人工智能技術對公立醫院內部審計轉型的機遇與挑戰

陳朝暉 李萍 董嘉敏

[摘要]公立醫院內部審計作為一種獨立客觀的監督、評價和建議活動，需要應用數字技術，提高審計效率、質量和價值，完善治理、增加價值和實現目標。本文分析了人工智能技術為公立醫院內部審計數字化轉型帶來的機遇和挑戰，提出了應對挑戰的措施，以期促進公立醫院內部審計數字化轉型，進一步提高公立醫院治理水平和服務質量。

[關鍵詞]人工智能? ?公立醫院? ?內部審計

一、引言

數字經濟時代，人工智能（Artificial Intelligence，

AI）技術在各行各業的應用已經成為數字化轉型的重要推動力。《“十四五”國家信息化規劃》《“十四五”數字經濟發展規劃》《數字中國建設整體布局規劃》等多個文件從不同方面給出數字化轉型的政策指導和實施建議，為各類主體提供了明確的目標和路徑。

作為國民經濟的重要組成部分，公立醫院在保障人民群眾健康、推進健康中國建設、應對突發公共衛生事件等方面發揮著重要作用。在公立醫院高質量發展的大背景下，如何適應數字化轉型、智慧化建設等新趨勢，成為公立醫院面臨的重大課題。

內部審計作為公立醫院治理的關鍵工具，必須與時俱進，以滿足公立醫院高質量發展的新要求。公立醫院要堅持科技強審，積極運用人工智能技術，推動內部審計數字化。本文論述人工智能技術對公立醫院內部審計轉型的機遇與挑戰，并提出相應的對策，旨在為公立醫院內部審計高質量發展提供參考和借鑒。

二、人工智能技術在公立醫院內部審計轉型中的機遇

人工智能技術按照功能大致可分為認知AI、機器學習AI和生成式AI，其中認知AI負責所有“感覺像人一樣”的交互，如語音識別、圖像識別、自然語言處理等，能夠從各種來源和格式的數據中提取、清洗、整合和存儲有用的信息，為后續的分析和評估提供數據基礎；機器學習AI利用數學模型和算法，從大量的數據中學習規律和特征，從而實現預測、分類、聚類等任務；生成式AI負責利用深度神經網絡，從已有數據中生成新的數據，如文本、圖像、音頻等，為后續決策和溝通提供支持。在公立醫院內部審計的不同任務中，認知AI、機器學習AI、生成式AI各有其適用范圍，但它們并不是孤立使用的，而是相互結合、協同作用的，形成多模態的AI應用模式。

本部分將從以下三個方面探討人工智能技術在公立醫院內部審計轉型中的機遇，分析人工智能技術在這些方面的具體應用場景、優勢和效果，以期為公立醫院內部審計實踐提供一些參考。

（一）自動化數據收集和處理

當公立醫院進行內部審計時，需要收集和處理大量數據，包括醫療報告、賬目記錄等。傳統的數據收集和處理方式需要耗費大量人力和時間且容易出現錯誤和遺漏，而多模態的AI可以實現自動化數據收集和處理，減少人工干預和錯誤。

具體來說，認知AI可以通過自然語言處理、圖像識別等方式，識別不同類別的材料，并將識別出來的信息整合到一個數據庫中。這樣，審計人員便可以更快速地獲取所需信息，并進行分析和比對。例如，認知AI可以對醫院的財務報表、合同文本等文本數據進行自動化的提取、分類、歸檔等，方便內部審計人員進行查閱和分析，也可以對醫院的發票、憑證、單據等圖像數據進行自動化識別、校驗、錄入等，從而提高內部審計人員的工作效率和準確性。

（二）自動化風險評估和檢測

當進行內部審計時，需要對公立醫院的風險進行評估和檢測，以便發現潛在問題和風險。傳統的風險評估和檢測方法通常需要人工收集和分析大量數據和信息，這樣不僅費時費力，而且容易漏檢或誤判，而多模態的AI可以實現自動化的風險評估和檢測，從而提高風險管理的主動性和針對性。

具體來說，機器學習AI可以通過機器學習算法，對公立醫院的歷史數據進行分析和建模，從中學習到醫院的常規操作和異常情況，然后根據新數據進行風險評估和檢測。例如，機器學習AI可以自動識別賬目記錄中的異常支出，或者發現某個科室的醫療費用明顯高于其他科室的情況。這樣，審計人員便可以更快速地發現問題，并采取相應措施，從而避免財務和醫療風險的發生。

（三）自動化報告生成和分析

在公立醫院內部審計中，一項重要的工作是生成和分析審計報告，這些報告通常需要包括審計發現、異常情況、風險評估等內容。傳統的報告生成和分析方法通常需要耗費大量時間和精力，而且容易出現錯誤和漏洞，而多模態的AI可以實現自動化的報告生成和分析，從而提高報告的及時性和有效性。

具體來說，生成式AI可以對審計報告中的文字信息進行分析和理解，從中提取出關鍵信息，如發現的問題、異常情況、風險評估等，然后自動生成報告。在報告生成的過程中，生成式AI還可以自動計算出相關數據和指標，并進行可視化分析，以便審計人員更好地理解和處理信息。

上述三大功能在實際操作層面的協同聯動可以通過“大數據審計平臺整體架構”進行展示（見圖1）。數據層可以運用認知AI的自動化數據收集和處理功能來完善數據采集交換平臺，提升數據治理能力，為內部審計人員在應用層進行的具體審計任務提供數據支持；同時機器學習AI可以進行智能計算，利用數學模型和算法，進行風險建模和指標計算等，為應用層具體審計任務識別風險提供工具。在應用層，審計人員可以通過數據層處理好的數據信息進行采購審計、合同審計、資產審計、資金審計等具體審計任務，提高審計效率；利用機器學習AI的智能計算功能，準確識別在各審計任務中存在的具體審計風險。最后，應用層的審計結果可以通過生成式AI以圖表、文本等形式自動生成審計報告在PC門戶進行展示，同時對審計報告進行分析，在協同平臺和移動端進行問題推送，核實反饋信息，跟進后續整改動態。

三、人工智能技術在公立醫院內部審計轉型中的挑戰

在公立醫院內部審計轉型中，人工智能技術無疑是一把雙刃劍，既帶來了機遇，也帶來了挑戰。如何充分利用人工智能技術的優勢，同時避免或減少其不利影響，是公立醫院內部審計人員和管理者面臨的重大課題。

本部分將從以下三個方面探討人工智能技術在公立醫院內部審計轉型中的挑戰，并分析這些問題產生的原因和影響程度，為下一部分提出應對策略奠定基礎。

（一）適應性和可持續性問題

當人工智能系統應用于公立醫院內部審計數字化轉型時，適應性和可持續性是非常重要的問題。適應性是指人工智能系統能夠適應公立醫院不同應用場景，也包括內部工作人員能夠適應人工智能系統的應用，而可持續性是指人工智能系統能夠不斷地更新和優化模型以適應新的環境和需求。

公立醫院內部審計轉型過程中運用人工智能系統會遇到適應性挑戰，如數據質量問題、人員不適問題等。數據質量問題是指公立醫院數據通常比較復雜、龐大、分散，數據質量參差不齊，這會影響人工智能系統應用的準確性和效果。人員不適問題是指將人工智能系統引進應用過程中時，會使缺乏相關經驗和技術的工作人員感到不適應，從而影響工作效率。

持續性挑戰則包括系統更新維護問題、人力資源問題等。系統更新維護問題是指人工智能系統需要根據環境的變化以及業務需求來不斷地進行更新維護，否則就可能面臨技術落后的風險。人力資源問題是指公立醫院的人力資源有限，在建立人工智能系統時需要考慮到人員培訓及轉型等問題。

（二）數據隱私和安全問題

數據的隱私和安全問題是指如何在遵守法律法規和倫理原則的前提下，保障醫療數據中涉及的個人信息、敏感信息和商業秘密等不被泄露、篡改或濫用。將人工智能系統應用于公立醫院內部審計涉及的數據安全和隱私問題主要有以下幾類。

數據泄露問題。這是指在公立醫院內部審計過程中，由于人為失誤、技術缺陷、惡意攻擊等原因，導致醫療數據中的個人信息、敏感信息和商業秘密等被未經授權的第三方獲取、復制或傳播的問題。這種問題可能會侵犯患者、醫生、醫院等相關方的隱私權、知情權和知識產權，從而造成經濟損失和聲譽損害，甚至引發法律訴訟和社會不滿。

數據篡改問題。這是指在公立醫院內部審計過程中，由于人為操作、技術故障、惡意干預等原因，導致醫療數據中的內容或格式被修改、刪除或替換的問題。這種問題可能會影響醫療數據的完整性、準確性和可靠性，導致內部審計的結果和判斷失真或錯誤，從而影響內部審計的效果和價值，甚至造成醫療質量和安全問題。

數據濫用問題。這是指在公立醫院內部審計過程中，由于缺乏規范、監督或問責機制，導致醫療數據中的個人信息、敏感信息和商業秘密等被超出授權范圍的使用、分析或利用的問題。這種問題可能會違反法律法規和倫理原則，導致醫療數據中的相關方的利益受損，影響內部審計的公正性和合法性，甚至引發道德危機和信任危機。

（三）投入產出問題

人工智能系統的投入產出問題是指在公立醫院內部審計過程中，如何平衡和優化人工智能系統的投入成本和產出效益的問題。

由于人工智能系統的復雜性、動態性和不確定性，公立醫院內部審計面臨著多方面的投入產出困難，如人工智能系統的投入成本難以估算、產出效益難以衡量、投入產出比難以評價等。

如果沒有有效的投入產出評估、監測和優化機制，公立醫院內部審計就無法保證人工智能系統的經濟性、效率性和效果性，也無法建立人工智能系統的價值和競爭力，甚至可能造成資源浪費和投資損失。

四、如何應對人工智能技術在公立醫院內部審計轉型中的挑戰

針對人工智能技術在公立醫院內部審計轉型中的挑戰，本文將從以下三個方面探討如何應對人工智能技術在公立醫院內部審計轉型中的挑戰，并分析這些對策的具體內容和效果，以期為公立醫院內部審計實踐提供一些建議。

（一）建立適應性和可持續性的應用框架

針對數據質量問題，公立醫院需要建立健全數據質量管理制度，明確數據質量標準、流程、責任和考核機制，加強數據采集、存儲、處理、共享和使用的規范化和標準化，提高數據的準確性、完整性、及時性和可靠性。

針對人員不適應問題，公立醫院需要加強對內部審計人員的培訓和教育，提高內審人員數字化審計的能力，增強他們對數字化審計的信心和興趣；同時建立激勵機制，鼓勵內審人員積極參與數字化審計工作，表彰優秀的數字化審計人員和團隊。

針對人力資源問題，公立醫院需要加強內審人才培養和隊伍建設，培養具有人工智能技術知識和審計專業知識的復合型人才，形成高效協同的公立醫院內部審計團隊。

針對系統更新維護問題，公立醫院需要建立人工智能技術在公立醫院內部審計系統運用的評估和監督機制，定期對人工智能運用的效果、問題等進行反饋，及時發現并解決存在的問題，保證人工智能技術的正確運行和優化改進，并根據審計需要引入最新的技術和方法，提升人工智能系統的水平和能力。

（二）加強數據隱私和安全管理

針對數據泄露問題，公立醫院需要建立健全數據安全保護制度，明確數據安全責任主體、保密等級、授權范圍和違規處罰等。醫院工作人員是患者診療信息安全管理工作的責任人，應在醫療服務工作中根據有關規定、要求做好患者診療信息安全管理工作。醫院應嚴格禁止工作人員將涉及隱私的患者信息在互聯網等公共媒介上發布和傳播，將患者診療信息安全管理工作納入科室日常考核，對違反管理制度的行為，根據醫院相關規定作出處理。同時加強數據安全技術防護，采用加密、備份、防火墻等手段，保障數據在傳輸、存儲和使用過程中的安全性。

針對數據篡改問題，公立醫院需要建立健全數據審計追溯機制，記錄并保存數據來源以及數據變更和使用情況，以便對數據篡改行為進行追查和問責；利用數據防篡改技術，如數字簽名、數字水印等，保證數據的完整性，防止數據被惡意修改。

針對數據濫用問題，公立醫院需要建立健全數據合規使用制度，明確數據使用的目的、范圍、方式和限制等。患者診療過程中的相關信息應按照有關規定采集、傳遞和利用，患者信息在使用過程中應得到有效保護，未經有效授權或批準，任何組織和個人均不得獲取和使用患者信息；建立健全數據使用監督機制，定期對公立醫院內審人員的數據使用情況進行檢查和評價，及時發現和糾正數據濫用行為，嚴肅處理違規者，維護醫療數據相關方利益。醫院醫療質量（與安全）管理委員會負責患者診療信息安全管理工作的領導，醫院各職能部門分別負責本部門患者診療信息安全工作的具體管理。

（三）建立投入產出的評價和優化機制

針對人工智能系統的投入產出問題，公立醫院可以利用預算績效管理審計，建立投入產出的評價和優化機制，主要包括以下幾個方面。

首先，建立科學的投入產出評估體系，明確人工智能系統的投入成本和產出效益的定義、指標、方法和標準，以便對人工智能系統的投入產出進行客觀、全面和準確的評估。

其次，建立有效的投入產出監測機制，定期收集、分析和反饋人工智能系統的投入成本和產出效益的數據和信息，以便對人工智能系統的投入產出進行及時、動態和細致的監測。

最后，建立靈活的投入產出優化機制，根據人工智能系統的投入成本和產出效益的評估和監測結果，以及公立醫院內部審計人員、外部審計機構、第三方服務提供商等相關方的需求和期待，對人工智能系統的投入成本進行合理、適度和持續的優化。

五、結論

綜上所述，人工智能技術為公立醫院內部審計數字化轉型帶來了許多機遇，但在應用過程中也存在一些挑戰。因此，必須科學合理地應用和管理人工智能技術，解決好相關問題，才能實現公立醫院內部審計數字化轉型的最大效益。

為了合理應用人工智能技術促進公立醫院內部審計數字化轉型，本文建議從以下幾個方面進行探索。

首先，針對不同醫院的特點和實際情況，量身定制人工智能應用方案。這需要充分了解各類人工智能技術的優劣之處，并結合實際場景進行選擇和應用。

其次，應完善數據安全和隱私保護措施，同時提高人工智能系統的可解釋性和透明度，以便更好地讓管理者和監管機構理解數據分析的過程和結果，從而增強公眾對于數字化轉型的信心和認可。

最后，應加強與監管機構、學術界、產業界等多方面合作，共同推動內部審計轉型進程，拓寬各方合作交流的渠道，促進公立醫院內部審計數字化轉型的可持續發展。

（作者單位：福州大學經濟與管理學院? ?福建省婦幼保健院審計科，郵政編碼：350108，電子郵箱：chzh7011@126.com）