构建“AI+信用”双轮驱动的监管新机制
(信用监管类)
作为全国首批创新医疗监督管理试点城市，苏州市卫健委直面医疗机构数量庞大、传统监管手段对失信行为识别效率低的核心痛点，将AI技术深度赋能信用监管作为提升治理效能的关键突破口，通过首创性地将监管平台接入本地化部署的DeepSeek大模型，逐步实现从被动响应向主动预警、从碎片监管向信用靶向治理的深刻转变，为卫生健康领域乃至更广泛的行业信用体系建设提供可复制推广的“苏州方案”。
一、案例背景：破解医疗监管难题，亟需智慧赋能信用核心
（一）聚焦信用监管短板。 苏州卫生健康信用监管工作虽开展多年，但仍面临三大挑战，一是信息壁垒与评价滞后，海量、分散的监管数据难以及时整合分析，无法动态反映机构信用状况；二是规则执行效率不高，医疗监管规则复杂，依赖人工判断匹配效率低、覆盖面窄，难以实时监测和精准识别信用风险；三是监管资源与监管需求不匹配，违法违规行为查处信息未能高效、结构化转化为信用记录，失信成本低，约束力弱。
（二）明确智能化赋能方向。 针对医疗监管业务场景碎片化、规则动态复杂、数据价值挖掘不足等问题，苏州市卫健委将构建智能化信用监管体系作为突破口，依托苏州市卫健委AI实验室，将监管平台接入本地化部署的DeepSeek大模型，利用其强大能力，为机构信用精准画像与评价、实施差异化监管提供坚实的技术底座和数据支撑，实现信用监管全流程的智能化升级。
二、创新举措：AI大模型驱动信用监管全链条升级
苏州市卫健委创新性地将AI大模型深度融入卫生健康信用监管全流程，构建了“数据驱动、智能分析、信用评价、精准监管”的闭环体系：
（一）智能规则引擎：夯实信用评价的数据基石
信用规则动态更新： 利用大模型的文本解析与逻辑推理能力，深度解构卫生健康法律法规、部门规章及政策文件，自动推导并动态生成完善可量化、可执行的信用监管规则。有效解决规则更新慢、解读不一致问题，确保评价标准的时效性和统一性。目前AI大模型已对“医疗机构、医师执业的行政检查”等监管事项下的18类预警规则进行了更新。
违规行为精准识别： 将动态生成的信用规则与医疗机构、医师、诊疗记录、设备备案等全量监管数据进行实时自动化匹配扫描。高效精准地识别“超范围执业”“人员资质不符”“诊疗不规范”等失信行为，自动生成结构化违规证据链，为信用记录积累与评价提供客观、实时、精准的数据支撑。2025年上半年共产生7类2245条行为预警线索。
（二）智能报告生成：提升信用信息归集与共享效能
信用信息高效整合： 基于自然语言交互接口，支持监管人员通过自然语言指令，如“生成2024年姑苏区民营医疗机构信用风险分析报告”一键触发跨系统、跨层级的信用相关数据（包括机构基础信息、人员资质、历史违规、预警记录、诊疗行为等）检索、整合与分析。
信用画像动态呈现： 系统按预设模板自动生成包含机构总体信用状况、关键失信行为分析、风险预警分布、监管建议等核心内容的结构化信用报告。极大提升了信用信息归集、分析和共享的效率与质量，为部门协同监管和联合奖惩提供统一、权威的信用信息视图。
（三）动态风险预警与处置：实现精准信用分级分类
构建信用风险预警模型： 设计科学的风险预警模型框架与评价指标体系，将日常检查、投诉举报、行政处罚等作为风险因子纳入分类指标体系。AI大模型自动计算机构风险等级（高、中、低），并对中高风险单位做标记预警。风险预警显著提高了卫生监督工作的预见性、针对性和有效性。目前系统已判定高风险医疗机构52家、中风险医疗机构101家。
落实分级分类处置措施：针对风险单位，按管辖权限分级处置，市级每年对全市高风险单位开展双随机抽查，比例不低于20%；区（县）级对属地高风险单位1年内监督频次不少于4次、中风险单位不少于2次。对整改不及时的单位集中开展约谈、告诫，并列为各类专项督查重点。
三、成效与价值：构建智慧信用监管“苏州样本”
（一）显著提升信用监管效能。AI大模型的深度应用，实现了监管规则动态化、失信行为识别自动化、信用报告生成智能化、风险评估精准化，大幅提升了信用信息采集、分析、评价的效率和准确性，有效缓解了监管力量不足的矛盾。
（二）强化信用约束与威慑。通过实时、动态的信用风险预警和评价，将每一次检查、每一条违规记录都高效转化为机构信用画像的一部分，显著提高了失信行为的发现率和记录率，使“一处失信、处处受限”的信用约束机制真正落地生根，大幅提升失信成本，强化了信用威慑力。
（三）推动监管模式转型升级。 成功构建了以数据为驱动、以AI为引擎、以信用为核心的新型智慧监管模式。实现了监管资源向风险高、信用低的机构精准投放，推动“双随机、一公开”监管与信用等级有机结合，为实施包容审慎监管、持续优化营商环境提供了科学依据。
苏公网安备 32050802011258号