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。
