《Sustainability》:Artificial Intelligence in Healthcare Real Estate: Mapping Evidence Gaps Across the Asset Lifecycle
编辑推荐:
人工智能(AI)正在改变医疗保健和建筑环境,但其在医疗保健房地产(HRE)中的应用仍然分散且了解甚少。本研究系统性地回顾了AI在HRE资产生命周期中的应用,以识别证据空白并评估其改善决策、运营绩效和可持续医疗基础设施的潜力。遵循Joanna Briggs研究所
人工智能(AI)正在改变医疗保健和建筑环境,但其在医疗保健房地产(HRE)中的应用仍然分散且了解甚少。本研究系统性地回顾了AI在HRE资产生命周期中的应用,以识别证据空白并评估其改善决策、运营绩效和可持续医疗基础设施的潜力。遵循Joanna Briggs研究所方法和PRISMA-ScR指南,检索确定了2881条记录,其中87项研究符合纳入标准。基于通过此映射识别的证据空白,本研究提出了概念性贡献,包括生命周期成熟度指数、算法到资产价值翻译链和AI-HREDF,这些作为理论上合理、可测试的提议,用于未来的实证研究。每项研究按生命周期阶段、证据直接性和证据强度进行分类。只有14项研究(16%)提供了将AI与HRE决策联系起来的直接证据,而大多数研究集中在运营和设施管理上,在选址、规划、建设和投资方面留下了重大空白。本综述识别了三个证据翻译差距,这些差距阻碍了AI进步转化为资产绩效和财务价值的可衡量改善。为了解决这些挑战,研究人员提出了AI集成医疗保健房地产决策框架(AI-HREDF)、算法到资产价值翻译链和未来工作的研究议程。研究结果为将AI整合到医疗保健基础设施规划、管理和投资中提供了基础,同时支持更具弹性、资源高效和可持续的医疗保健设施。
1.1. The Scale and Significance of Healthcare Real Estate
医疗保健房地产(HRE)是建筑环境中规模最大、资本最密集的领域之一。在美国,医疗保健物业组合包括超过91,000处物业,涵盖约5,835家医院、41,000个医疗办公楼(MOB)、28,900个老年住宅和辅助生活设施,以及15,327个专业护理设施。2019年,美国综合急症护理医院在建筑上投入了446亿美元,设备上投入了339亿美元,反映了维持和扩展医疗保健建筑环境所需的巨大持续资本承诺。房地产投资信托(REIT)已成为该领域的重要力量,截至2021年,拥有约8%的美国医疗保健物业,以及超过3.5万亿美元的全美房地产资产。医疗保健REIT通过收购医院等物业并通过售后回租安排(通常为10年三重净租赁)租回给运营商来盈利。医疗保健房地产的日益金融化强调了在资产生命周期中需要严格的、基于证据的决策工具。
1.2. Unique Characteristics of Healthcare Buildings
医疗保健建筑与常规商业建筑有根本区别,直接影响AI应用和可转移性。医院全年365天、每天24小时连续运营,产生远超标准办公或零售物业的能源需求、维护要求和运营复杂性。美国医疗保健设施占商业部门总面积的4.8%,但能耗占该部门的10.3%。近期研究提出将医院能源需求重新分类为工业规模而非第三产业,指出手术室等关键医院区域的年电力强度约为780 kWh/m
2,甚至超过超大规模数据中心基准。由于持续空气过滤和循环要求、用于感染控制的专用暖通空调(HVAC)以及高功率医疗设备的冷却需求,医院能耗约为类似规模商业建筑的2.5倍。此外,医疗保健建筑以严格的感染控制要求为特征,这些要求支配空气处理、水系统、表面材料和空间分隔。在运营中的医疗机构内进行施工和翻新带来独特风险,包括拆除过程中真菌孢子的空气传播、临床运营中断,以及需要专用机电管道(MEP)系统,包括医用气体分配、成像设备屏蔽和隔振。医疗保健设施设计直接影响临床结果、员工行为和组织绩效。病房配置、走廊设计和员工站位置都影响护理提供和患者安全。医疗保健设施设计被认为是建筑学中最具挑战性的任务之一,由于部门邻近性、患者流要求和监管约束的复杂性。30至50年的资产生命周期意味着设施必须在运营寿命内适应多代临床技术、不断演变的护理提供模式和人口结构变化。
1.3. Artificial Intelligence in Healthcare and the Built Environment
人工智能(AI)在医疗保健交付中显示出变革潜力。Sahni和Carrus识别了美国医疗保健交付中AI应用的九个领域,包括临床运营、质量和安全以及报销,但指出大多数组织仍处于试点阶段,且医疗保健在AI采用方面落后于其他商业部门。一项2025年的调查分析发现,2024年大部分时间医疗保健AI采用率徘徊在6%左右,而信息服务领域超过20%,尽管2025年初发现了加速趋势。AI在医疗保健中采用的关键障碍包括数据异质性、不激励效率提升的按服务收费支付模式、监管不确定性、缺乏患者信心以及组织实施挑战。同时,AI通过建筑能源管理、施工规划、占用分析和物业估值等应用,正在重塑更广泛的建筑环境和房地产领域。数字孪生、大语言模型和物联网(IoT)赋能的建筑生态系统正在商业和机构建筑中实现主动舒适管理、室内环境质量优化和预测性维护。在商业房地产中,机器学习模型已应用于自动物业估值、投资风险评估和投资组合优化。尽管有这些并行进展,但两个研究流在很大程度上仍然脱节。医疗保健AI研究主要关注临床应用、诊断和运营效率,而未解决塑造护理提供物理基础设施的建筑环境决策。建筑环境AI研究处理能源、施工和物业管理,但未考虑医疗保健设施的独特约束和要求。这种学科碎片化在AI可能为医疗保健房地产中最高风险决策提供信息的交叉点处造成了显著的知识空白。
1.4. The Need for an Integrated Review
与先前独立审查医疗保健AI、智能建筑、数字孪生或房地产分析的研究不同,本研究将HRE概念化为一个集成的物理-数字资产系统,并检查AI在其完整决策和资产生命周期中的应用。本研究引入了AI-医疗保健房地产证据翻译差距的概念,定义为相邻领域展示的AI能力与其在HRE决策中的验证应用之间的系统性脱节。识别了三个不同的翻译差距:(1) 背景差距:在通用商业建筑或非医疗保健环境中生成的证据,未在医疗保健设施的独特约束下验证,包括感染控制、连续运营、专用MEP系统和监管复杂性。(2) 决策差距:实现高预测精度的AI模型,但未与改进的房地产决策相联系。例如,具有低MAPE的需求预测未显示与传统规划方法相比改善设施规模调整结果。(3) 价值差距:运营改进(如节能或维护成本降低)未追溯至可衡量的资产层面财务结果,包括净运营收入(NOI)、资本化率和资产估值。本研究结合了两个互补组成部分:(1) 范围审查,系统映射和分类可用证据;(2) 概念发展过程,将识别出的差距综合为框架、指数和命题,旨在指导未来研究。概念贡献——AI-HREDF、算法到资产价值翻译链和生命周期成熟度指数——源自证据综合,但本身未经实证验证。应将其理解为理论基础的提案,需要未来实证检验,符合基于全面范围审查的立场论文的特征。
1.5. Objectives
本研究的目标有四个:(a) 系统映射和分类AI应用按HRE生命周期阶段和证据直接性;(b) 量化证据翻译差距并评估资产生命周期中证据的成熟度;(c) 提出AI集成医疗保健房地产决策框架(AI-HREDF)作为理论基础、可测试的概念框架;(d) 提出结构化、优先化的研究议程,指导AI-HRE交叉点的未来研究。这些目标通过研究框架操作化,该框架围绕从AI能力和数据基础到HRE决策、可衡量的设施绩效结果、财务和运营结果,以及最终展示的资产价值和影响的顺序路径构建。此路径由五个跨领域基础推动者支持——数据集成、可解释AI、公平和可及性评估、网络物理安全以及监管协调——而证据翻译和学习循环连接了审查的主要分析输出:识别证据翻译差距、生命周期成熟度评估、算法到资产价值链、AI-HREDF和优先化研究议程。这些元素共同提供了本审查的组织逻辑,并确立了本研究如何从证据映射和差距识别过渡到框架开发和未来实证调查。
2.1. Search Strategy
最终检索于2026年1月15日在PubMed、Scopus、Web of Science和IEEE Xplore上执行。检索策略结合了三个概念组:(1) AI技术和分析方法;(2) 医疗保健设施和房地产背景;(3) 建筑环境、设施管理和资产生命周期决策。PubMed检索字符串包括“artificial intelligence”、“machine learning”、“deep learning”、“reinforcement learning”、“neural network”、“digital twin”、“natural language processing”、“predictive analytics”、“generative AI”、“computer vision”与“healthcare facility”、“hospital building”、“medical office building”、“healthcare real estate”、“healthcare infrastructure”、“smart hospital”、“clinical facility”以及“facility management”、“building management”、“energy management”、“space utilization”、“site selection”、“building design”、“construction”、“renovation”、“valuation”、“real estate”、“built environment”、“BIM”、“occupancy”、“maintenance”、“lifecycle”的组合。等效检索字符串针对每个数据库的索引结构和检索功能进行了调整,包括Scopus中的TITLE-ABS-KEY字段、Web of Science中的TS字段以及IEEE Xplore中的全文布尔检索。通过相关文章的向后参考文献列表筛选和Google Scholar中的定向检索进行了补充检索,以识别其他可能符合条件的研究。
2.2. Eligibility
研究符合纳入标准如果它们(a) 报告了原始实证研究,包括观察性、实验性、准实验性、模拟、建模或案例研究证据,或代表了与审查目标相关的系统综述、范围审查或荟萃分析;(b) 发表于2019年1月至2026年1月15日之间;(c) 以英文发表;(d) 检查了与建筑环境、设施、空间、资本规划、投资或房地产决策有可证明联系的AI应用,且与医疗保健相关。研究被排除如果它们(a) 仅关注临床AI,无对医疗保健设施、建筑环境或房地产决策的可识别影响;(b) 是社论、评论、信件或其他缺乏足够分析或方法学内容的出版物;(c) 仅关注住宅智能家居应用,无对机构或医疗保健设施的可证明相关性;(d) 提供的方法学信息不足以支持证据提取和分类。由于AI和HRE交叉点的文献仍然有限,符合标准的证据不限于直接在医疗保健建筑中进行的研究。来自相邻医疗保健领域以及可转移的建筑或商业房地产背景的研究,当它们展示出与HRE决策的合理且明确联系时,被保留。纳入证据的直接性随后使用第2.5节中描述的三级框架进行分类。
2.3. Screening
记录在Covidence中管理,在筛选前去除重复项。标题/摘要筛选和全文评估由单一作者使用预定义资格标准执行。为检查评分者内一致性,在两周间隔后重新筛选了随机10%的排除记录样本,确认一致性超过95%。在标题/摘要阶段,每个排除记录分配一个主要排除类别,以确保排除计数互斥。出版年份和语言限制在筛选期间进行评估,当这些特征未通过数据库检索功能可靠捕获时。在全文阶段,每个排除报告同样分配一个单一主要排除原因。
2.4. PRISMA-ScR Flow
检索识别了2881条记录,包括来自四个书目数据库的2847条记录和通过参考文献列表筛选及Google Scholar识别的34条额外记录。去除646个重复项后,2235条独特记录进行了标题和摘要筛选。其中,2046条被排除,原因包括:与AI无关(n=892)、缺乏建筑环境或房地产联系(n=714)、仅关注临床AI且无设施影响(n=312)、非英文发表(n=87)、或发表于2019年1月之前(n=41)。这些类别互斥,每个排除记录分配一个主要排除原因。剩余189篇报告被寻求检索,全部成功获取并评估全文资格。全文评估后,102篇报告被排除,原因包括:缺乏与医疗保健房地产决策的可证明联系(n=41)、方法学细节不足(n=24)、代表重复数据集或重叠研究人群(n=15)、是社论、评论或信件(n=12)、或仅关注住宅智能家居且无机构适用性(n=10)。最终审查纳入87项研究。其中,14项(16%)提供了AI应用于医疗保健建筑或医疗保健房地产决策的直接证据;38项(44%)提供了具有可证明空间、设施或资本规划影响的相邻证据;35项(40%)提供了来自通用建筑或商业房地产的可转移证据。
2.5. Data Extraction and Evidence Classification
数据由作者提取到标准化Excel模板中。为减少提取错误,在两周间隔后重新提取了随机10%的条目并检查一致性。每项研究按作者为本审查开发的两个维度进行分类。证据直接性:应用三级分类:Level 1直接:AI明确应用于医疗保健建筑或HRE决策;Level 2相邻:AI应用于医疗保健运营,具有可证明的空间、设施或资本规划影响;Level 3可转移:AI应用于通用建筑或商业房地产,可能可转移至医疗保健。证据强度(作者开发的描述性规则,非验证的偏倚风险工具):每项研究在六个维度上评估:(1) 研究设计;(2) 实际部署;(3) 外部验证;(4) 医疗保健特异性;(5) 样本充分性;(6) 可重复性。每个维度评分0-2,产生综合评分(0-12),分类为高(9-12)、中(5-8)、低(2-4)或概念(0-1)。采用等权重(0-2)作为默认值,因缺乏差异权重的实证或理论依据。描述性敏感性分析确认,生命周期阶段的排序对±20%的权重变化稳健。该规则是作者开发的描述性工具,不应解释为验证的偏倚风险工具。
2.6. Healthcare Real-Estate Asset Lifecycle Model
本审查围绕八阶段资产生命周期模型组织AI应用:(1) 市场和投资组合策略;(2) 选址;(3) 规划和编程;(4) 设计;(5) 施工;(6) 运营和设施管理(FM);(7) 翻新和改造;(8) 投资和估值。
2