收益：
- 能够区分人工智能在医院运营中哪些地方可以实时节省时间（规划、预测、报告），以及哪些地方需要由人类做出资源分配和临床优先级等决策，具体取决于任务风险级别。
- 能够应用一门学科，通过将每个人工智能输出连接到源、重新计算并通过管理过滤的步骤来验证每个人工智能输出。
- 在 KVKK/隐私范围内对患者和操作数据进行匿名化，并养成选择安全车辆的习惯
每天早上，医院里都会默默地做出数百个决定。今天有多少病人来到急诊室？哪个综合诊所应保留多少个空缺预约？重症监护室会开放床位吗？下周哪种药物会缺货？为什么上个月患者满意度下降？ SSI 为何拒绝这项法案？其中一些决策是迭代的、数据密集型且耗时的；有些直接影响患者的就诊、安全或机构的财务稳定性。人工智能（AI，简称 AI，可以像人类一样生成文本、识别模式、做出预测和汇总数据的计算机系统）正好适合这幅图景：如果使用得当，它可以在几分钟而不是几小时内生成报告、预测和草稿；如果使用不当，它可能会导致看似安全但错误的管理决策输出。
本模块的第一个单元不是软件介绍。其目的是阐明在您的业务中哪些地方应该放置人工智能，哪些地方根本不应该放置人工智能。因为医疗保健管理既是“操作关键”领域，又是间接的“患者安全关键”领域：您做出的容量决策决定了患者能否找到预约；股票决策会影响手术是否应该推迟。让我们从一开始就摆出一个基本原则：人工智能是一个助手，而不是一个管理者。影响资源分配、临床优先顺序、报销和患者安全的决策的责任和最终批准由主管专家和负责的经理承担。
医疗保健管理的层次和人工智能的地位
要了解医疗保健组织，将业务分为三个层次很有用。业务层是日常操作：预约、床位流量、排班、库存。战术层是周月计划：需求预测、产能调整、预算跟踪。战略层决定机构的方向：投资、服务组合、质量目标。人工智能可以触及所有三层；但每个人都有不同的权力。在操作层，人工智能快速生成草稿和警报；在战略层，它仅提供输入，由管理层做出决策。
让我们从一开始就定义一些基本术语。指标 (KPI) 是衡量流程绩效的数字（例如床位占用率）。能力是单位在一定时间内可以处理的工作量。需求预测是对未来患者/工作量的预测。收入周期是指从患者登记到账单收取的财务流程。我们将在以下单元中一一解释这些概念；现在，请知道这一点：在所有这些概念中，人工智能都会为您提供概要和分析，但不会做出决策。
下表按任务总结了人工智能的作用和风险级别：
任务
人工智能的作用
风险等级
谁批准
撰写报告/摘要草稿
草图生成器
低
单位经理
需求/产能预测
预测员、情景生成器
中等
业务经理
缺席风险评分
统计刺激
中等
综合诊所经理
床位/出院优先顺序
建议生成器，永远不是最后一句话
高
医生+护士
建议帐单代码
该草案已获立法确认
高
收入/编码专家
资源分配/临床优先
辅助输入
非常高
责任经理+医师
请记住该图表中的一行：随着风险上升，人工智能的作用缩小，人类的认可度增加。
为什么“验证”是这项业务的核心
人工智能语言模型似乎对他们的答案充满信心，但他们也可能不确定。用技术语言来说，这被称为幻觉：这是模型用流利的句子捏造了不存在的信息，就好像它是真的一样。对于医疗保健经理来说，这是一个严重的陷阱：该模型可能会生成一个数字“本月床位占用率为 82%”，但它从未见过您的数据，并且这个数字完全是编造的。或者他可能会将退款规则解释为“2023 年更改”；然而，并没有这样的变化。既然他说得都一样流利，那么唯一区分对错的就是你的知识和验证的习惯。
验证规则包括三个步骤：
- 来源链接：依靠自己机构的系统（HBYS/HIS、会计、质量记录）和官方来源（SGK/SUT 公报、卫生部法规、机构程序）获取数字、费率、立法条款和规则，而不是人工智能的记忆。使用人工智能来评论这些数据，而不是记住它。
- 重新计算/比较：独立检查AI返回的每个数值结果、评级和趋势。亲自验证百分比、总数、平均值。
- 管理过滤器：从管理角度测试输出是否与实际情况（预算、立法、人员、患者安全）相矛盾。
注意：在未经验证的情况下向董事会提交或实施人工智能产生的报告或建议，就像做出未经签署的管理决策一样。仅仅因为输出流畅是不正确的。
隐私：患者和操作数据是私人数据
患者数据（诊断、治疗、方案编号、身份信息）在土耳其 KVKK（个人数据保护法）和欧洲 GDPR 的范围内作为特殊个人数据受到保护。将患者姓名、TR ID号、方案号和诊断结果粘贴到公开的AI工具中是严重违规的。同样的敏感性也适用于属于商业秘密的运营数据（损益表、供应商价格、人员信息）。规则很简单：匿名数据并且不共享不必要的数据。 “68 岁女性患者”而不是“Ayşe Yılmaz，68，方案 2024-114523”；不要写“Mehmet Kaya 博士永久工作人员”，而是写“高级专科医生”。如果可能，请选择具有数据处理协议的企业工具，并且不要在模型训练中使用您的数据。
三个迷你箱子
案例 1——安全使用。一名质量官员花了 3 个小时准备了 14 项指标的月度管理摘要。他匿名向人工智能提供了数据（没有患者姓名，只有数字），并要求提供解释草案。 AI每10分钟生成一张草图；保管人将每个数字与剪贴板进行比较，纠正了两个不正确的百分比，并重新编写了因果关系条款。持续时间：40 分钟而不是 3 小时。人工智能给出了草案，责任仍然在人类身上。
案例 2 — 未经验证的号码陷阱。一位业务经理问AI：“去年我们有多少紧急应用？”尽管无法访问任何数据，人工智能仍然自信地给出了“大约92,000”的数字。校长在他的演讲中提到了这一点；真实数字是78,400。这种差异扭曲了预算规划。错误：期望人工智能提供数字而不向其提供数据。
案例 3——违反保密规定。一名员工将包含出院患者全名和诊断结果的 Excel 文件上传到公开的人工智能工具中，并表示“制定出院计划”。数据传输到外部服务器，KVKK 调查开始。正确的方法是删除姓名和诊断，仅共享匿名字段，例如床号和预计出院日期。
弱提示/强提示
弱提示：
请评价我们医院本月的表现并告诉我们入住率。
这种说法是有缺陷的：人工智能没有得到任何数据，因此它只能用编造的数字来回答“入住率”问题。无论是时期、单位还是上下文都不清楚。
强力提示：
您的角色：协助医院业务分析师的助理。以下是我们的匿名每月数据（没有姓名/身份）。床位数量：240张。使用床位天数：5,760天。月份：30天。任务：（1）计算床位占用率并显示公式，（2）起草一段管理意见，（3）清楚地说明你不确定的地方，不要编造任何我不想要数据的数字。
在这份要求中，数据、公式预期、作用以及“捏造”禁止都明确。您仍然可以自己验证输出（240 × 30 = 7,200 个床位日容量；5,760 / 7,200 = 80%）。
下表总结了本课中的一句话规则：
原则
这是什么意思
AI是助手
决定和责任属于人
链接到来源
数字/规则来自机构，而不是来自AI记忆
匿名化
不共享身份和不必要的数据
验证
检查每个输出，拒绝拟合
常见错误
- 期望人工智能提供数字而不提供数据。模型无法访问数据；他给的号码是假的。始终提供数据。
- 将流畅的输出误认为是正确的。一段写得好的并不意味着它是正确的。
- 共享身份信息。姓名、土耳其身份证号码和协议号码绝不会进入敞篷车辆。
- 在不提供上下文的情况下提出问题。如果未指定期间、单位、描述，则输出将不正确。
- 将决策委托给人工智能。人工智能建议；批准和责任属于经理。
提示：在每个人工智能会话中都包含一条简短的“规则线”：“不要编造任何我没有提供数据的数字；在你不确定的地方说‘不确定’。”这一句话就显着降低了产生幻觉的风险。
综上所述
人工智能是健康管理的有力助手：它加速报告、预测和草稿。但决定、责任和最终批准始终由个人决定。随着风险的增加，人工智能的作用变得越来越小。三个习惯是一切的基础：归因、验证和匿名。一旦您内化了这三个工具，该模块其余部分中的每个工具都将成为您的安全加速器。
应用任务
从您的机构（或假设的）获取单个匿名指标：例如床位数量和占用床位天数。使用上面的“强力提示”模板，让人工智能计算入住率并请求管理意见草案。然后自己验证输出：手动进行计算，检查是否有虚构数字，查看凭据是否已泄露。用 5 项写下你的发现。
清单
- [ ] 我是否对提供给 AI 的数据进行了匿名处理（无名称/TC/协议）？
- [ ] 我是否独立验证了输出中的每个数字？
- [ ] 我是否在提示中添加了“补足未提供数据的号码”规则？
- [ ] 我是否确定了任务的风险级别并定义了审批权限？
- [ ] 我是否将最终决定和责任归于人？