从韩杰医生事件看医院管理：当争议发生时，医院能不能证明自己做对了？韩杰医生事件持续发酵。 医学判断、责任认定、舆论讨论，各方都有自己的声音。
但这起事件真正让医院需要思考的问题，其实只有一个：
当一次诊疗结束后，医院有没有能力证明：这个过程是规范的？
在诊疗当下，医生面对的是不断变化的病情； 在事后复盘时，所有人看到的只有病历和结果。
原本属于医学判断的问题，最终都变成了： 医生当时为什么这样判断？依据是什么？诊疗过程是否完整？
很多时候，医生不是没有思考，而是这些思考没有被记录下来。 一旦诊疗依据链条不完整，事后就很难被准确理解。
这就是为什么医疗规范不是束缚，而是保护。 它保护患者，也保护医生，更保护医院。
问题在于—— 传统的病历质控和医保审核，往往是在诊疗结束之后才开始。 当问题被发现时，风险已经形成。
医院需要的，不是更严格的追责机制，而是一种新的能力： 在诊疗发生的当下，就能发现问题、补上漏洞。
尚医云 · AI 医保审核质控工具：把防线扎在诊疗第一线
基于自研医学大模型，尚医云推出了 AI 医保审核质控工具。 它不是一个额外的系统，而是把质控能力直接嵌入诊疗流程，让医生在提交医嘱前就能完成自纠。
一、云 HIS 内置质控：医生在提交医嘱前就能“补漏洞”
在尚医云·云 HIS 中，AI 质控被直接放进了医生的病历录入界面。 医生不需要跳系统、不需要重新登录，只需在提交医嘱前点一下【AI 医保质控】。
AI 会在后台自动检查诊疗逻辑：
1. 检查是否有临床依据
如果医生开了大额检查，但病程里没有相关主诉或体征，系统会提醒： “该检查缺乏现病史支持，请补充相关描述。”
这不是阻拦，而是帮助医生把诊疗依据补完整。
2. 治疗是否有指征
碎片化吸氧、雾化、理疗等项目，如果缺少血氧、呼吸困难描述，AI 会要求补充。 把“习惯性操作”变成“有依据的操作”。
3. 住院是否必要
对于住院天数长、治疗密度低的病例，AI 会计算“挂床风险指数”，提醒医生完善动态监测或考虑出院。
这些提醒不是为了限制医生，而是让诊疗过程更完整、更能经得起事后审查。
二、Web 端全量反查：医保科在病案归档前“补齐短板”
对于无法直接改造 HIS 的医院，AI 质控也可以在 Web 端使用。
医保科或医务科可以导入全院任一病案，AI 会自动筛查异常病例：
1. 快速定位风险病历
例如： “患者刘某，住院 11 天，治疗密度低，存在明显挂床风险。”
2. 给出可操作的修改建议
AI 不只是指出问题，还会告诉医生怎么补：
哪一段病程需要补充症状
哪个检查需要补充指征
哪个诊断需要补充依据
哪个治疗需要补充效果记录
让医生不是“被动挨罚”，而是“主动修补”。
三、一个真实案例：医疗质量没问题，但医保风险很高
以下是医院真实发生的一个病例，足以说明为什么医院必须在诊疗当下进行质控。
患者 89 岁，多病共存，住院期间曾出现一次严重低氧血症危象（SpO₂ 82%）。医疗团队处理及时，诊疗路径规范，家属拒绝转院也有完整记录。从医疗质量角度，这是一份合格的病历。
但从医保审核角度，它却是高风险样本：
住院 90 天：远超医保警戒线，后期治疗密度下降，极易被质疑为“住院替代养老”。
中医理疗频次高：推拿、灸法累计次数大，容易触发医保目录限额审查。
多次复查缺少指征记录：血常规、肾功能反复检查，如果没有对应病情变化说明，会被认为是过度检查。
病情稳定后仍继续住院：6 月以后治疗以维持为主，缺少“必须住院”的证据链。
医疗质量没有问题，但医保逻辑无法支撑这份病历的“合理性”。 如果医院没有在诊疗当下进行质控，这类病例在飞检中极容易被挑刺。
四、医保监管已经从“收费违规”升级到“诊疗合规”
过去医保局查的是收费项目； 现在查的是诊疗逻辑。
首日费用占比异常
检查与主诉不匹配
治疗碎片化
住院天数异常
诊断缺乏依据
这些都是 AI 最擅长识别的模式。
医院如果还依赖人工抽查，根本无法在海量病历中提前发现这些问题。
五、与其在飞检来临时解释，不如在诊疗当下修补
AI 质控的意义不是替医生做决定，而是：
让医生的合理诊疗被完整记录下来； 让医院的管理体系更稳固； 让医保风险在院内就被消化掉。
这才是现代医院真正需要的能力。
