人工智能技术对公立医院内部审计转型的机遇与挑战

陈朝晖 李萍 董嘉敏

[摘要]公立医院内部审计作为一种独立客观的监督、评价和建议活动，需要应用数字技术，提高审计效率、质量和价值，完善治理、增加价值和实现目标。本文分析了人工智能技术为公立医院内部审计数字化转型带来的机遇和挑战，提出了应对挑战的措施，以期促进公立医院内部审计数字化转型，进一步提高公立医院治理水平和服务质量。

[关键词]人工智能   公立医院   内部审计

一、引言

数字经济时代，人工智能（Artificial Intelligence，

AI）技术在各行各业的应用已经成为数字化转型的重要推动力。《“十四五”国家信息化规划》《“十四五”数字经济发展规划》《数字中国建设整体布局规划》等多个文件从不同方面给出数字化转型的政策指导和实施建议，为各类主体提供了明确的目标和路径。

作为国民经济的重要组成部分，公立医院在保障人民群众健康、推进健康中国建设、应对突发公共卫生事件等方面发挥着重要作用。在公立医院高质量发展的大背景下，如何适应数字化转型、智慧化建设等新趋势，成为公立医院面临的重大课题。

内部审计作为公立医院治理的关键工具，必须与时俱进，以满足公立医院高质量发展的新要求。公立医院要坚持科技强审，积极运用人工智能技术，推动内部审计数字化。本文论述人工智能技术对公立医院内部审计转型的机遇与挑战，并提出相应的对策，旨在为公立医院内部审计高质量发展提供参考和借鉴。

二、人工智能技术在公立医院内部审计转型中的机遇

人工智能技术按照功能大致可分为认知AI、机器学习AI和生成式AI，其中认知AI负责所有“感觉像人一样”的交互，如语音识别、图像识别、自然语言处理等，能够从各种来源和格式的数据中提取、清洗、整合和存储有用的信息，为后续的分析和评估提供数据基础；机器学习AI利用数学模型和算法，从大量的数据中学习规律和特征，从而实现预测、分类、聚类等任务；生成式AI负责利用深度神经网络，从已有数据中生成新的数据，如文本、图像、音频等，为后续决策和沟通提供支持。在公立医院内部审计的不同任务中，认知AI、机器学习AI、生成式AI各有其适用范围，但它们并不是孤立使用的，而是相互结合、协同作用的，形成多模态的AI应用模式。

本部分将从以下三个方面探讨人工智能技术在公立医院内部审计转型中的机遇，分析人工智能技术在这些方面的具体应用场景、优势和效果，以期为公立医院内部审计实践提供一些参考。

（一）自动化数据收集和处理

当公立医院进行内部审计时，需要收集和处理大量数据，包括医疗报告、账目记录等。传统的数据收集和处理方式需要耗费大量人力和时间且容易出现错误和遗漏，而多模态的AI可以实现自动化数据收集和处理，减少人工干预和错误。

具体来说，认知AI可以通过自然语言处理、图像识别等方式，识别不同类别的材料，并将识别出来的信息整合到一个数据库中。这样，审计人员便可以更快速地获取所需信息，并进行分析和比对。例如，认知AI可以对医院的财务报表、合同文本等文本数据进行自动化的提取、分类、归档等，方便内部审计人员进行查阅和分析，也可以对医院的发票、凭证、单据等图像数据进行自动化识别、校验、录入等，从而提高内部审计人员的工作效率和准确性。

（二）自动化风险评估和检测

当进行内部审计时，需要对公立医院的风险进行评估和检测，以便发现潜在问题和风险。传统的风险评估和检测方法通常需要人工收集和分析大量数据和信息，这样不仅费时费力，而且容易漏检或误判，而多模态的AI可以实现自动化的风险评估和检测，从而提高风险管理的主动性和针对性。

具体来说，机器学习AI可以通过机器学习算法，对公立医院的历史数据进行分析和建模，从中学习到医院的常规操作和异常情况，然后根据新数据进行风险评估和检测。例如，机器学习AI可以自动识别账目记录中的异常支出，或者发现某个科室的医疗费用明显高于其他科室的情况。这样，審计人员便可以更快速地发现问题，并采取相应措施，从而避免财务和医疗风险的发生。

（三）自动化报告生成和分析

在公立医院内部审计中，一项重要的工作是生成和分析审计报告，这些报告通常需要包括审计发现、异常情况、风险评估等内容。传统的报告生成和分析方法通常需要耗费大量时间和精力，而且容易出现错误和漏洞，而多模态的AI可以实现自动化的报告生成和分析，从而提高报告的及时性和有效性。

具体来说，生成式AI可以对审计报告中的文字信息进行分析和理解，从中提取出关键信息，如发现的问题、异常情况、风险评估等，然后自动生成报告。在报告生成的过程中，生成式AI还可以自动计算出相关数据和指标，并进行可视化分析，以便审计人员更好地理解和处理信息。

上述三大功能在实际操作层面的协同联动可以通过“大数据审计平台整体架构”进行展示（见图1）。数据层可以运用认知AI的自动化数据收集和处理功能来完善数据采集交换平台，提升数据治理能力，为内部审计人员在应用层进行的具体审计任务提供数据支持；同时机器学习AI可以进行智能计算，利用数学模型和算法，进行风险建模和指标计算等，为应用层具体审计任务识别风险提供工具。在应用层，审计人员可以通过数据层处理好的数据信息进行采购审计、合同审计、资产审计、资金审计等具体审计任务，提高审计效率；利用机器学习AI的智能计算功能，准确识别在各审计任务中存在的具体审计风险。最后，应用层的审计结果可以通过生成式AI以图表、文本等形式自动生成审计报告在PC门户进行展示，同时对审计报告进行分析，在协同平台和移动端进行问题推送，核实反馈信息，跟进后续整改动态。

三、人工智能技术在公立医院内部审计转型中的挑战

在公立医院内部审计转型中，人工智能技术无疑是一把双刃剑，既带来了机遇，也带来了挑战。如何充分利用人工智能技术的优势，同时避免或减少其不利影响，是公立医院内部审计人员和管理者面临的重大课题。

本部分将从以下三个方面探讨人工智能技术在公立医院内部审计转型中的挑战，并分析这些问题产生的原因和影响程度，为下一部分提出应对策略奠定基础。

（一）适应性和可持续性问题

当人工智能系统应用于公立医院内部审计数字化转型时，适应性和可持续性是非常重要的问题。适应性是指人工智能系统能够适应公立医院不同应用场景，也包括内部工作人员能够适应人工智能系统的应用，而可持续性是指人工智能系统能够不断地更新和优化模型以适应新的环境和需求。

公立医院内部审计转型过程中运用人工智能系统会遇到适应性挑战，如数据质量问题、人员不适问题等。数据质量问题是指公立医院数据通常比较复杂、庞大、分散，数据质量参差不齐，这会影响人工智能系统应用的准确性和效果。人员不适问题是指将人工智能系统引进应用过程中时，会使缺乏相关经验和技术的工作人员感到不适应，从而影响工作效率。

持续性挑战则包括系统更新维护问题、人力资源问题等。系统更新维护问题是指人工智能系统需要根据环境的变化以及业务需求来不断地进行更新维护，否则就可能面临技术落后的风险。人力资源问题是指公立医院的人力资源有限，在建立人工智能系统时需要考虑到人员培训及转型等问题。

（二）数据隐私和安全问题

数据的隐私和安全问题是指如何在遵守法律法规和伦理原则的前提下，保障医疗数据中涉及的个人信息、敏感信息和商业秘密等不被泄露、篡改或滥用。将人工智能系统应用于公立医院内部审计涉及的数据安全和隐私问题主要有以下几类。

数据泄露问题。这是指在公立医院内部审计过程中，由于人为失误、技术缺陷、恶意攻击等原因，导致医疗数据中的个人信息、敏感信息和商业秘密等被未经授权的第三方获取、复制或传播的问题。这种问题可能会侵犯患者、医生、医院等相关方的隐私权、知情权和知识产权，从而造成经济损失和声誉损害，甚至引发法律诉讼和社会不满。

数据篡改问题。这是指在公立医院内部审计过程中，由于人为操作、技术故障、恶意干预等原因，导致医疗数据中的内容或格式被修改、删除或替换的问题。这种问题可能会影响医疗数据的完整性、准确性和可靠性，导致内部审计的结果和判断失真或错误，从而影响内部审计的效果和价值，甚至造成医疗质量和安全问题。

数据滥用问题。这是指在公立医院内部审计过程中，由于缺乏规范、监督或问责机制，导致医疗数据中的个人信息、敏感信息和商业秘密等被超出授权范围的使用、分析或利用的问题。这种问题可能会违反法律法规和伦理原则，导致医疗数据中的相关方的利益受损，影响内部审计的公正性和合法性，甚至引发道德危机和信任危机。

（三）投入产出问题

人工智能系统的投入产出问题是指在公立医院内部审计过程中，如何平衡和优化人工智能系统的投入成本和产出效益的问题。

由于人工智能系统的复杂性、动态性和不确定性，公立医院内部审计面临着多方面的投入产出困难，如人工智能系统的投入成本难以估算、产出效益难以衡量、投入产出比难以评价等。

如果没有有效的投入产出评估、监测和优化机制，公立医院内部审计就无法保证人工智能系统的经济性、效率性和效果性，也无法建立人工智能系统的价值和竞争力，甚至可能造成资源浪费和投资损失。

四、如何应对人工智能技术在公立医院内部审计转型中的挑战

针对人工智能技术在公立医院内部审计转型中的挑战，本文将从以下三个方面探讨如何应对人工智能技术在公立医院内部审计转型中的挑战，并分析这些对策的具体内容和效果，以期为公立医院内部审计实践提供一些建议。

（一）建立适应性和可持续性的应用框架

针对数据质量问题，公立医院需要建立健全数据质量管理制度，明确数据质量标准、流程、责任和考核机制，加强数据采集、存储、处理、共享和使用的规范化和标准化，提高数据的准确性、完整性、及时性和可靠性。

针对人员不适应问题，公立医院需要加强对内部审计人员的培训和教育，提高内审人员数字化审计的能力，增强他们对数字化审计的信心和兴趣；同时建立激励机制，鼓励内审人员积极参与数字化审计工作，表彰优秀的数字化审计人员和团队。

针对人力资源问题，公立医院需要加強内审人才培养和队伍建设，培养具有人工智能技术知识和审计专业知识的复合型人才，形成高效协同的公立医院内部审计团队。

针对系统更新维护问题，公立医院需要建立人工智能技术在公立医院内部审计系统运用的评估和监督机制，定期对人工智能运用的效果、问题等进行反馈，及时发现并解决存在的问题，保证人工智能技术的正确运行和优化改进，并根据审计需要引入最新的技术和方法，提升人工智能系统的水平和能力。

（二）加强数据隐私和安全管理

针对数据泄露问题，公立医院需要建立健全数据安全保护制度，明确数据安全责任主体、保密等级、授权范围和违规处罚等。医院工作人员是患者诊疗信息安全管理工作的责任人，应在医疗服务工作中根据有关规定、要求做好患者诊疗信息安全管理工作。医院应严格禁止工作人员将涉及隐私的患者信息在互联网等公共媒介上发布和传播，将患者诊疗信息安全管理工作纳入科室日常考核，对违反管理制度的行为，根据医院相关规定作出处理。同时加强数据安全技术防护，采用加密、备份、防火墙等手段，保障数据在传输、存储和使用过程中的安全性。

针对数据篡改问题，公立医院需要建立健全数据审计追溯机制，记录并保存数据来源以及数据变更和使用情况，以便对数据篡改行为进行追查和问责；利用数据防篡改技术，如数字签名、数字水印等，保证数据的完整性，防止数据被恶意修改。

针对数据滥用问题，公立医院需要建立健全数据合规使用制度，明确数据使用的目的、范围、方式和限制等。患者诊疗过程中的相关信息应按照有关规定采集、传递和利用，患者信息在使用过程中应得到有效保护，未经有效授权或批准，任何组织和个人均不得获取和使用患者信息；建立健全数据使用监督机制，定期对公立医院内审人员的数据使用情况进行检查和评价，及时发现和纠正数据滥用行为，严肃处理违规者，维护医疗数据相关方利益。医院医疗质量（与安全）管理委员会负责患者诊疗信息安全管理工作的领导，医院各职能部门分别负责本部门患者诊疗信息安全工作的具体管理。

（三）建立投入产出的评价和优化机制

针对人工智能系统的投入产出问题，公立医院可以利用预算绩效管理审计，建立投入产出的评价和优化机制，主要包括以下几个方面。

首先，建立科学的投入产出评估体系，明确人工智能系统的投入成本和产出效益的定义、指标、方法和标准，以便对人工智能系统的投入产出进行客观、全面和准确的评估。

其次，建立有效的投入产出监测机制，定期收集、分析和反馈人工智能系统的投入成本和产出效益的数据和信息，以便对人工智能系统的投入产出进行及时、动态和细致的监测。

最后，建立灵活的投入产出优化机制，根据人工智能系统的投入成本和产出效益的评估和监测结果，以及公立医院内部审计人员、外部审计机构、第三方服务提供商等相关方的需求和期待，对人工智能系统的投入成本进行合理、适度和持续的优化。

五、结论

综上所述，人工智能技术为公立医院内部审计数字化转型带来了许多机遇，但在应用过程中也存在一些挑战。因此，必须科学合理地应用和管理人工智能技术，解决好相关问题，才能实现公立医院内部审计数字化转型的最大效益。

为了合理应用人工智能技术促进公立医院内部审计数字化转型，本文建议从以下几个方面进行探索。

首先，针对不同医院的特点和实际情况，量身定制人工智能应用方案。这需要充分了解各类人工智能技术的优劣之处，并结合实际场景进行选择和应用。

其次，应完善数据安全和隐私保护措施，同时提高人工智能系统的可解释性和透明度，以便更好地让管理者和监管机构理解数据分析的过程和结果，从而增强公众对于数字化转型的信心和认可。

最后，应加强与监管机构、学术界、产业界等多方面合作，共同推动内部审计转型进程，拓宽各方合作交流的渠道，促进公立医院内部审计数字化转型的可持续发展。

（作者单位：福州大学经济与管理学院   福建省妇幼保健院审计科，邮政编码：350108，电子邮箱：chzh7011@126.com）