基于江苏实践的人工智能赋能医疗监管体系构建与实现机制
目前,我国医疗监管仍面临多重挑战。在政策执行层面,医疗监管体系存在责任主体不清、监管程序不统一以及部门协同不足等问题。在监管实践过程中,传统监管依赖人力、事后抽查和被动响应的医疗监管模式,难以应对日益复杂、高频、海量的医疗行为和数据。在监管信息利用方面,部门监管职责分散、数据与信息共享机制不足,同时大量非结构化文本难以通过人工有效分析与整合,导致监管信息难以整合和利用,阻碍了监管信息的共享与协同。而人工智能可以通过大数据分析、机器学习等技术,提升医疗服务效率、优化医疗管理流程、降低运营成本,为医疗监管提供新技术工具。江苏作为国家创新医疗监管试点省份,将人工智能辅助的风险预警与数据监测融入监管实践,初步实现了对医疗安全的全流程监管。
基于此,本研究基于技术-组织-环境(technology-organization-environment,TOE)框架构建分析框架,对江苏医疗监督领域“机构监管、行为监管、功能监管、穿透式监管、持续监管”的实践案例进行分析。通过多案例比较、专家深度访谈与实地调研,探索人工智能技术在医疗监督管理中的创新应用路径与实现机制,以期提供可复制的实施路径,助力构建更加精准、高效且可持续的智慧医疗监管体系。
1 人工智能赋能医疗监管的体系框架
1.1 理论基础
在TOE框架下,3大维度与人工智能赋能医疗监督管理具有高度契合性。医疗人工智能治理依赖于技术能力、组织治理机制与外部政策环境的协同作用,单一部门的资源及技术能力不足以形成及时有效的监管和治理。此外,人工智能技术嵌入医疗卫生服务体系经历了从外源性的关系型嵌入向内生性的结构型嵌入的转型。在技术维度,云计算、大数据、人工智能等智能技术通过融合,为医疗监督管理体系的数字化转型提供关键支撑。在组织维度,人工智能的应用推动监管组织优化,助力差异化精准监管,形成外部协同与内部自查结合的一体化治理。在环境维度,通过人工智能实现信息、资源与决策的高效传导,达成各方利益的共赢。
1.2 人工智能赋能医疗监管体系构建
本文基于TOE理论,将机构监管、行为监管、功能监管、穿透式监管与持续监管这“五大监管”作为监管对象,从技术赋能、组织保障、环境驱动3个方面,构建人工智能赋能医疗监督管理的体系框架(图1)。

图1 人工智能赋能医疗监督管理的体系框架
(1)技术赋能。技术是人工智能赋能医疗监督管理的核心动力。本文从数据支持、全流程监管、反馈优化3个维度出发,为机构、行为、功能、穿透式、持续监管提供技术实现路径与工具支撑。其中,数据支持部分通过采集和标准化医疗数据,利用自然语言处理与深度学习,将分散的医疗监管信息转化为可识别、可分析、可预测的数据基础,为后续实现风险预测、异常检测和关联分析提供可量化和可追溯的数据凭证。全流程管理部分,医疗人工智能大模型通过结构化解析诊疗数据、实现医疗行为实时监测、构建智能预警机制,可直接应用于医疗监管的事前预警、事中干预、事后追溯全流程,实现动态、精准与持续监管。反馈优化部分将监管实践中产生的数据进一步优化监管过程,通过监管数据与专家评审,构建评价与问责机制,对优良机构实行激励,对违规主体实施重点监管。
(2)组织保障。外部监管主体以卫生健康行政部门为主导,制定人工智能与医疗监督管理相关法规标准,建设并管理省级互联网监管平台,对医疗机构和重点领域实行专项检查或质控检查,促进行业自律,并联合医保、公安、市场监管等部门建立信息共享机制,实施信用利益挂钩与联合执法,构成跨部门协同监管格局。内部监管主体以医疗机构为核心,涵盖医院管理层、医务处、信息科、临床科室等内部管理单元。医院管理层负责审批执业自查年度计划与决策,并进行跨部门协调和资源支持等工作。医务处负责依法执业自查并督导不良事件的上报与分析,验证整改效果等工作。临床科室需积极参与检查任务,主动上报不良事件。信息科承担监管平台的开发维护,保障监管数据的流畅采集与交互,并实现风险预警等工作。内外部联动的组织架构,实现对医疗监督管理的全面覆盖。
(3)环境驱动。环境构成了监管创新的外部约束与驱动力量,是监管体系得以有效运行的外部条件。具体而言,政策标准层通过完善法律法规、技术标准与配套细则,明确数据权限与共享机制,为监管提供制度支撑。文化生态层运用人工智能融合信用机制,重塑行业文化生态,强调合规与信用导向,推动医疗机构主动上报与自查,形成内生约束。社会舆论层面借助“双随机、一公开”等机制,引入公众与媒体监督,提升监管透明度与公信力,促进监管网络健康发展。技术伦理层面需聚焦数据标准、网络安全、伦理审查3大核心方向,通过隐私保护、算法公平与风险防控,强化系统的安全与可信基础。
2 江苏省智能医疗监管改革实践
近年来,江苏省医疗监管制度法规不断出台、监督工具持续优化、治理模式日趋协同。 国家卫生健康委于2024年初启动创新医疗监督管理试点工作,旨在探索“五大监管”在医疗监督领域的实现路径,创新监督执法方式。江苏省根据该方案要求制定了《江苏省创新医疗监督试点工作实施方案》,选取苏州市、南通市、南京市栖霞区作为首批试点地区,其他市区协同配合,共同推进试点工作。
2.1 筑牢数智监管基础
(1)数据整合与算法提效。江苏省将分散的医疗监管信息转化为可识别、可分析、可预测的数据基础。在数据标准化方面,江苏省编制《互联网医院依法执业监督检查表》,覆盖机构、人员、行为、信息及医疗质量,规范了监督检查流程,并保障了数据可比性。在数据整合方面,将合理用药监测系统、耗材SPD系统、医德医风考评系统等主要业务信息系统的预警信息进行整合,统一送至智能监管平台,实现院内监管数据全口径汇聚。在算法探索方面,利用大数据与深度学习,开发机构画像、市级分析图谱等智能化应用,实现自动数据分析、问题识别。
这一转变为机构监管、行为监管提供了可量化和可追溯的数据凭证。例如:江苏某三甲医院借助机器学习和数据挖掘等人工智能方法,不良事件系统全自动生成每月报表文件,将月度不良事件统计总工作量由5天压缩为1小时,降低了医院运营成本。
(2)全流程提升监管效率。在数据基础之上,江苏省将人工智能分析能力嵌入“事前预警、事中干预、事后分析”监管全流程。在事前环节,江苏省选取“首诊记录不完整、无医师电子签名、处方未审核”3类核心预警规则,对诊疗行为实时监测,自动校验预警信息。在事中环节,智能系统将预警信息推送至医疗机构,要求其限时自查并反馈整改情况。对于多次未整改或风险等级较高的问题,自动推送给卫生监督员。由卫生监督员明确区分系统性问题与机构风险问题,前者优先修复信息流程,后者启动线下核查与行政处罚程序,实现差异化监管。在事后环节,依托信用监管系统,归集行政处罚、投诉举报、不良记分等信息,建立动态信用档案。
利用人工智能进行的全流程监管穿透监管全过程,提高资源利用效率。如:截至2025年10月底,南京市栖霞区的监管平台智能识别违规线索307条,通过非现场执法方式办理案件33件,占行政处罚案件总量的60%。对比数据显示,传统模式需投入2名监督员、1名司机和1辆车、耗时10个工作日才能完成的检查任务,在智慧监管模式下仅需2名监督员携带终端设备、耗时5个工作日即可完成,真正实现减员增效。
(3)信用监管优化资源配置。江苏省将监管实践中产生的数据进一步优化监管过程。在信用评价方面,应用信用档案,对连续两年获评优秀的机构探索实施“免检绿色通道”,通过减少重复性核查降低合规负担;对屡次整改不到位或存在重大违规行为的机构纳入重点监控名单,实施强化的事后追踪与整改核验。在结果应用方面,镇江市进一步将信用等级与医保定点、政府采购、评优评先深度挂钩,形成“承诺-评价-修复-激励”的信用监管闭环。由此,江苏省守法机构迎检频次下降60%,有效遏制重点领域违法违规行为,实现差异化功能监管。
2.2 构建多元协同监管格局
(1)打破跨部门联动壁垒。医疗监管涉及卫生健康行政、公安、市场监管、医保等多个部门,由于职责边界不清、信息沟通不畅,常常陷入碎片化监管困局。江苏省依托信息化平台,定期召开联席会议,通报查处数据,研判新问题。在执法协作方面,江苏省建立双向联合机制,明确线索移送、信息共享、联合执法程序,实现对违法行为的全链条打击。此外,牵头组织医疗美容、互联网医院、护理院等多部门联合检查,整合重复检查,实现了对机构干扰的最小化与监管效能的最大化。
江苏各市在全面完成“双随机”检查任务基础上,检查千余家医疗机构,监督完成率100%。通过信息化平台驱动的部门联动,使穿透式监管跨越部门壁垒,实现协同监管与联合惩戒。
(2)压实医疗机构自查责任。江苏省应用依法执业自我管理系统,将繁杂的法律法规分解为可操作的自查要点,以信息化手段促使医疗机构自查自纠。在整改闭环方面,江苏开发执业自查模块,督促机构对自查发现的问题明确责任人、具体措施和完成时限,确保每个问题都整改到位。在考核激励方面,江苏省将整改成效纳入机构内部绩效考核体系,全面纳入其年度校验、等级评审及绩效考核体系并与奖惩挂钩。不断夯实医疗卫生行业自我约束的主体责任基础,实现主动自查的机构监管变革。
人工智能技术的深度应用,解决了医疗机构自查项目笼统、过程缺乏记录等问题。如:截至2025年10月底,南京市栖霞区创新预警机制累计推送监管提示5283条,机构自主整改率达97.2%。电子病历书写率从不足40%提升至95%以上,书写规范率由30%以下提升至85%以上,医疗废物规范处置率从50%以下跃升至90%以上。机构依法执业主体意识明显增强,使医疗机构从被动应付检查转向主动合规经营。
(3)监管与机构双向联动增效。江苏省进一步探索内外联动监管,依托信息化平台构建“卫生监督服务共同体”,建立监管部门与医疗机构之间常态化双向互动。一方面,监管部门定期向医疗机构推送依法执业合规指引、风险提示和典型案例,指导机构开展靶向性自查;另一方面,医疗机构可通过依法执业管理员库直接反馈疑难问题与系统性风险,为监管决策提供一线信息。同时,江苏创新实施“两书同达”机制,即在送达行政处罚决定书时同步告知信用修复政策与流程,机构完成整改后可主动申请信用修复,监管部门及时受理、核查并反馈结果。
这一内外双向信息流动,使监管者更加快速地发现薄弱环节,使医疗机构合规水平稳步提升,最终实现监管效能与机构能力的双重提升。
2.3 营造良好监管生态氛围
(1)完善地方立法与制度。江苏积极探索地方性立法与规范性文件的制定。2023年出台《江苏省基层卫生条例》,为基层医疗机构的智能化监管提供了明确的法律依据。同时,针对互联网医院等新业态,江苏制定了《互联网医院依法执业监督检查表》及专项检查实施方案,明确了“三表一清单”的监管模式。在信用评价方面,江苏依据《江苏省社会信用条例》和《江苏省医疗卫生信用信息管理办法》,构建了覆盖全行业的信用监管制度框架,配套实施的《江苏省医疗机构不良执业行为记分管理办法》,将违规行为量化并与信用体系挂钩。
(2)培育合规文化氛围。人工智能与信用机制的深度融合,正在重塑江苏医疗行业的文化生态。江苏鼓励医疗机构积极引入信息化管理工具,借助大数据分析、智能预警等技术手段开展精准自查自纠。通过“服务+监管”融合模式,将普法宣传与合规指导融入日常监管,提升从业人员的安全责任意识。此外,在执业登记、校验等关键环节推行依法执业信用承诺制度,将承诺履行情况纳入信用档案并向社会公示。
(3)强化公众监督力度。在医疗服务市场中,公众与医疗机构之间存在信息不对称。因对执业资质、处罚记录等关键监管信息的获取渠道有限和认知成本较高,公众难以行使其监督权力,而人工智能与互联网技术的结合能够打破这一信息壁垒。江苏严格落实“双随机、一公开”监管要求,并通过“智慧卫监”平台、政府网站、医疗机构执业信息二维码等渠道,依法向社会公示行政许可、行政处罚和信用评级等信息。
如南京市栖霞区创新推出“一码知全貌”服务,群众扫码即可了解机构的诊疗科目、人员资质,发现违法违规行为可即刻投诉举报。此外,针对非法行医、非法医美等重点难点问题,江苏持续开展专项整治与靶向普法宣传,深入社区、商场、学校,揭露非法行医的危害,提升群众自我保护意识与监督能力。
3 智能医疗监管面临的挑战
3.1 跨部门数据协同不畅
当前江苏省监管实践显示,数据孤岛现象依然存在。卫生行政部门及其委托的卫生监督执法机构未能有效应用省级平台数据进行监管,难以实现数据资源的实质性转化。此外,相关信息系统在不同层级和不同类型医疗机构中的覆盖面和互联互通水平不平衡,医疗、医保、医药、市场监管部门之间数据尚未实现全面打通,削弱了穿透式监管的效能。
3.2 数据质量与公信力不足
在数据输入端,医疗机构数据体量庞大、来源多样、标准不一,导致数据质量参差不齐,直接影响人工智能模型的准确性与稳定性。在模型输出端,则面临“黑箱悖论”引发的可解释性危机。此外,在数据利用全过程中,如何在深度挖掘监管线索的同时,严格保护海量的患者隐私信息,也是智能监管系统必须破解的核心安全合规难题。
3.3 制度与标准界定模糊
人工智能相应的制度建设影响基层实践效能,表现为非现场检查的法律效力认定模糊与电子证据采信规则缺失的双重困境。现行法规未明确非现场监督检查能否替代或部分替代传统现场检查,电子证据在行政执法中的证明规则也尚未建立,在案件查处时仍需通过现场调查进行证据“二次固定”,反而增加了执法成本。另一方面,各地在信用等级划分逻辑、评分机制、统计口径及评价周期上存在明显差异,使得不同地区的评价结果缺乏可比性。
3.4 监管人才与能力建设滞后
目前医疗机构和监督部门普遍缺乏既具备医学背景又掌握人工智能技术的复合型人才,而县区级监督机构编制有限,监管人员专业能力参差不齐,导致智能监管系统的实施与评估受到制约。此外,现行执法体系缺乏制度化、高效率的专家支持,因鉴定意见与执法衔接不畅而影响案件查处的时效性。
4 人工智能赋能医疗监管体系实现机制
4.1 促进多元协同
通过立法明确平台定位与多部门职责,建立卫生健康、医保、药监等部门的强制性数据共享机制,打破信息孤岛,并将违规机构纳入信用惩戒体系,明确联合执法流程。针对政策执行偏差,通过专项督导评估地方政府与相关部门履职情况,对地方职责落实及工作完成情况进行跟踪检查。同时借鉴医疗数字化转型经验,跨部门统筹协调,推动监管部门、医疗机构与科技企业的跨界协同。
4.2 强化数据治理
输入端需制定统一的数据标准与人工智能质量评价体系,明确其合规边界、准入标准,并据此构建风险分级策略、产品分类规则与注册审评规范。输出端,将可解释性贯穿数据预处理、模型构建与结果解释全过程:数据阶段保证来源透明与特征可解释,模型阶段揭示决策逻辑,结果阶段通过特征贡献度与可视化增强结果透明性。
4.3 明晰执法程序
进一步完善数字化执法的程序规范,需明确医疗人工智能的责任划分逻辑,开发者承担算法透明度义务,医疗机构承担部署管理责任,医务人员承担最终决策责任等,同时强制高风险人工智能系统接受第三方公平性审计。
4.4 发展人工智能监管人才
首先应强化监管队伍的专业能力建设,通过风险评估课程与反思性训练,强化监管人员对人工智能的识别与应对能力。其次,应完善人才源头供给,推动高校、医疗机构与科技企业共建人才持续学习的培养基地,以适应智慧监管新环境。最后,需营造共治环境,面向公众开展风险科普,针对医疗机构与科技企业开展常态化政策解读与合规培训,构建有利于人才发展与技术创新的良好生态。
来源:《中国医院》杂志社2026年11月刊
作者:龚禧、许兴龙、周绿林
作者单位:江苏大学管理学院
下一篇: 李巍:别将AI赋能等同于自身能力

首 页