在智能技术赋能的今天，患者对护理有了更高质量的需求。此外，诸多医疗企业目前正面临着严重的人才短缺问题。2024年，埃森哲调研了全球44家顶尖医疗科技公司约100名高管，覆盖北美、欧洲、中东、非洲、亚洲等区域。调研发现：
智能技术正在重塑医疗设备和器械行业。
下文将简要介绍并分析糖尿病、心血管、手术、诊断影像等不同领域的关键洞察。
糖尿病护理是赋能患者和技术创新的典范。当前发展存在三大关键趋势：
趋势1：
直接面向消费者（DTC）和价值导向模式的兴起
根据埃森哲调研，65%的医疗科技高管认为DTC将是糖尿病护理的未来模式，患者可便捷地在当地药店货架或线上电商直接购买可用设备。美国德康医疗（Dexcom）的Stelo葡萄糖生物传感器系统就使这一场景化为现实，让更多患者有机会直接使用先进医疗、体现出DTC模式的潜力。
另外，价值导向模式潜力巨大。调研显示，65%的人称公司已通过价值导向型模式产生了收入（占平均总收入的6%），96%的人预计未来三年将转向价值导向。
在这一领域走在前列的是Dexcom和雅培实验室等，这些公司都已经将医疗设备转变为消费者友好的产品，如雅培于2023年推出的新型生物可穿戴设备Lingo。过去五年，科技公司在糖尿病护理方面的投资已转向以患者为中心的数字生态。
为患者护理路径的全周期构建解决方案至关重要，这不仅帮助预防糖尿病，还促进有效的医疗服务提供者和患者之间的沟通。以医疗器械供应商Insulet公司的Omnipod DASH胰岛素管理系统为例，该系统类似智能手机APP，用个人糖尿病管理系统控制可穿戴、无管路胰岛素泵，满足了患者每日注射的需要。
以往，心血管疾病（CVD）设备一直是患者就医旅程的最终阶段。然而，今天CVD公司正在迎来重新定义其在现代医疗生态系统中作用的关键时刻：
这一趋势在美国食品药品监督管理局（FDA）批准了美敦力的可植入式心脏监测器LINQ II后，愈发明显。这款监测设备能够检测儿科患者的心律不齐，标志着通过促进早期诊断和上游治疗而非后期疗法，来实现预防性护理的重要一步。根据埃森哲调研，上游护理连续体将成为新焦点，其收入潜力在未来三年将呈指数级增长。
CVD公司有机会通过将数字解决方案（如可穿戴设备和移动应用程序）显著改善患者体验。根据埃森哲调研，90%以上医疗技术企业认为，心血管领域的新兴技术有可能颠覆他们的商业模式。其中，最值得关注的技术领域有：用于增强患者粘性的AI技术和大数据分析、机器人辅助心脏手术的创新和心血管成像等。
医疗器械公司需要优先考虑微创（MI）产品和程序，同时开发互联的解决方案生态系统，使多个细分市场同时受益。微创治疗，如经导管主动脉瓣置换术（TAVR）和脉冲场消融术（PFA），可以潜在地减少患者住院时间，降低每位患者的花费成本，并使严重主动脉瓣狭窄的患者尤其受益。根据埃森哲调研，医疗技术企业高管们认为生成式AI在CVD中将有以下关键应用：
利用新的可穿戴技术收集的数据识别趋势、异常和潜在的健康风险，从而实现早期干预和个性化的治疗计划，根据个人独特的健康状况进行定制。
利用内部数据（如销售订单和客户信息）以及外部数据（如流行病学研究报告和医院报告）来评估特定地区对心脏设备的需求。
生成式AI平台提供个性指导、跟踪健康指标并为CVD管理提供实时反馈。
自从20年前首个手术机器人获得批准以来，普通手术在三个方面发生了变化：
升级手术机器人的“硬件”和数字服务的“软件”。例如，Virtual Incision公司的MIRA™手术系统促使微创手术成为主流，小型化加速机器人辅助手术的应用。医疗技术公司还可以专注于解决医生和外科医生的需求。例如，经改进的自动化手术系统可以降低手术对医生体力的消耗，将手术时间平均缩短8分钟。
埃森哲调研表明，80%的医疗科技企业已经在寻求将临床分析、工作流分析和机器人纳入普通手术，在手术过程的各阶段融入智能技术：
术前：
强生公司的Proplan CMF虚拟手术规划服务使外科医生能够将患者解剖结构可视化、模拟手术过程，以及优化骨骼截骨和重建的手术计划。
围手术期：
Intuitive公司的达芬奇手术机器人5（Da Vinci 5）致力于从预防医生肌肉骨骼问题、疲劳和重复性运动问题等，提高外科医生的生产力。
术后护理：
通过提高手术技能和专业教育来改善术后护理。例如数字护理管理平台myMobility，它使用智能手机和智能手表帮助医疗服务提供者更好捕获连续性数据和患者报告的反馈。
门诊手术中心（ASC）的需求与医院的需求不同。根据埃森哲调研，普通手术在ASC领域取得成功的关键是临床差异化（91%）、产品捆绑/合同（64%）和定价（54%）。医疗科技公司可以为特定设备甚至医疗团队提供定制的融资计划，以帮助构建和设计ASC。对于大型、资本密集型的设备，如手术机器人，越来越多的公司开始提供每次手术的价格、租赁和付款计划。
与其他医疗科技领域相比，诊断影像面临着高度成本压力，以及合格的技术人员的大量短缺。因此，改善诊断影像存在三大技术趋势：
除了在医疗产品中集成AI和机器学习（ML）外，企业还在大量医疗影像数据集（包括CT扫描、核磁共振、X射线和显微镜图像）中进行算法开发和训练，使得AI系统可以检测到各种异常，例如肿瘤、感染和骨折，从而提高诊断准确性。
未来，诊断放射学的分析将从诊断放射学转移到手术室（OR）成像环境中。例如，法国斯特拉斯堡大学医学院（IHU）的混合手术室（Hybrid OR）与西门子医疗合作，将核磁共振（MRI）、CT、锥束CT/血管造影和超声波成像融合在单个手术室中，帮助每个介入团队进行协调和集成信息共享。
此外，图像引导药物输送有望彻底改变各种状况的护理服务，包括冠状动脉疾病、中风、肝癌和脊柱疾病，并在治疗肺癌方面有着巨大的影响。
