醫院智能內部審計方式與技術研究

李越冬 軒文爽 洪云

【摘 要】 大數據時代，社會生活各個領域都逐漸向智能化發展。醫院智能化使智能內部審計的開展顯得更為必要，傳統內部審計方式及技術已不能滿足海量數據下的審計需求，急需實現變革升級。文章以醫院智能內部審計方式與技術為切入點，通過總結現有國內外文獻，分析智能內部審計方式的研究現狀，并介紹了持續審計方式、EPC審計流程模型、多準則模型三種智能審計方式的實現機理，結合醫院業務實際分析其在醫院內部審計的適用性和關注點。此外，還總結了適用于以上內部審計方式的三種智能技術，包括EDA技術、數據挖掘技術、數據可視化，希望為醫院開展智能內部審計提供借鑒。

【關鍵詞】 內部審計方式; 智能審計; 大數據

【中圖分類號】 F239.45;R197.32 ?【文獻標識碼】 A ?【文章編號】 1004-5937（2019）23-0130-07

一、引言

我國政府不遺余力推動審計信息化、智能化發展。雖然起步時間晚，1990年前后才逐步實施和研究審計信息化，但已經取得一定成果，審計信息化逐步成為審計工作的主流。審計署多次強調建設國家審計機關的信息系統審計，2016年財政部在《會計改革與發展“十三五”規劃綱要》中強調要加強會計法治和會計信息化建設，建立信息化公共服務平臺，促進大數據的深度利用。同年中注協在《注冊會計師行業信息化建設規劃（2016—2020年）》中也對建立審計行業數據庫和智能審計云平臺給予相關指示。目前大部分醫院已經開始實施“智慧醫療”，引入醫院管理信息系統（HIS）、實驗室信息系統（LIS）、電子病歷系統（EMR）、影像歸檔和通信系統（PACS）、醫院資源規劃系統（HRP）等到醫院的臨床和管理中，面臨這樣的信息系統和大數據，醫院的內部審計需要實施“智慧審計”。那么醫院智能內部審計應該采用哪些方式和技術呢？本文首先分析了大數據時代下有關智能審計的研究，然后分析大數據時代醫院智能內部審計的方式及技術，以期為未來醫院智能內部審計的研究提供借鑒。

二、有關大數據智能審計研究文獻

審計主體開展審計活動的行為方式稱為審計方式，實務中應用比較多的有跟蹤審計、聯網審計、購買審計、聯合審計、現場審計五種[ 1 ]。審計方式的實現需要利用一定技術直接收集重要審計證據，包括審計抽樣技術、分析性復核技術、內部控制自我評估技術、函證法、審閱法、盤存法等[ 2 ]。陳駿和時現[ 3 ]指出，審計環境變遷導致審計對象、目標、內容發生變化，與之相適應，審計技術方法必須不斷創新。在大數據時代，解決“如何更好審計”問題無疑需要借助大數據智能技術，但審計實務中大數據實踐遠不如其他領域普遍，傳統審計廣泛使用的ERP系統和數據倉庫系統本身并不是大數據。目前內部審計實務中鮮有應用智能技術。傳統內部審計方式越來越不能滿足大數據時代內部審計工作的需要。在大數據時代，數據的廣度和深度都大大提升，大數據的應用已經和各個領域的發展息息相關，內部審計由傳統方式向智能方式的變革升級成為大勢所趨。

在理論研究方面，雖然國外學者已經深入探討了大數據時代內部審計信息化、智能化的發展，提供了相當豐富的經驗證據，但國內這一領域的研究仍然匱乏。

（一）國外相關研究

依托大數據時代的背景，出現了諸如模式識別、數據可視化、數據挖掘等新型審計技術，也創造了許多新的審計證據形式，如文本挖掘、連續性方程等。有學者認為傳統審計方法在大數據時代可能并不十分有效。

國外一些學者對數據挖掘、數據可視化等新型審計技術應用于內部審計的研究起步較早。2001年就有學者研究了新興技術（包括網絡安全技術、面向對象技術、智能代理）怎樣在智能審計系統中應用，并提出了一種新的EDP審計方法。2004年Koskivaara對人工神經網絡技術在審計分析性復核的應用進行了研究。

隨著新型審計技術的成熟，學者們利用這些技術構建了完整的內部審計智能方式與方法。Liu[ 4 ]構建了EDA技術（探索性數據分析）在審計中的應用框架，說明了將EDA技術方法運用到審計工作流程中的步驟，為優化內部審計模式、檢測風險提供了參考。EDA技術基于大數據的背景，主要包括描述性統計、數據可視化、數據傳輸、數據挖掘等技術。對于數據可視化，Alawadhi[ 5 ]介紹了審計師在整個審計周期中（包括計劃階段、實地工作階段、報告階段）使用數據可視化技術的具體方法和應用節點。數據可視化由描述性數據和圖形化統計工具組成，可以在大量數據中找到有效信息，用戶交互性良好。研究表明當對數據知之甚少，且審計對象模糊不清時，數據可視化十分有效。Kuna等[ 6 ]利用數據挖掘技術設計和開發了一種異常值檢測過程，幫助審計人員在信息系統的審計日志中進行異常數據檢測，以便更好地執行數據分析任務。

（二）國內相關研究

我國對內部審計智能方式的研究起步較晚，研究成果相對較少。我國學者研究的主要方向為大數據時代對審計方式的影響。大數據和云計算促進了持續審計方式發展、總體審計模式應用、審計成果綜合應用、高效數據審計的發展，也促進了審計理念、審計方法、審計內容的轉變[ 7-9 ]，運用大數據技術可以有效降低舞弊風險，提高審計質量和效率[ 10 ]。大數據背景下，信息技術得到廣泛應用，以往的人工內部控制與審計向自動化計算機控制轉型[ 8 ]，數據挖掘等新型智能技術的發展促進了審計系統的智能化升級[ 11 ]。

當然智能技術應用于審計也并非全無風險。李視磊[ 12 ]認為人工智能應用于審計將增加系統風險，加大故障排解與監管成本，缺乏有效的審計溝通與觀察。田雨[ 13 ]認為大數據審計在數據采集、數據分析、數據安全方面都存在風險。大數據時代數據獲取成本低，但數據丟失或毀損的可能性也很大，大數據質量的管理和安全控制尤為重要。

也有學者借鑒國外研究構建了智能審計方式。盧加元[ 14 ]將人工智能及智能體Agent技術與內部審計“免疫系統”架構及免疫路徑結合起來，建立了基于智能體的公司內部審計“免疫系統”架構。南京銀行審計部[ 9 ]綜合“大數據思維”和“審計專家思維”，建立了審計與IT結合的模型。高浩瑋[ 15 ]根據數據化內部審計模式，為高校財務平臺設計了詳細的數據審計實施模型，這一模型的核心方法是數據分析，關鍵技術是構建審計中間庫，重要保障是平衡檢驗。周德銘[ 16 ]提出了企業內部審計的OACS審計模式，利用信息網絡技術建設該模式的實現機制，用數據采集與處理技術、模型構建技術、審計預警技術等實現內部審計智能化。斯慧龍等[ 17 ]根據行業特點，介紹了以風險地圖為指引實施條塊監控的內部審計模式，其輔助方法用到數理統計分析、計算機輔助審計等技術。楊鴻運[ 18 ]基于BP人工神經網絡模型，利用可視化軟件為商業銀行經濟責任審計設計了智能評價模型。田雨[ 13 ]根據所處研究院的特點，提出構建智能審計庫的構想，設計了包括數據采集層、指標建設層、數據挖掘層、數據共享層及可視化應用層的五層智能化內部審計數據挖掘分析架構。但以上智能審計模式的局限性在于主要應用于企業，對非營利組織和行政事業單位的研究尚有不足。

（三）醫院智能內部審計相關研究

國外一些學者利用信息化技術，為醫療機構內部審計方式的升級提供了參考。Vladimir等[ 19 ]利用建模工具和事件驅動流程鏈的方法，創建并優化了醫療衛生機構服務質量的內部審計過程模型，并按照該模型詳細分析了從審計計劃開始到得出審計結論整個過程中，醫療機構內部審計人員應該重點關注的工作環節。Carlos等[ 20 ]認為審計工具在加強預測性維護方面發揮著關鍵作用，提出一個多準則模型，用于審計在西班牙雷阿爾城總醫院開發和實施的預測性維護計劃。我國學者對這一領域的研究相對空白，比較有代表性的是吳浩和唐明[ 21 ]利用數據挖掘技術，對醫院審計數據進行智能分析、提取，建立了醫院智能審計模型，模型下完整審計過程包括數據采集、數據預處理、數據倉庫、數據挖掘、人員審計等。但是該研究主要針對某種智能技術的應用，沒有提出系統的方法體系。

此外，針對醫療保險欺詐和濫用嚴重的問題，Alawadhi[ 5 ]提出醫療保險審計人員可以利用數據可視化技術管理和檢索龐雜的醫療數據，從而檢測并預防醫療保險欺詐和濫用情況。在我國，湖北省審計學會課題組[ 22 ]構建了醫保審計大數據體系，并探索將大數據挖掘技術運用于醫保審計，揭露醫保政策執行、管理問題及騙保問題。陳偉等[ 23 ]以某公立醫院為例，利用大數據可視化技術的審計線索特征挖掘方法探究該醫院是否有藥品加成違規情況。可以看出國內對醫院智能內部審計的研究相較于國外更貧乏，且局限性在于對醫院相關的某些風險領域內部審計現存問題研究居多，沒有實現醫院整體的智能審計方式改進。

三、智能內部審計方式

本文基于國內外現有文獻，對研究所涉及的內部審計智能方式進行總結分析，認為以下幾種方式適合醫院的審計，主要包括持續審計方式、EPC審計流程模型、多準則模型三類。

（一）持續審計方式

隨著大數據智能化的發展，未來持續審計將成為一種主流審計方式。持續審計具體是指審計人員借助計算機軟件工具，實現對組織內各個系統的自動持續測試，并進行數據分析，建立基準值，再評估內部控制、各項交易等是否與基準相符，確定異常事項，收集證據并生成審計報告的系統化過程。因此可以將持續審計分為四個階段（見圖1）：

（a）自動化審計階段：審計師判斷組織哪些活動需要進行自動化審計。

（b）數據建模和確立基準階段：用于評估未來交易數據和賬戶余額與現有基準的差異。

（c）數據分析階段：用來評估內部控制、交易細節和賬戶余額等是否與基準相符。

（d）生成報告階段：審計師判斷審計例外情況，并關聯現有審計證據制定決策，生成審計報告。

持續審計方式適用性強，應用范圍廣，目前在公司內部審計和注冊會計師審計中得到不同程度的運用。具體到醫院內部審計來說，持續審計方式既可以針對某個或某些風險領域，也可以應用于整個醫院系統。前者比如應用到醫院管理信息系統（HIS）中，審計醫保管理與醫療費用結算并實現自動監測，禁止醫院對超出基本醫療保險范圍及支付標準的醫療費用進行醫保結算的行為;后者比如應用于審計醫院海量數據安全存儲，監測偽造、更改甚至泄露賬目、資料、門診急診處方、病人病歷、醫療費用單據等事件。任何數據保留都可能帶來潛在的安全和保密風險，醫院海量數據涉及患者機密信息，而持續審計方式對審計機密大數據有獨特優勢，因為自動化軟件可以保護數據免受常規人工觀察和處理[ 24 ]。

根據圖1，審計部門需要重點關注以下問題：醫院重點業務和管理活動進行自動化審計的現狀如何？對應的問題嚴重度、問題容量、風險重要性、風險概率、風險容量、風險等級、風險識別情況、審計方式、審計依據、審計內容等如何進行量化和數據分析？現有的審計系統及信息化技術應用能否滿足識別異常情況、進行數據分析的需要？如果不能，應該選取哪些數據分析方法對審計系統進行完善？

此外，Zhang等[ 24 ]提出持續審計系統數據分析狀態與大數據分析需求之間存在五方面的差距，即數據一致性、數據完整性、數據識別、數據聚合和數據機密性，也應該作為未來醫院應用持續審計方式重點關注的方面，本文不再深入探討。

（二）EPC審計流程模型

Vladimir等[ 19 ]通過事件驅動過程鏈的方法為醫療中心的內部審計流程建立了智能模型。事件驅動流程鏈（EPC）是用于繪制流程圖的建模語言，實質是一系列能產生預期結果的事件和活動，每個鏈的開始和結束都是由一個事件指定的。利用EPC創建內部審計流程模型，是將其作為管理層獲取審計評估和反饋的主要診斷工具，提供有關內部審計流程質量狀況的信息，有助于消除審計控制中的多余步驟和活動。

根據Vladimir等[ 19 ]的系統研究，EPC審計流程模型分為內部審計準備階段、執行階段和評估階段（見圖2）。該模型以內部審計執行階段為重點，而執行階段的審計重點在于治療程序和護理程序。因此該模型主要適用于醫院在治療和護理程序的評估、反饋，提供發生在其中的醫療設備質量狀況信息、醫護人員專業勝任能力信息、病患治療及護理信息等，實現醫院管理信息系統（HIS）、電子病歷系統（EMR）、影像歸檔和通信系統（PACS）、醫院資源規劃系統（HRP）等數字系統的有機統一。

具體來說，在審計治療程序時，重點關注醫院是否及時啟動有針對性的治療、有效的藥物治療、有區別的護理，是否在復雜的康復過程中實現部門之間有效合作等;在審計護理程序時，著重檢查醫院是否有完備的護理文件、確保病人的個人衛生、緊急情況下護士的可用性、按照醫生的規定一貫給藥、患者的合適飲食、適合患者的日常生活、護士與病人的適當溝通、監測和評估整體護理質量等。此外，為了保證該模型在具體醫院的適用性，審計部門還應監測審計的效率、效果及可信性、可參考價值等。

（三）多準則模型

Carlos等[ 20 ]構建多準則模型，審計在西班牙雷阿爾城總醫院（GHCR）開發和實施的預防性維護計劃（PMP），是根據員工對多個審計維度中PMP績效參考水平之間的吸引力差異（或對醫院的附加價值）的定性判斷，而建立的一個定量的PMP審計分層附加價值模型，使管理人員能夠衡量PMP的績效和醫院的附加價值。模型中對標準權重和價值標準的判斷是通過面向醫院管理、技術和咨詢人員進行的內部調查問卷數據而做出的。

該模型首先進行問卷調查，確定基本的審計維度及其相互依存關系;其次對PMP實施和管理進行績效描述，評估PMP在每個審計標準和審計領域的績效情況;最后構建價值模型，按照確定的審計標準和領域進行加權處理，劃分績效類別。（見圖3）

與持續審計方式和EPC審計流程模型不同，多準則模型側重于利用智能審計工具進行績效評估。該模型主要適用于衡量醫院某部門或項目的績效及價值。問卷調查可以廣泛集中民意，反映審計部門可能未曾關注的關鍵事項。每家醫院的具體情況、項目的執行情況、部門的運行情況都有差異，價值尺度和權重可以根據實際結果靈活確定，進而輸出有針對性和差異性的臨界值。智能技術可以實現與醫院管理系統（HIS）、醫院資源規劃系統（HRP）或具體項目管理系統的對接，通過事前制定的規則自動收集信息系統中的數據，保證數據的真實性。通過模型輸出，可以確定需要緊急干預的缺陷并采取措施持續改進。

借鑒多準則模型對PMP審計領域和審計標準的規劃，針對大數據背景和醫院具體情況，確定單位策略、員工態度、審計資源、人力資源、工作記錄、業務規劃、物資采購、技術技能、有效性等審計領域，在每個審計領域內集成一套連貫而詳盡的非冗余審計標準，以評估單位現有審計狀況能夠滿足標準的程度。比如對審計資源領域，可以設立如下標準：空間——有足夠的工作空間來開展審計活動;軟件——有處理和分析數據的足夠軟件;硬件——有足夠的硬件來獲取和傳輸審計數據;設備——提供設備（一定數量和質量）來開發智能審計;智能化——智能審計和管理系統之間的有效整合。

四、智能審計技術

智能審計技術圍繞對數據的采集、重組、挖掘及運用四個方面，實現對“大數據”的采集和轉換，解決信息不對稱的難題。審計模型以審計專業技術及審計人員職業判斷為支撐，而以下智能審計技術則為審計模型提供技術支持。基于對持續審計方式、EPC審計流程模型和多準則模型的研究總結，以下三種智能審計技術更具有應用于醫院智能內部審計的可行性、實用性。

（一）EDA技術

Exploratory data analysis（EDA）強調從原始數據中進行模式識別和假設生成，作為一種研究方法的合集，系統地包含了數據可視化、數據挖掘等關鍵技術，還包括描述性統計、數據傳輸、過程挖掘、文本挖掘等技術。目前EDA還沒有被系統地用于審計領域，只有部分EDA技術在審計的一些程序中使用。Liu[ 4 ]對EDA技術及其應用進行了系統研究，總結出EDA應用于審計工作的具體框架（如圖4）。

應用該技術需要重點關注的是，在“審計準備——審計實施——結果報告”這一審計周期中，審計人員何時可以應用EDA。這是EDA技術能否得以推廣應用需要解決的最基礎的問題。應用EDA技術需要關注并考察的問題還包括：在具體某一審計環節運用EDA中何種技術;在應用EDA技術時，審計人員應當按照怎樣的步驟具體實施;基于被審計單位的特點，EDA技術如何具體應用于內部審計。

（二）數據挖掘技術

數據挖掘，是指運用特定算法，根據操作對象的具體目的，從海量數據中尋找并揭露出隱藏其中的、未知的、具有潛在價值的相關信息的過程。數據挖掘技術是大數據分析的重要方法，具有傳統計算機審計不可比擬的高效性、智能化，因而被廣泛用于各類信息檢索與系統分析。

本文認為，在具體的審計工作中，需要將審計專家的專業思維與大數據思維相結合，才能做到專業化與智能化兩不誤。因此，如何運用數據挖掘技術協助審計工作，并兼顧醫院的特定情況，是審計人員應當重點關注的問題。數據挖掘技術在內部審計中的應用如圖5[ 9 ]。

（三）數據可視化

數據可視化，是指用易于理解的圖形、圖表等方式代替復雜抽象的數據模型，將數據包含的信息清楚高效地表達出來，并降低用戶理解數據背后信息的難度。利用數據可視化技術，海量的被審計單位數據信息可以得到簡潔表達，審計人員也可以更清晰地了解數據信息中內在因素的模式及關聯，從而高效精準發現問題、解決問題[ 5 ]。

本文將采用可視化手段進行審計數據分析的流程總結為：

（a）計劃階段：總體了解客戶業務，進行視覺風險評估;

（b）審計實地工作：利用數據可視化收集審計證據;

（c）報告階段：依靠可視化儀表板來處理結果并將其呈現給管理層。

本文認為審計重點應放在數據可視化協助審計人員進行審計的實際工作階段。在這一階段，審計人員利用某種可視化軟件將數據轉化為易于分析觀察的圖形、圖表等，通過對內部審計工作的全局把控，運用審計專業知識對可視化結果進行觀察、分析，做出職業判斷，從而系統掌握數據的內涵和特征并提取有用信息。

進一步地，本文認為審計人員與可視化軟件之間不是運用與被運用的機械關系，是可以實現信息交互的，比如，審計人員改變可視化軟件的設置、改變可視化結果的輸出。信息交互有助于審計人員跳出可視化工具的局限，自主地、能動性地獲得對被審計數據不同方面的理解，確保被審計數據的分析更全面、完整（如圖6）。

【參考文獻】

[1] 王寶慶.略論五種主要審計方式的恰當運用[N].中國審計報，2015-09-09（5）.

[2] 王慧琳.會計師事務所分析程序審計技術的缺陷及其改進分析[J].財會學習，2018（24）：136-137.

[3] 陳駿，時現.審計全覆蓋驅動下的審計技術方法創新研究[J].審計研究，2018（5）：22-29.

[4] QI LIU. The application of exploratory data analysis in auditing[D].The State University of New Jersey，2014.

[5] ALAWADHI A.The application of data visualization in auditing[D].The State University of New Jersey，2015.

[6] KUNA H D， GARCIA-MARTINEZ R， VILLATORO F R.Outlier detection in audit logs for application systems[J].Information Systems，2014（44）：22-33.

[7] 秦榮生.大數據、云計算技術對審計的影響研究[J].審計研究，2014（6）：23-28.

[8] 許梁冬.大數據時代公司內部審計工作探討[J].財經界，2015（1）：232.

[9] 南京銀行審計部.構建智能審計技術，提升內部審計價值[J].中國內部審計，2017（4）：44-49.

[10] 魯清仿，梁子慧.大數據對風險導向審計影響的研究[J].河南師范大學學報（哲學社會科學版），2015，42（2）：55-58.

[11] 郝玉貴，徐遠灑.大數據驅動的智能審計決策及其運行模式[J].生產力研究，2017（7）：141-146.

[12] 李視磊.基于人工智能技術的審計模式發展的思考[J].財經界（學術版），2018（14）：111-112.

[13] 田雨.電網企業內部審計智能庫的構想與探索[J].中國內部審計，2018（5）：20-25.

[14] 盧加元.內部審計“免疫系統”架構及免疫路徑研究：基于智能體理論的分析[J].財會通訊，2013（10）：81-83.

[15] 高浩瑋.基于高校財務信息平臺的數據審計模式及實務探究[J].審計研究，2010（6）：59-65.

[16] 周德銘.關于企業內部審計OACS審計模式的初步設想[J].審計研究，2010（1）：34-38.

[17] 斯慧龍，鮑偉俊，謝斌，等.以風險地圖為指引的內部審計監控模式的探索與實踐[C].全國內部審計理論研討優秀論文集，2011.

[18] 楊鴻運.商業銀行經濟責任審計智能決策方法研究：基于BP人工神經網絡模型的啟示[J].中國內部審計，2012（3）：46-50.

[19] VLADIMIR B，JANA F，IVETA O，et al.Process modeling of internal audit in healthcare center [J].Kontakt，2015，17（3）：154-162.

[20] CARLOS A B C，MARIA C C，MONICA D O.A multi-criteria model for auditing a predictive maintenance programme[J].European Journal of Operational Research，2012，217（2）：381-393.

[21] 吳浩，唐明.數據挖掘在醫院智能審計與監管平臺系統中的應用[J].工業控制計算機，2013（12）：113-115.

[22] 湖北省審計學會課題組.大數據技術在審計全覆蓋中的應用研究：以湖北省醫保審計實踐為例[J].審計研究，2018（1）：11-15.

[23] 陳偉，居江寧.基于大數據可視化技術的審計線索特征挖掘方法研究[J].審計研究，2018（1）：16-21.

[24] ZHANG J，YANG X S，APPELBAUM D.Toward effective big data analysis in continuous auditing[J].Accounting Horizons，2015，29（2）：469-476.