MedTech & AI: Menutup Jurang Kemahiran di Hospital Swasta

AI hebat tak guna kalau staf tak bersedia

Satu angka dari UK patut buat pengurusan hospital swasta di Malaysia berfikir: sektor MedTech mereka dijangka perlukan 145,000 pekerja baharu menjelang 2035 hanya untuk menampung permintaan dan penggantian staf. Jurang sebesar ini bukan sekadar masalah HR – ia penentu sama ada pelaburan AI dalam kesihatan benar‑benar membuahkan hasil atau sekadar jadi projek perisian mahal yang tak digunakan.

Di UK, kerajaan dan industri bergerak pantas dengan memperkenalkan Higher Technical Qualifications (HTQ) dalam MedTech untuk melatih tenaga kerja baharu bagi AI, peranti boleh pakai, diagnostik pintar dan sebagainya. Sementara itu, hospital swasta di Malaysia sedang rancak memasang sistem AI untuk imaging, triage, telemedicine dan pengoptimuman operasi, tetapi ramai masih menganggap latihan staf sebagai langkah “nice to have”, bukan tulang belakang transformasi.

Artikel ini kupas apa yang sedang berlaku di UK, dan yang lebih penting – bagaimana pengajaran daripada inisiatif MedTech mereka boleh digunakan oleh hospital swasta di Malaysia untuk memecut penggunaan AI secara selamat, cepat dan berkesan.

---

Apa yang UK buat: HTQ MedTech sebagai pelan tenaga kerja AI

Inti inisiatif UK ini mudah: mereka bentuk kelayakan teknikal khusus untuk kerja‑kerja MedTech yang berkait rapat dengan AI dalam penjagaan kesihatan.

Beberapa ciri utama HTQ MedTech di UK:

• Fokus kepada pekerjaan sebenar, seperti:
  • Juruteknik yang mengendalikan peranti kesihatan berasaskan AI (wearable, alat diagnostik, sistem imaging)
  • Pakar pematuhan dan peraturan (regulatory advisors) untuk teknologi kesihatan
  • Tenaga kerja yang memahami integrasi sistem digital, pengujian dan keselamatan
• Dibangunkan bersama:
  • Skills England (badan kemahiran negara)
  • Syarikat pembelajaran seperti Pearson
  • Pihak berkuasa wilayah (West Midlands Combined Authority)
  • Majikan MedTech, universiti dan wakil NHS
• Dibiayai dan diuji secara perintis di zon inovasi (West Midlands Investment Zone), dengan sasaran ribuan pekerjaan berkualiti tinggi dalam kluster MedTech terbesar di UK.

Kesannya, UK tak hanya beli teknologi. Mereka membina ekosistem bakat yang boleh:

• Memahami cara AI bekerja dalam konteks klinikal
• Mengurus risiko, pematuhan dan data pesakit
• Menyokong produktiviti sistem kesihatan (NHS) dengan penggunaan teknologi yang konsisten, bukan ad hoc.

Ini sebenarnya blueprint yang sangat relevan untuk hospital swasta di Malaysia, terutama yang kini agresif melabur dalam AI.

---

Mengapa hospital swasta Malaysia juga ada masalah “145,000” versi sendiri

Malaysia mungkin tak ada angka rasmi seperti UK, tetapi realitinya sama: teknologi lebih laju daripada kemahiran.

Dalam perbualan dengan beberapa pengamal industri, antara isu yang sering timbul apabila hospital mula menggunakan AI dalam imaging, triage dan operasi ialah:

1. Radiologis & doktor tak diberi masa atau struktur latihan khusus AI

   • Sistem AI CAD untuk CT / MRI dipasang, tapi ramai masih tak yakin menilai output AI.
   • Ada yang kembali kepada cara lama kerana AI dianggap “perlahan” atau “tak tepat” – selalunya kerana tetapan dan aliran kerja tak dioptimumkan.

2. Jururawat dan paramedik dibebankan dengan sistem tambahan

   • Dashboard AI triage, alat pemantauan jarak jauh, aplikasi telemedicine – semua ini menambah skrin dan proses.
   • Tanpa latihan konteks klinikal yang jelas (“bila patut ikut AI, bila patut override”), sistem jadi satu lagi beban dokumentasi.

3. Pasukan IT mahir infrastruktur, tapi bukan risiko klinikal

   • Mereka boleh memasang server, integrasi HL7/FHIR, tetapi tidak dilatih tentang implikasi klinikal apabila model AI berubah, bias data, atau false negative.

4. Kekurangan peranan baharu khusus AI kesihatan
   Hospital swasta jarang ada:

   • Clinical AI lead yang faham kedua‑dua klinikal dan data
   • Medical device & AI safety officer
   • Regulatory & compliance specialist khusus MedTech dan AI

Tanpa strategi tenaga kerja yang jelas, pelaburan berjuta dalam AI tidak memberi ROI yang sepatutnya. Masalah ini sama sifatnya dengan angka 145,000 kekosongan yang cuba ditangani UK – cuma skala dan konteksnya berbeza.

---

Tiga pelajaran utama dari HTQ UK untuk hospital swasta Malaysia

1. Rancang kemahiran ikut kes penggunaan AI, bukan ikut jabatan

UK merangka HTQ terus mengikut keperluan MedTech: wearable AI, diagnostik, pengawalseliaan, integrasi sistem. Pendek kata, kemahiran ikut fungsi, bukan silo organisasi.

Hospital swasta boleh meniru cara ini dengan memetakan kemahiran ikut kes penggunaan utama AI mereka, contohnya:

• AI untuk medical imaging
  Perlu:

  • Radiologis yang faham prinsip model AI, batasan dan cara audit prestasi
  • Juruteknik radiologi yang mahir dalam protokol imbasan mesra AI (konsisten, noise terkawal)
  • Pasukan QA klinikal untuk semak kes‑kes “edge”

• AI untuk triage dan pengurusan kecemasan
  Perlu:

  • Jururawat kecemasan terlatih menggunakan skor AI sebagai sokongan, bukan pengganti klinikal judgement
  • Doktor on‑call yang tahu bagaimana AI mengutamakan kes supaya tak timbul isu medico‑legal

• AI untuk pengoptimuman operasi & jadual
  Perlu:

  • Pengurus operasi yang faham output analitik dan kaedah simulasi
  • Staf kaunter & penjadualan yang boleh menyesuaikan SOP agar selari dengan cadangan AI

Bila kemahiran dijajarkan terus dengan kes penggunaan, latihan jadi lebih fokus dan mudah diukur keberkesanannya.

2. Libatkan industri, akademia dan klinikal dari awal

Model UK menunjukkan kelayakan berkualiti tak boleh dibina secara silo. Mereka libatkan:

• Industri MedTech (yang tahu teknologi terkini)
• Institusi pendidikan (yang pandai struktur modul)
• Sistem kesihatan (NHS) yang tahu realiti lapangan

Pendekatan serupa sangat sesuai di Malaysia:

• Hospital swasta bekerjasama dengan universiti tempatan, kolej vokasional dan syarikat teknologi AI kesihatan
• Bangunkan micro‑credential atau sijil profesional yang benar‑benar mencerminkan kerja:
  • Contoh: “Sijil Profesional AI dalam Radiologi Klinikal” atau “Sijil Teknologi MedTech & Peranti Pintar untuk Jururawat”
• Libatkan juga badan profesional seperti MMA, APHM atau persatuan jururawat sebagai penasihat kandungan.

Hasilnya, program latihan bukan sekadar “kursus CPD umum” tetapi laluan kerjaya sebenar yang meningkatkan daya saing hospital untuk tarik bakat.

3. Latihan mesti inklusif: kolej, penyedia latihan, universiti, vendor

Dalam inisiatif HTQ, UK membenarkan program diajar oleh:

• Kolej
• Penyedia latihan swasta
• Universiti

Pendekatan terbuka ini percepat skala. Untuk hospital swasta Malaysia, struktur ideal biasanya campuran:

• Vendor AI / MedTech
  Ajarkan fungsi spesifik sistem, konfigurasi, troubleshooting.

• Rakan akademik
  Ajarkan asas data, etika, statistik, asas pembelajaran mesin yang praktikal.

• Hospital sendiri
  Ajarkan konteks klinikal, aliran kerja, polisi dalaman dan kes‑kes sebenar.

Bila tiga pihak ini bergabung, latihan jadi langsung boleh guna di wad, di bilik baca imaging, dan di bilik mesyuarat operasi – bukan hanya teori.

---

Kerangka praktikal: bina “HTQ versi hospital anda” dalam 6 langkah

Untuk mengelakkan pelaburan AI yang “gantung di dinding”, hospital swasta boleh mula dengan kerangka mudah tetapi tegas seperti berikut.

1. Audit kemahiran dan jurang AI semasa

Jawab beberapa soalan asas mengikut jabatan:

• Siapa yang menggunakan sistem AI hari ini, dan pada tahap apa (sekadar lihat, atau benar‑benar membuat keputusan bersandarkan AI)?
• Apakah pengetahuan minimum yang sepatutnya mereka miliki (contoh: sensitiviti/spesifisiti, bias, data training)?
• Jurang apa yang paling ketara – teknikal, klinikal, atau dari segi aliran kerja?

Dokumentasikan hasil audit ini. Ini jadi asas silibus.

2. Tetapkan profil peranan baharu yang berkaitan AI

Sebagai contoh:

• AI Clinical Champion – seorang doktor atau radiologis yang jadi rujukan utama AI
• MedTech & AI Coordinator – mengurus hubungan dengan vendor, kemas kini perisian, data untuk audit
• Data & Quality Analyst – menyokong pemantauan prestasi model AI dan metrik kualiti

Bila peranan jelas, senang untuk bentuk modul latihan yang tersusun – sama seperti HTQ yang disasar kepada kerja tertentu.

3. Rangka modul “HTQ mini” dalaman

Contoh struktur modul 3–6 bulan untuk hospital swasta:

1. Asas AI dalam kesihatan

   • Konsep mudah model, data, validasi
   • Risiko klinikal dan keselamatan pesakit

2. Modul khusus sistem (imaging, triage, telemedicine, operasi)

   • Hands‑on mengikut jabatan
   • Latihan dengan kes sebenar dan senario ralat

3. Etika, privasi dan pematuhan peraturan

   • PDPA, consent, audit trail
   • Peraturan peranti perubatan berbantu AI

4. Pengurusan perubahan dan komunikasi dengan pesakit

   • Cara menerangkan penggunaan AI kepada pesakit premium yang teliti
   • Menangani kebimbangan dan salah faham

4. Wujudkan laluan pensijilan dalaman

Tak semestinya perlu pengiktirafan nasional pada awal. Hospital boleh bermula dengan:

• Sijil dalaman bertahap (Bronze, Silver, Gold) untuk kompetensi AI
• Keutamaan kenaikan pangkat atau elaun khas bagi staf yang mencapai tahap tertentu
• Pengiktirafan dalam penilaian prestasi tahunan

Ini menjadikan latihan bukan beban, tetapi peluang kerjaya.

5. Integrasi latihan dengan KPI projek AI

Contoh:

• Projek AI imaging:

  • KPI teknikal: kadar laporan yang dibantu AI meningkat X%
  • KPI tenaga kerja: 90% radiologis selesai modul AI imaging peringkat Silver dalam 6 bulan.

• Projek AI operasi:

  • KPI teknikal: masa menunggu purata berkurang 20%
  • KPI tenaga kerja: semua pengurus operasi lulus modul analitik & interpretasi dashboard.

Bila KPI teknologi dan KPI latihan digabungkan, pengurusan dapat lihat hubungan terus antara kemahiran dan hasil perniagaan.

6. Guna rakan luar untuk percepat permulaan

Jika dalaman sibuk, pertimbangkan untuk:

• Bekerjasama dengan konsultan khusus AI kesihatan
• Mengadaptasi program antarabangsa (seperti konsep HTQ) kepada konteks Malaysia
• Menggabungkan latihan fizikal dan dalam talian supaya jadual klinikal tidak terganggu

---

Mengurus risiko: tanpa latihan, AI boleh mencederakan reputasi

Satu perkara yang saya selalu tekankan bila berbicara dengan pengurusan hospital: kegagalan projek AI bukan sekadar isu teknikal, tetapi isu reputasi premium brand.

Tanpa tenaga kerja yang terlatih:

• Kesilapan AI mudah dikaitkan terus dengan hospital, walaupun ia sebenar berpunca daripada salah guna atau kurang pemahaman staf.
• Pesakit akan cepat hilang kepercayaan kepada sebarang inisiatif digital lain.
• Doktor mungkin menolak projek AI seterusnya kerana pengalaman buruk pertama.

Pendekatan UK yang mengutamakan HTQ dan pembangunan kemahiran menunjukkan mereka faham hal ini. Mereka mahu AI menyokong produktiviti dan keselamatan, bukan menambah risiko litigasi.

Hospital swasta di Malaysia, yang bergantung kuat pada reputasi dan kepercayaan pesakit antarabangsa, perlu lebih berhati‑hati. Melabur dalam kemahiran AI staf ialah bentuk insurans risiko jangka panjang.

---

AI dalam kesihatan: teknologi + bakat, bukan salah satu

Realitinya mudah: AI dalam kesihatan hanya sekuat manusia yang menggunakannya.
UK sedang bergerak dengan HTQ MedTech untuk mengurangkan jurang 145,000 pekerjaan. Malaysia mungkin tak punya angka yang sama, tapi kesannya di hospital swasta boleh dirasai – daripada sistem AI yang diabaikan, hinggalah staf yang tertekan dengan teknologi baharu.

Jika hospital anda sedang:

• Melancarkan sistem AI imaging baharu,
• Menyepadukan AI ke dalam triage kecemasan,
• Menggunakan AI untuk mengoptimumkan jadual dan sumber,

maka langkah seterusnya yang paling masuk akal ialah membina “HTQ versi hospital anda sendiri” – laluan latihan teknikal dan klinikal yang jelas, terstruktur, dan diiktiraf dalaman.

Mulakan dengan satu soalan ringkas:
“Siapa dalam hospital kami yang perlu jadi ‘medtech dan AI ready’ menjelang 12 bulan akan datang – dan apa yang mereka perlu tahu untuk sampai ke sana?”

Daripada situ, bina pelan kemahiran. Teknologi anda mungkin sudah bersedia. Sekarang tiba masanya pastikan manusia di belakang teknologi itu sama‑sama bersedia.