《ADVANCED ENGINEERING INFORMATICS》：Transforming healthcare facility management with digital technologies: A systematic review and future roadmap
编辑推荐：
医疗设施管理数字化转型面临技术集成与实施障碍，本文通过系统文献综述与计量分析74篇2012-2025年研究，揭示BIM、IoT、AI及数字孪生技术促进设施运维效率提升的应用模式，重点分析互操作性、可扩展性、数据安全及组织采纳等共性挑战，提出分阶段技术-组织协同路线图。
张小雨|张玉洁|彭燕|彭创昂勇|Nuratiqah Aisyah Awang
马来西亚马来亚大学建筑环境学院建筑测量系建筑、建造与热带建筑中心（BuCTA），50603吉隆坡，马来西亚
摘要
医疗设施是直接影响医疗服务质量和效率的关键系统。数字技术（DTs）正成为推动医疗设施管理（HFM）向主动、数据驱动模式转型的关键力量；然而，相关出版物的快速增长导致了证据基础的碎片化，缺乏对应用、挑战和未来方向的全面和最新综述。本文通过对74篇经过同行评审的文章进行系统文献回顾（SLR）和计量书目分析，总结了数字技术在医疗设施管理中的应用情况。自2018年以来，相关出版物的数量显著增加。本文探讨了四种主要的数字技术：1）建筑信息模型（BIM）；2）物联网（IoT）；3）人工智能（AI）；4）数字孪生（Digital Twin），并强调了它们在复杂和苛刻环境中的重要作用。尽管取得了这些进展，但仍存在一些持续性的挑战：系统间的互操作性、超出试点规模的可扩展性、网络安全和数据隐私问题以及组织采纳问题。为了解决这些问题，本文提出了一份包含技术和组织领域短期及长期优先事项的结构化路线图，为工程师、设施管理者和研究人员提供了具体行动建议。研究结果为推进医疗设施管理的数字化提供了可操作的指导，并对运营韧性、成本效率和患者安全具有重要意义。
引言
医疗设施面临着人口老龄化带来的需求增长和疫情应对的挑战[1]，[2]。与大多数商业或住宅建筑不同，医疗设施需要持续运行，并直接影响临床结果；即使是短暂的中断也可能影响运营和患者福祉。此外，由于复杂的专用设备、感染控制系统和高密度使用区域，医疗设施的能耗较高[3]。不幸的是，传统的“坏了就修”的医疗设施管理（HFM）策略已越来越无法适应现代医疗环境的高复杂性和高风险性[4]。因此，需要更加预测性和数据驱动的方法来确保医疗设施管理的可靠性、效率和韧性。
作为回应，数字技术（DTs）被提倡为提高设施管理（FM）韧性和效率的促进因素[5]，[6]。建筑信息模型（BIM）是一种用于开发设施生命周期的全面数据丰富模型的数字技术，有助于跨学科合作[7]。物联网（IoT）指的是由可唯一寻址的、配备传感器和执行器的物理对象组成的网络，这些对象相互连接并协作以实现应用目标，提供实时遥测数据以支持预测性维护和动态资源分配[8]。人工智能（AI）是指支持工程系统中预测、诊断和决策的数据驱动计算方法[9]。它通过实现自动化故障检测、工作订单优先级排序和需求预测，显著提高了运营效率[10]，[11]，[12]。数字孪生（Digital Twin）是物理资产或系统的数字化表示，支持持续监控、模拟和控制[13]，[14]。这些技术共同有望将医疗设施管理从被动模式转变为预测性和集成模式。然而，在医疗环境中的实施暴露出一些挑战，如有限的互操作性和难以扩展到单一站点之外的规模[4]，[15]，[16]，[17]。例如，Li等人[15]建立了一个全面的自然语言处理（NLP）流程，以83%的准确率对超过15,000个工作订单进行了分类，加快了任务分配，并识别出反复出现的系统问题和资源限制，从而提高了医院运营效率。尽管如此，要在多种医疗环境中实现模型的通用性仍然困难。Madubuike和Anumba[4]最近汇编了一份医院数字孪生试点项目的概述。这些系统促进了BIM和IoT数据的同步监控；然而，大多数项目仍处于概念验证阶段，缺乏外部适用性和长期可持续性的验证。
随着医疗设施管理领域数字技术相关出版物的快速增长，需要一份全面和最新的综述，以汇总应用情况和反复出现的挑战，并指导未来的工作。然而，现有的综述仍然存在碎片化问题（表1）。这种碎片化限制了从业者对数字化路径形成连贯认识的能力，从而阻碍了数字技术在医疗设施中的大规模采用。例如，Wong等人[18]和Marocco与Garofolo[19]研究了设施管理中的数字化和颠覆性技术，但没有专注于医疗设施。在医疗设施管理领域，相关贡献往往也是零散的：Madubuike等人[20]分析了医院中的数字孪生实施情况，而Ismail等人[21]则回顾了基于BIM的医院设施管理。尽管这些研究很有价值，但它们通常只关注单一工具或特定类型的设施，因此忽略了结合多种数字技术或扩展覆盖范围至诊所和其他医疗环境的潜力。同样，Pedral Sampaio等人[22]讨论了医院的数字化转型，但排除了2021年之后的文献，遗漏了更多最新的发展。本文通过整合主流数字技术和互补技术的证据，填补了现有文献的空白。在此基础上，本文提出了一份跨技术的医疗设施数字化路线图，明确了技术和组织领域的短期和长期优先事项。为了提供明确的方向和连贯性，本文围绕三个研究问题（RQ）展开：
RQ1：数字技术在医疗设施管理中的应用总体趋势是什么？
RQ2：BIM、AI和其他数字技术是如何应用于医疗设施管理的？
RQ3：数字技术在医疗设施管理中的应用面临的主要挑战和未来方向是什么？
本文的其余部分结构如下。第2节概述了研究方法，详细介绍了系统文献回顾的程序和计量书目方法。第3节根据RQ1呈现了计量书目分析结果，第4节对RQ2进行了深入分析。第5节根据文献中发现的挑战制定了未来路线图，从而解决了RQ3。最后，第6节总结了本文的主要结果和贡献。
研究设计
研究设计
如图1所示，本研究采用了一种混合方法，结合了定性系统文献回顾和定量计量书目分析，符合系统文献回顾的最佳实践指南[23]，[24]，[25]。定性部分遵循了透明且可复制的流程，严格遵循2020年系统文献回顾和元分析的优先报告项（PRISMA）框架[26]，确保方法论的严谨性，最小化潜在偏见。
结果与分析（RQ1）
为了了解总体趋势（RQ1），进行了计量书目分析，以评估所审查研究的规模、分布和关键词倾向[39]。使用R-bibliometrix和VOSviewer处理了从Web of Science检索的元数据。分析包括四个部分：（1）在RStudio中分析作者隶属关系以绘制地理分布图；（2）在VOSviewer中标准化和整理关键词以显示频率；（3）编制年度出版物数量
讨论（RQ2）
基于第3节中的计量书目结果，该结果确定了BIM、AI、IoT、数字孪生等技术是主要的研究领域，本节探讨了这些技术如何在医疗设施管理中得到应用。目的是从描述性模式转向功能性见解，突出不同工具在维护、资产、空间和能源管理中的作用。表7展示了来自所有74篇审查论文的应用矩阵，将每项技术与其应用联系起来
挑战与未来方向（RQ3）
识别挑战和未来方向是本系统文献回顾（SLR）的关键目标，因为它引导学者关注研究领域的差距和机会[37]，[120]。在74篇审查的研究中，总结出了一组限制规模和影响力的跨技术挑战（表8）：互操作性、可扩展性、外部有效性、安全性和隐私性以及组织采纳。
结论
医疗设施是高度复杂且安全至关重要的环境。本综述基于PRISMA框架，综合了2012年至2025年间74篇经过同行评审的研究，介绍了BIM、IoT、AI和数字孪生在医疗设施管理中的应用。研究发现显示，2018年后研究数量显著增长，中国、意大利和美国是主要推动者。BIM仍然是数字医疗设施管理的核心，而IoT、AI和数字孪生正在迅速发展为集成解决方案。
从功能上看，BIM支持资产
科学写作中关于生成式AI的声明
本手稿的撰写过程中未使用任何生成式AI。
资金来源
本研究未获得公共、商业或非营利部门任何特定机构的资助。
CRediT作者贡献声明
张小雨：撰写——初稿、可视化、验证、调查、形式分析、数据管理、概念化。张玉洁：撰写——审阅与编辑、可视化、验证、资源管理、方法论、数据管理。彭燕：撰写——审阅与编辑、方法论、数据管理、概念化。彭创昂勇：撰写——审阅与编辑、验证、监督、软件开发。Nuratiqah Aisyah Awang：撰写——审阅与编辑、监督、资源管理、项目协调
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
术语表
- 缩写
- 全称
- AI
- 人工智能
- ANN
- 人工神经网络
- AR
- 增强现实
- BAS
- 建筑自动化系统
- BIM
- 建筑信息模型
- BLE
- 蓝牙低功耗
- CAFM
- 计算机辅助设施管理
- CMMS
- 计算机化维护管理系统
- DES
- 离散事件模拟
- EBIM
- 企业建筑信息模型
- EMS
- 能源管理系统
- ERP
- 企业资源规划
- FMIT
- 设施管理信息分类法
- FMM
- 设施维护管理
- GIS
- 地理信息系统
