor awam di UK.

Beliau menegaskan keperluan "rebalancing of the dial" – menukar fokus daripada:

  • Dokumen tender yang terlalu terperinci,
  • proses perolehan yang kaku,
  • ketakutan terhadap risiko siber,

kepada fokus yang lebih berat pada:

  • hasil klinikal (keselamatan, ketepatan diagnosis, masa menunggu),
  • kecekapan operasi (masa kitaran, penggunaan katil, utilisation pakar),
  • pengalaman pesakit (akses, komunikasi, kebolehan self-service).

Apa ertinya untuk hospital swasta di Malaysia?

Dalam banyak projek AI yang saya lihat, hospital bermula dengan soalan seperti “nak beli sistem apa?” sedangkan soalan sebenar patut bermula dengan:

  • “Bagaimana kita nak kurangkan masa laporan CT dari 48 jam ke 4 jam?”
  • “Bagaimana kita pastikan tiada panggilan ke call centre yang tidak dijawab?”
  • “Bagaimana kita bebaskan 2 jam sehari masa doktor daripada kerja dokumentasi?”

Bila hasil didefinisikan dengan jelas, barulah:

  1. Jenis AI yang sesuai boleh dikenal pasti (contoh: AI pengimejan, NLP untuk nota klinikal, chatbot triage).
  2. Infrastruktur digital boleh direka ikut keperluan sebenar (contoh: awan peribadi, hospital data platform).
  3. Model ROI jadi lebih jelas – bukan sekadar kos lesen, tetapi perbezaan ketara pada KPI klinikal dan kewangan.

Realitinya, kebanyakan hospital swasta "terkunci" dalam mindset projek IT tradisional: beli sistem, latih staf, harap ia membantu. Pendekatan NHS yang dikongsi oleh Attari menunjukkan satu cara lebih matang dan lebih tegas: mula dengan hasil, kemudian pilih teknologi.

2. Melompat Jurang Kepakaran: Kenapa Rakan Teknologi Bukan Sekadar Vendor

Attari sangat jujur tentang satu hakikat: kitaran inovasi teknologi kini sekitar 6 bulan, bukannya 5–6 tahun seperti dahulu. Untuk hospital, sukar – hampir mustahil – untuk sentiasa mengejar kadar perkembangan sebegini dengan pasukan dalaman sahaja.

Beliau menyebut bagaimana Exponential-e berperanan "bridging the capability gap" – mengisi jurang kemahiran, pengalaman dan kapasiti yang NHS tak mampu sediakan sendiri.

Apa pelajaran untuk hospital swasta Malaysia?

Hospital swasta biasanya mempunyai kelebihan bajet berbanding sektor awam, tetapi masih menghadapi 3 isu yang sama:

  1. Kekurangan bakat AI & data di dalam organisasi.
  2. Sistem lama (legacy) yang berpecah-belah – HIS lain, PACS lain, sistem billing lain.
  3. Risiko siber dan pematuhan data yang semakin kompleks.

Cara UK mengatasinya memberi beberapa panduan praktikal:

  • Pilih rakan teknologi, bukan hanya pembekal. Cari pihak yang boleh:

    • bantu mereka bentuk kes penggunaan (use case) yang realistik,
    • co-design workflow bersama doktor dan jururawat,
    • memikul sebahagian risiko teknikal (slas, security posture, monitoring berterusan).

  • Letakkan tanggungjawab keselamatan dan kebolehskalaan pada rakan yang betul.

    • Serahkan pembinaan platform awan peribadi, zero-trust network, pengurusan identiti dan akses kepada pihak yang memang "hidup dan bernafas" keselamatan siber.

  • Bina pasukan hibrid.

    • Gabungkan klinikal (doktor, jururawat, farmasi), operasi (COO, nursing manager) dan teknologi (CIO, data scientist, vendor) dalam satu "AI governance squad".

Hospital yang terus menganggap vendor sebagai "penjual sistem" akan sentiasa rasa tertinggal. Hospital yang menganggap mereka sebagai rakan strategik jangka panjang jauh lebih bersedia untuk mengembangkan penggunaan AI dari pilot ke skala seluruh hospital.

3. Contoh Nyata: Dari Patologi Digital di UK ke Pengimejan di Malaysia

Satu contoh yang Attari kongsi ialah National Pathology Imaging Co-operative (NPIC) di UK. Exponential-e menyediakan platform awan peribadi berdaulat (sovereign private cloud) yang:

  • menyimpan data patologi secara selamat,
  • membenarkan pelbagai hospital berkongsi dan menarik data untuk tujuan diagnostik,
  • mewujudkan asas untuk penggunaan AI bagi mengesan anomali.

Ini bukan sekadar projek IT. Ini perubahan cara kerja pakar patologi di seluruh negara.

Bayangkan versi Malaysia untuk hospital swasta

Kita boleh bina senario yang sangat serupa untuk pengimejan perubatan dan perancangan rawatan:

  1. Konsortium pengimejan swasta

    • Beberapa hospital swasta di Lembah Klang dan negeri lain berkongsi satu platform awan perubatan.
    • Semua imbasan CT, MRI, mamogram, X-ray disimpan dalam format piawai dan dianonimkan untuk tujuan penyelidikan dan pembangunan model AI.

  2. AI untuk sokongan radiologi

    • Model AI dilatih atas data tersebut untuk:
      • mengesan nodul paru-paru awal,
      • menilai pendarahan intrakranial,
      • menanda kawasan mencurigakan pada mamogram.
    • Radiologis kekal sebagai pembuat keputusan akhir, tetapi laporan awal AI mengurangkan masa bacaan, terutama waktu puncak.

  3. Kesan klinikal dan komersial

    • Masa menunggu laporan untuk kes kritikal turun daripada, katakan 24 jam kepada kurang 2 jam.
    • Hospital boleh menonjolkan perkhidmatan "AI-assisted imaging" sebagai kelebihan kompetitif untuk pesakit antarabangsa dan insurans premium.

Model NPIC menunjukkan dua perkara penting:

  • Kebersamaan data antara organisasi tidak semestinya mengorbankan keselamatan, jika infrastruktur betul dibina.
  • AI bukan fasa akhir, tetapi sebahagian "fasa seterusnya" selepas asas digital (cloud, integrasi, standard data) dibina dengan kemas.

Hospital swasta di Malaysia yang terus fokus beli AI point-solution tanpa bina "lapisan platform" di belakang akan cepat tersekat.

4. Pandemik COVID-19: Bukti Bahawa Birokrasi Boleh Dilonggarkan

Attari mengingatkan bagaimana semasa pandemik COVID-19, banyak hal yang dulunya "mustahil" tiba-tiba jadi boleh:

  • Telemedicine dipasang di penjara melalui kerjasama Kementerian Keadilan dan NHS England.
  • 10,000 GP diberikan akses rekod kesihatan secara remote dengan selamat.
  • Platform telefon berasaskan awan membolehkan panggilan pesakit ke klinik tidak lagi masuk ke talian mati – semuanya dialihkan kepada staf klinikal yang bekerja dari lokasi jauh.

Fokus pada masa itu sangat jelas: hasil dan keperluan klinikal mengatasi birokrasi sementara, dengan tadbir urus dan kontrak disusun semula kemudian.

Apa yang hospital swasta boleh belajar?

Walaupun kita sudah keluar dari fasa kritikal pandemik, logiknya masih relevan:

  • Jika hasilnya cukup penting, organisasi boleh bergerak jauh lebih laju daripada biasa.
  • Proses perolehan, penilaian risiko dan dokumentasi boleh direka semula supaya:
    • tetap mematuhi undang-undang dan standard,
    • tetapi tidak mematahkan inovasi.

Bagi AI dalam hospital swasta, ini bermaksud:

  1. Mulakan dengan projek perintis yang kecil tetapi berimpak tinggi.

    • Contoh: AI triage untuk chat di laman web hospital, sistem AI note-taking untuk konsultasi psikiatri atau neurologi, pemantauan jauh (remote monitoring) untuk pesakit kronik berinsurans premium.

  2. Gunakan kerangka tadbir urus AI yang ringan tetapi jelas.

    • Prinsip: keselamatan, ketelusan, accountability klinikal.
    • Proses: committee ringkas yang boleh meluluskan projek perintis dalam masa 2–4 minggu, bukan 6–12 bulan.

  3. Bina budaya "test–learn–scale".

    • Pilot 3–6 bulan,
    • ukur metrik klinikal dan pengalaman pengguna,
    • jika berjaya, barulah diluaskan ke jabatan atau hospital lain dalam rangkaian.

Ini jauh lebih berkesan daripada menunggu "pelan AI 5 tahun" yang terlalu teoritikal dan tidak bergerak.

5. Self-Service Pesakit dan Pengoptimuman Aliran Kerja: Di Sini AI Sangat Menjimatkan

Satu lagi perkara yang Attari tekankan ialah bagaimana rakyat sudah biasa mengurus hidup mereka melalui teknologi – dari e-wallet hingga tempahan penerbangan. Dalam kesihatan, mereka mula mengharapkan perkara yang sama.

Jika hospital swasta tak menyediakan pengalaman digital yang lancar, pesakit premium akan cari tempat lain.

Di mana AI boleh memberi impak segera?

Berikut beberapa kawasan "rendah gantung" (low-hanging fruit) untuk hospital swasta Malaysia:

  1. Triage pesakit berasaskan AI

    • Chatbot klinikal yang diselia profesional:
      • mengumpul simptom,
      • memberi cadangan awal (jumpa GP, pakar, atau pergi kecemasan),
      • mencadangkan slot temu janji yang sesuai.
    • Manfaat: kurangkan tekanan call centre, pesakit dapat jawapan dalam beberapa minit.

  2. Telemedicine pintar

    • Sistem yang:
      • mengisi data awal pesakit secara automatik melalui soal selidik pintar,
      • menukar audio konsultasi kepada nota klinikal menggunakan AI note-taking,
      • mengisi template EHR supaya doktor hanya semak dan sahkan.
    • Manfaat: jimat masa dokumentasi, doktor boleh fokus pada perbualan dan pemeriksaan.

  3. Pengoptimuman jadual & katil

    • AI yang meramal permintaan katil, OT dan klinik mengikut musim, cuti sekolah, trend penyakit.
    • Manfaat: kadar pembatalan turun, masa menunggu prosedur berkurang, utilisation sumber lebih tinggi.

  4. Pemantauan jauh (remote monitoring) untuk pesakit kronik premium

    • Pesakit dengan penyakit jantung, diabetes atau COPD dipantau di rumah melalui peranti yang dihubungkan kepada platform AI.
    • Model ramalan mengesan corak awal dekompensasi dan memberikan amaran kepada pasukan klinikal.
    • Manfaat: elak kemasukan ke hospital yang mahal, jadikan program ini pakej nilai tambah untuk insurans dan pesakit korporat.

Kesemua ini memerlukan asas digital yang kukuh (integrasi sistem, keselamatan data, identiti digital pesakit), tetapi bukan sains roket. Hospital yang mula sekarang, dengan projek yang terfokus, akan berada jauh di hadapan dalam masa 12–24 bulan.

6. Langkah Praktikal: Rangka Tindakan 12–18 Bulan untuk Hospital Swasta

Berpandukan pengalaman NHS dan hujah Afshin Attari, berikut ialah rangka tindakan ringkas yang hospital swasta di Malaysia boleh gunakan.

6.1 Fasa 1: Jelas Hasil, Bina Asas (0–6 bulan)

  1. Tetapkan 3–5 matlamat hasil yang terukur, contohnya:

    • kurangkan masa laporan CT kritikal kepada < 2 jam,
    • kurangkan panggilan tidak berjawab ke call centre ke < 2%,
    • jimat 30 minit masa dokumentasi setiap doktor sehari.

  2. Audit kematangan digital hospital:

    • EHR/HIS,
    • sistem pengimejan,
    • integrasi (HL7/FHIR, API),
    • keselamatan (enkripsi, IAM, pemantauan).

  3. Pilih 1–2 rakan teknologi utama yang boleh menyokong dari infrastruktur hingga aplikasi AI.

6.2 Fasa 2: Pilot AI dengan Impak Tinggi (6–12 bulan)

  1. Mulakan 2–3 projek perintis, contohnya:

    • AI triage chatbot + penjadualan automatik,
    • AI pengimejan untuk satu modality (contoh: CT otak suspek stroke),
    • AI note-taking untuk satu klinik khusus (contoh: psikiatri atau pediatrik perkembangan).

  2. Tetapkan metrik yang jelas bagi setiap pilot:

    • masa,
    • kos,
    • kepuasan pesakit,
    • kepuasan klinikal,
    • keselamatan (tiada insiden harm).

6.3 Fasa 3: Skala & Integrasi Mendalam (12–18 bulan)

  1. Projek yang berjaya diskalakan ke jabatan atau hospital lain dalam rangkaian anda.
  2. Bina platform data klinikal berpusat untuk menyokong lebih banyak kes penggunaan AI di masa hadapan.
  3. Bentuk kerangka tadbir urus AI yang formal berdasarkan pengalaman sebenar (bukan teori semata-mata).

Jika dilaksanakan dengan disiplin, dalam masa kurang dua tahun hospital sudah boleh melihat:

  • peningkatan margin operasi,
  • pengalaman pesakit yang jauh lebih digital,
  • staf klinikal yang kurang terbeban dengan tugas rutin.

Penutup: AI sebagai Strategi, Bukan Projek IT

Pelajaran utama daripada pandangan Afshin Attari dan pengalaman NHS ialah mudah: AI dalam penjagaan kesihatan bukan soal teknologi semata-mata, tetapi soal keberanian membuat keputusan berdasarkan hasil, dan kesediaan untuk bekerjasama rapat dengan rakan yang betul.

Untuk hospital swasta di Malaysia, yang sedang bersaing mendapatkan pesakit premium, kontrak korporat dan pelanggan antarabangsa, AI bukan lagi pilihan tambahan – ia sudah menjadi sebahagian daripada strategi perniagaan dan klinikal.

Sekiranya anda memegang peranan sebagai pengarah hospital, CIO, CMO atau pemilik rangkaian hospital swasta, inilah masa yang sesuai, sebelum tahun kewangan baharu, untuk bertanya secara jujur:

Adakah kita hanya "membeli sistem" – atau kita sedang membina asas AI yang benar-benar mengubah cara kita merawat pesakit?

Hospital yang memilih jalan kedua akan menjadi rujukan serantau. Dan mereka biasanya bermula dengan satu langkah mudah: jelaskan hasil yang diingini, cari rakan inovasi yang boleh dipercayai, dan mulakan satu projek AI yang benar-benar penting – bukan yang sekadar menarik di atas kertas.