聚势谋远:人工智能如何重塑公立医院创新治理体系?王俊教授受邀出席“首届中国智能医学大会“并做主题演讲

时间:2026-03-23    来源:   浏览量:

2026年3月21日,由中国医学科学院组织的“首届中国智能医学大会暨第五届中国医学信息学学科发展大会”在北京国家会议中心隆重召开。

本次大会以“智启•融合•共生”为主题,旨在推动人工智能与医学领域的深度融合,聚焦智能医学发展的关键问题与应用瓶颈,共商我国智能医学发展战略,助力卫生健康事业高质量发展。

本次大会汇聚了行业领导与相关专家,国家卫健委、中国医学科学院有关领导分别在大会致辞,本次大会通过高水平的思想碰撞与智慧交融,为推动我国医学人工智能的创新发展凝聚了共识,擘画了清晰蓝图,共同探讨智能医学的时代使命与未来图景,引领行业向包容共进、协同共赢的智能医学新时代稳步迈进。

微信图片_2026-08-28_214340_848.png

图1:首届中国智能医学大会暨第五届中国医学信息学学科发展大会在北京隆重召开

中国人民大学健康中国研究院副院长、中国人民大学卫生政策研究与评价中心主任王俊教授受邀以《人工智能赋能公立医院高质量发展:创新治理体系与理论》为题,在“聚势谋远•AI赋能国家战略新格局”会场做主旨发言。

王俊教授从公共管理学科角度,围绕创新治理体系,系统性地分享了团队成果,阐释了人工智能在公立医院改革中的治理任务、治理工具与治理框架,为人工智能赋能公立医院改革的制度创新、理论创新和体系创新,提供了基础理论和基本逻辑。

图2:王俊教授“人工智能赋能公立医院高质量发展:创新治理体系与理论”

王俊教授认为,当前公立医院面临严峻的运营管理挑战。

一方面是医院收入的不平衡分布,排名靠前的超级医院与基层医院差距显著,存在机构间、层级间、区域间的不均衡现象。

另一方面是普遍的负债压力,从2019年至2022年全国公立医院负债四年间增长了35.9%。

面对这些挑战,传统的医院管理系统往往面临着信息、激励、协调和能力四大维度的约束,仅仅依靠经验管理已经难以支撑复杂系统的持续优化。因此,医院需要从“经验驱动、分段治理、事后纠偏”向“证据驱动、流程协同、持续反馈”转型。

AI不是目的,而是可持续优化的治理工具。公立医院需要AI,不是因为缺少IT系统,而是因为现有系统难以完成高频、跨部门、实时的治理任务。王俊教授提出了一套基于人工智能的治理闭环框架,包括:

1. 夯实两大底座:从单纯的“买模型”转向“补底座”,必须建立完善的“数据底座”(如患者主索引、统一时间轴)和“知识底座”(如指南、质控规则)

2. 全生命周期管理: 模型不能“开发完成即上线”,必须经历本地外部验证、有限开放、持续校准到最终退役的全生命周期管理 。

3. 精准场景匹配:只有做到任务、数据、模型和流程四者匹配,AI才能真正成为治理工具。

同时,王俊教授结合实际场景列举了AI在赋能医疗质量治理、临床风险预警、医保基金监管、医院内部运营以及患者就医体验等方面的具体应用路径。

图片

图3:基于人工智能公立医院治理闭环框架的提出

他强调,决定AI落地成败的关键不在于单一模型的精度或算法的先进性,而在于医院是否能建立起涵盖数据、模型、流程和制度四个层面的全生命周期治理体系 ,从而将AI深度嵌入到临床诊疗、运营管理、医保支付、患者服务以及区域协同等多维度的真实业务场景中,实现真正的精细化与高质量发展。他为公立医院的人工智能建设提出建议:

1. 提升战略定位,把AI建设从信息化子项目上升为院级治理工程;

2. 完善管理制度, 建立医院级全生命周期管理制度,避免“试点结束即失效”;

3. 强化制度联动,把AI成效纳入支付、价格、绩效与预算联动,将其转化为真正的制度能力;

4. 坚持场景驱动, 优先考虑高频、低风险、收益可量化且流程可嵌入的任务;

5. 培育复合人才:培养既懂临床业务、又懂治理逻辑、还能组织评价交叉融合人才。

王俊教授团队长期致力于公立医院改革相关理论与政策研究,“人工智能赋能公立医院高质量发展“更是其中的重要方向。

近年来,团队从理论、实践、案例三方面形成了系统性成果,试图在理论上构建 AI 赋能公立医院治理闭环与 “数据—模型—流程—制度”的四层逻辑架构,明确人机协同治理原则,破解医院信息、激励、协调、能力四大约束,为 AI 医疗治理提供理论支撑,同时,与相关医院密切合作,通过多场景、多模态运用,尝试对人工智能在创新治理体系方面的三项赋能:

1. 赋能医院精细化运营,围绕 DRG/DIP、成本管控、质控预警、绩效优化等场景构建适配模型,提升运营效率与医疗质量;

2. 赋能医共体建设,搭建智能转诊、慢病管理、区域协同工具,推动分级诊疗数据化协同;

3. 赋能区域资源配置和区域医疗中心,基于医疗资源分布量化研究,提出优质资源下沉与均衡配置路径。

在此基础上,团队联合国内外高校与机构,提炼国际经验与本土化经验与创新方法,支撑国家 “AI + 医疗卫生”政策制定,探索可复制的管理案例方案,为助力公立医院改革与高质量发展提供重要的参考。