人工智能輔助醫院財務管理的實效及其優化

營星星

【摘 要】 隨著人工智能在財務領域的廣泛使用，我國大型醫院也相繼開始嘗試將人工智能輔助系統應用在財務管理體系上。為了有效探究人工智能服務醫院財務管理的實際情況，文章采用因子分析結合AHP的研究方法進行量化研究，形成了6個準則層，21個方案層指標；通過問卷發放獲取了166份應用感知有效問卷，同時獲得18名專家評分結果。在確認問卷獲得較好的信效度水平并對指標進行AHP分析后發現，準則層的加權得分排序依次為管理績效、業務處理效率、風險防范、動態管理、數據分析與預測和信息一體化。同時結合方案加權結果，明確醫院財務在結合人工智能輔助應用方面應當采取優化管理績效、保障業務效率、提高風險防范意識、優化人員結構等措施，實現對人工智能輔助應用的提升。

【關鍵詞】 人工智能； 醫院財務； 層次分析法； 管理績效

【中圖分類號】 R197.323? 【文獻標識碼】 A? 【文章編號】 1004-5937（2023）01-0118-08

一、引言

2021年《“十四五”優質高效醫療衛生服務體系建設實施方案》（發改社會〔2021〕893號）提出，要建設公立醫院高質量發展工程，加快數字健康基礎設施建設，推進健康醫療大數據體系建設，擴大優質醫療資源輻射覆蓋范圍[1]。同時需要深化醫療費用的支付方式，以及醫保支付的相關改革[2]。這些都對傳統醫院財務以及管理系統的業務規模和業務內容提出了更高的要求，同時對于會計核算、成本管理、物流倉儲管理等，都有了與以往不同的需求[3]。

無紙化辦公以及遠程協同辦公的應用需求逐漸提升，迫使醫院財務系統做出改變。已有的智能化系統中包括多渠道的付費方式、無紙化的報銷憑證、信息多部門共享、業務數據與財務數據的融合等功能[1]。這些都為醫院財務系統的信息化和智能化發展提供了實踐基礎。因此有必要了解人工智能輔助財務管理在不同內容和方案解決中的績效影響情況，并且針對不足之處提出對策和解決方案，以期幫助醫院在人工智能輔助系統的管理中提高管理績效和應用水平。

二、人工智能與醫院財務管理的應用結合

（一）人工智能在會計行業的應用與發展

盡管人工智能概念在1956年就被提出，但是在會計領域第一次被正式提及，是美國注冊師會協會在1987年所編纂的《人工智能和專家系統簡介》中。從此，歐美開始著力研究如何將人工智能系統與財務會計相結合，幫助企業解決財務分析的實際問題，并且給予企業基于財務視角的經營策略與規劃發展決策[2]。4G時代，結合信息爆炸的紅利，人工智能真正得到有效的應用與發展。2016年，德勤對外稱其將與科技公司K.S.進行合作，這一合作將全面推動人工智能在會計、審計、稅務等方面的發展。2017年德勤的人工智能機器人第一次與大眾見面，同年5月普華永道也推出了基于人工智能的財會管理解決方案，同時其功能相比德勤所涉及的方面更多；6月安永與畢馬威均發布了自己的人工智能系統。因此，可以認為2017年人工智能已經全面進入到財會管理領域[3]。隨著“四大”人工智能解決方案的相繼發布，人工智能開始全面進入企業組織財務管理。

（二）人工智能對醫院財務管理實效的影響

2016年以后人工智能已經率先在銀行等金融系統進行試點應用，2018年開始逐漸進入醫院系統。財會人工智能對比人工處理的實際效率約為40余倍，能夠縮短70%的結賬周期。由此可以看到，人工智能可以極大地提高機械化內容的處理效率[4]，這樣可以大幅度節省醫院財務人員的工作精力，將工作精力投入到戰略制定、決斷分析等高維戰略發展的制定與執行、財務預算的制定與申報，以及一些非機械工作的窗口對接工作等。人工智能可以有效促進醫院財務管理的內容則包括了以下六個方面：

1.信息一體化與財務數據統合管理

現代大型醫院的財務數據主要包括了醫院正常開支（如工資、醫院運營維持費用等）、設備購買維修及建設的費用以及病患的醫療費用收入與報銷三個部分，其中人員工資與醫院運營維持費用與各科室的運轉和人員工作業務相互關聯，病患的醫療情況與醫療費用收入和報銷相互關聯[5]。因此人工智能可以有效將這兩部分的業務數據與財務數據進行統合管理，通過數據分析可以形成更多有價值的數據信息，同時也方便后續的財務審查和具體個人財務的核對工作的開展。

2.提升電子信息處理效率

以往的票據開具、報銷都需要通過人工在窗口進行，無論是面對病患的票據處理還是對于醫務人員的費用報銷都需要消耗財務人員的大量精力，而通過電子終端設備，報銷或者需要開具憑證的病患或工作人員，可以通過人工智能系統結合自助方式快速辦理。人工智能財務系統將會根據會計準則，快速高效地進行憑證開具等業務處理，同時也可以根據醫院工作人員的報銷電子憑證給予電子報銷，通過網上銀行自動進行支付，并且最終將這些賬務匯總到云賬簿上，有效加快病患報銷流程，提高醫院工作人員的相關報銷效率[6]。

3.實現財務數據的實時管理

以往的財務數據是相對靜態的，盡管賬務登記注銷都是伴隨業務而動態發生的，但是在對數據進行報表整理和分析的時候往往是靜態的，一般按照季度、年度對報表進行匯總整理。人工智能的高速數據處理以及強大的數據報表匯總功能對醫院財務系統進行輔助后，醫院管理可以有效結合動態數據，實時對醫院的宏觀布局進行調整，而不再根據具體的時間節點進行調整，避免了因為客觀限制而錯過發展機遇或無法避免損失的情況出現[7]。

4.有效提升財務分析和預測能力

以往的財務人員對醫院財務數據的分析相對有限，很難將數據之間的關系進行聯動分析，或者分析相對處于表層。而醫院在結合人工智能對財務系統進行輔助以后，財務人員將可以結合電子憑證、數字信息一體化進行財務運營數據的統合分析。同時橫向與其他醫院數據進行對比，發現本醫院在發展過程中對于不同科室的投入產出是否有不足的情況，給予發展較慢但能夠給產出更多的科室以資源傾斜，從而幫助其發展，進一步提高效益，并且根據大數據分析，有效對每一天的病患人數進行分析，可以對未來不同時間序列的病患數量進行預測，從而合理安排工作人員，保障醫療資源的高效利用[8]。

5.抵御外部環境的金融風險

基于大數據的信息分析支持，大型醫院的財務管理將能夠有效優化資產結構，對于貸款建設的相關業務及時還款，并結合自身的發展情況制定合理的貸償方案，保證醫院的資金流處于合理水平。

6.提高組織管理績效

由于人工智能輔助系統能夠高效穩定地處理大量基礎財務業務，因此未來醫院對于財務系統的人員配置將減少，結合人工智能輔助財務系統優化人員結構，進而高效地完成財務處理任務，有效提高財務部門的績效水平，達到組織優化目的[4]。

三、人工智能輔助財務管理的實證分析

（一）研究方法

為有效研究人工智能輔助財務管理在不同層面以及不同方面的影響系數以及實際效用，結合以上的六點影響構建了一套完整的評估指標體系，見表1。

為有效研究不同指標對于人工智能輔助醫院財務管理表征的準確性，將結合問卷法和層次分析法進行分析。首先將利用指標，結合前人研究提供的可測量指標項，對醫院財務人員進行問卷調研，通過基礎信效度檢驗證明變量之間具有統計學意義的關聯性和穩定性。其次采用專家打分的方式對各部分指標，針對不同方面構建出具體的目標層、準則層和方案層，通過AHP計算出各指標的權重，同時結合問卷得分計算出加權的人工智能輔助財務管理實效評分。

（二）研究樣本

研究首先對S省10家大型公立醫院的財務人員進行問卷調研，其中5家為三甲醫院，5家為二甲醫院。每家醫院各20份，預計發放200份問卷。實際收回184份問卷，剔除無效作答的問卷后實際回收176份有效問卷。同時，針對領域內專家進行AHP指標評價，通過邀約獲得20名專家的評定，采用郵件或傳真的方式進行數據收集，最終獲得18名專家的回執。

（三）研究過程

在問卷發放過程中采用整群抽樣方法結合方便取樣原則進行抽樣，從S省的10家大型公立醫院中，按照財務部門人數最少的一家醫院作為取樣標準，每家醫院選擇20人進行調研，本研究采用線上取樣，為保障問卷數據的合理有效，所有參與問卷作答的個體均被告知自愿性，問卷收集過程自2022年4月27日至2022年5月18日。

（四）研究結果

1.人口學分析

對問卷的人口信息進行分析可以看到，醫院財務人員性別中，女性人數為120人，占比為68.18%，男性僅有56人，占比為31.82%；年齡分布中30歲以下的人數為57人，占比為32.39%，30—45歲人數為71人占比為40.34%，46歲及以上人數為48人，占比為27.27%；在學歷分布上大專及以下的人數為58人，占比為32.95%，本科群體為76人，占比為43.18%，碩士及以上人數為42人，占比為23.87%；工齡分布中，3年以內的人數為30人，占比為17.05%，3—5年的人數為45人，占比為25.56%，6—10年的人數為46人，占比為26.14%，10年以上的人數為55人，占比為31.25%；在職級分布中，一般員工人數為118人，占比為67.0%，副科級人數為44人，占比為25.0%，正科級及以上人數為14人，占比為8.0%。

2.信度分析

信度檢驗的目的是證明題目得到數據的真實性，即依靠測量問卷得到的值是否為真。通常而言信度的檢驗方法有內部一致性信度、分半信度、重測信度等。而最常采用的是內部一致性信度，也稱為Cronbach'sα系數信度，該值表達了同一因子內題目的關聯程度或者說是同質程度，當同一個因子內題目的同質性越高說明維度所測量出的心理特質的得分水平越接近真值。通常這個標準的基礎水平為0.7，也就是說內部一致性信度的水平為大于0.7則可以認為維度可信，當這個值大于0.9則證明維度的信度極好。同時研究還得到了校正的項總計相關，該值大于0.5則說明題目和維度的相關程度較高，若低于0.5則應當剔除，而項已刪除的Cronbach'sα系數如果大于維度的信度值，則說明刪除該項題目可有助于提高信度，那么題目應當被剔除以提高信度水平。

從表2的分析結果可以看到，信息一體化的信度結果為0.905，業務處理效率的信度為0.893，動態管理的信度為0.915，數據分析與預測的信度為0.792，風險防范的信度為0.960，管理績效的信度為0.867，均大于0.7，說明各部分指標的信度結果較好，且可以看到CITC（校正的項總體相關性）均大于0.5，項已刪除的信度也均小于6個維度的信度水平。

3.效度分析

效度分析的目的在于明確變量的測量結構是否穩定，設定屬于同一內涵下的題目是否能夠通過數據分析有效地被劃歸為同一因子。通常采用主成分分析法進行檢驗，主成分分析的方法大致分為兩種，一種是斜交檢驗，一種是正交檢驗，本研究采用正交檢驗法進行分析，設定模型檢驗方法為最大方差法。通過主成分分析法可以得到KMO及巴特利檢驗，通過KMO值是否大于0.7證明整體變量是否相關關系明顯大于偏相關關系，如果得到的結果大于0.7則證明參與分析的指標或題目之間的相關性明顯較高，說明問卷適合進行后續的因子分析，同時巴特利檢驗結果顯著以證明變量題目有可能被抽取出因子，體現出關系緊密的因子狀態。

對本次設定題項進行主成分分析后首先得到的是KMO和巴特利球形檢驗結果，其中取樣足夠度的Kaiser-Meyer-Olkin度量值為0.829，該值已經明顯大于0.7，即可以證明檢驗中的題目之間存在較強的相關關系，其相關性水平明顯大于偏相關水平，因此題目適合進行因子抽取。同時可以看到通過巴特利檢驗求得近似卡方值為2 347.930，通過題目數求得自由度df=210，得到巴特利檢驗顯著性p＜0.001，說明問卷適合進行后續因子分析。

根據解釋的總方差可以得到，通過最大方差法進行檢驗，對21個題目采用正交旋轉后求得特征值大于1的成分包括了6個，這6個成分通過旋轉后得到旋轉后的方差解釋率以及累積解釋率可以看到：6個因子的累積解釋率為79.431%，該值代表了整體21個題目能夠被6個成分有效抽取的信息量占比情況。該值大于60%證明題目能夠在較高水平被維度抽取。

同時以主成分為提取方法，以具有Kaiser標準化的正交旋轉法為旋轉法，可以得到旋轉在6次迭代后收斂的旋轉成分矩陣。通過主成分分析得到整體研究問卷中21個題目可以被抽取出獨立的6個因子后，可以得到題目均按照預期歸屬進行分類，所以題目的因子載荷均大于0.5，且不存在跨因子載荷的情況，因此題目具備較好的結構效度。

4.AHP分析

通過信效度已經對指標進行了基礎的質量檢驗，隨后采用層次分析法來確定不同指標實際反映人工智能輔助財務系統績效的權重水平。層次分析法是將與研究目的有關的要素，按照目標層、準則層和方案層進行分解，根據專家對于同級指標之間的對比關系進行打分，按照1■3■5■7■9等比例判斷指標之間的重要程度，進行量化計算，從而確定不同指標的權重水平，在計算完后，需要對各層數據進行一致性檢驗，當一致性檢驗小于標準水平時，可以認為這一結果適用于普遍研究中。其中人工智能輔助醫院財務管理實效為目標層，信息一體化等6個維度為準則層，21個指標為方案層。

AHP權重計算方式如下：

根據專家打分構建矩陣R（R=Cij），i，j=1，…，n，根據對應賦值情況計算出指標在矩陣中的特征向量Wi，見式1：

其中，Wi是指標通過判斷矩陣計算出的特征向量，n為矩陣R的階，即一個矩陣中所包含的指標數，Cij為實際的構造矩陣，隨后進行一致性檢驗，見式2：

根據特征向量Wi和以及所計算出的權重W，計算最大特征值λmax，見式3：

進一步計算判斷矩陣的一致性，結果見式4：

通過一致性檢驗得到CR值，若CR值小于0.1則說明根據專家進行的對比判斷結果保持了一致性原則，否則需要對原有的判斷結果進行適當的修正。

通過對18名專家的打分進行計算后得到基于AHP的指標權重和一致性檢驗結果（如表3）。

從表3可以看到，在準則層結果中，管理績效提升的權重水平最高，為0.312，其次是業務處理效率的（權重為0.229），排在第三的是風險防范（權重為0.175），之后分別是動態管理、數據分析與預測、信息一體化。將準則層權重與方案層指標權重相乘，隨后與實際得到的得分進行相乘可以得到具體的加權得分。

5.加權得分計算

其中復合權重為準則層權重與方案層權重的乘積，準則層加權得分為準則層權重與準則層得分的乘積，方案層加權得分為復合權重與方案層指標的實際得分乘積。從具體結果（表4）可以看到，準則層的加權得分由高到低依次為管理績效、業務處理效率、風險防范、動態管理、數據分析與預測、信息一體化。在方案層加權得分中可以看到，其中得分由高到低依次為績效提升（F1）、管理績效提升（F2）、員工薪資報銷處理效率（B3）、超支項目提示（E2）、醫藥器械管理效率（B2）。由此可以看到醫院財務人員對于人工智能輔助財務系統的應用感知最為明顯的是以上五條內容，而感知得分較低的則分別是其他信息一體化（A4）、異常數據警示（C2）、特殊事件管理等內容（C3）。

四、結論及提升策略

（一）結論

根據加權得分結果（見表4）可以看到，在準則層上得分最高的為管理績效，而信息一體化得分最低。事實上，這一階段所能夠應用到財務會計領域的人工智能，也只能根據數據進行基礎的任務。其主要的功能仍需要技術人員預先設定好，所以人工智能最容易解決的是機械性的工作。由于引入了人工智能輔助財務系統后，可以大量節省基礎員工的工作時間，從而極大程度地提高單位員工的產出，同時由于大量基礎業務的自動處理，避免了人工在核對、清算等環節的錯誤，因此也可以大幅度提高管理的實際績效水平。相對而言在管理績效中，資金使用效率并未被財務人員較好地感知到，可能是因為在長久的清算與銀行轉賬業務對接過程中，大部分的時間安排并未因人工智能的參與而改變，不少的工作仍需要人員與銀行進行對接，由此盡管工作效率提升了，但是資金可能因為被閑置在醫院賬戶而無法快速流動。

排在第二位的是業務處理效率。人工智能在醫院的掛號、票據繳費、電子發票存留等業務上已經較為完善了，同時醫藥器械管理和員工薪資報銷處理也屬于人工智能最早完善的領域，因此這部分得分較高，而對公業務數額大，為了避免不可控且不可逆的操作發生，這一部分的工作大部分仍然由人工進行完成，從現實情況可以看到，并不是因為對公系統無法完成任務，而更多是出于合理化管理的考慮這部分業務仍然由人工進行。

排在第三位的是風險防范，超支項目提示對于以往的財務體系是一個巨大的革新。在大部分業務開支實行預算制以后，科研經費、基礎建設、人員外出報銷等費用都有了明確的預算額度，按年、按月進行劃分。相比較前兩個因素，人工智能在應對風險防范的作用方面被財務人員的感知效果就稍顯遜色。主要的原因可能是因為大型醫院的現金流比較充沛，同時貨物和器材在未發生較大社會風險的前提下都有足夠的儲備，因此盡管這些指標被專家認為相對重要，但實際的加權結果也僅為0.543。盡管大型醫院的儲備可能充足，但這一功能對醫院財務部門的工作思想起到了轉變作用，以往大型醫院的財務對于風險的防范意識較為薄弱，在結合了人工智能的輔助后，財會系統將更加合理地保障醫院的正常運作，避免因為項目超支、現金流緊張等問題而迫使動用其他資金渠道緩解醫院經營壓力。

數據分析與預測以及動態管理的加權得分分別為0.327和0.389，處于中下水平，首先是醫院管理層對于動態數據的需求并不高，除了例行的關于財務營收的匯報工作外，醫院高層管理并不會關注實時的財務情況，因此即便人工智能已經具備隨時便捷地展現實時財務數據的功能，但對于財務部門需求較低；其次是數據分析與預測，行業銷量預測對于服務商而言是非常重要的數據功能，能夠幫助企業或組織根據預計的銷量或訪客人數進行業務人員的安排，但醫院的醫生具有特殊性，首先不少病患與醫生之間存在預約行為，即某一日的門診可能是之前三到五天安排好的，因此即便有預測功能也很難因為人數較少而縮減當日的上班醫生數量，其次不少醫生在學?；蛘畽C構兼有其他職務，能夠參與醫院治療的工作時間有限，這一部分醫生的上班時間也是被提前安排好的，很難調整，所以可以看到，醫院在動態數據的管理上需求較低，而在數據分析與預測的功能上具有客觀的制約因素。

得分最低準則層指標是信息一體化。由于財務系統人員的知識結構較為單一，大型醫院可能有財務人員年齡結構老化等情況的存在，數據信息的一體化展現對于他們而言重要程度較低，同時即便存在人工智能輔助，不少醫院仍然在使用紙質憑證進行報銷，同時不少醫院出現了將電子報銷憑證進行打印使用的情況，因此可以發現信息一體化對于醫院而言作用較小，傳統的財務會計工作仍然喜歡將工作內容進行分割，以單一的視角對財務數據進行分析，而較少對數據進行統合分析，同時由于數據的屬性較多，數據量較大，現有的財務人員的知識儲備也難以具備對一體化數據進行分析的能力。

（二）提升策略

1.持續優化管理績效

隨著人工智能對醫院財務系統的輔助，財務人員原本的編制將變得充裕，因此有必要對多余的人員進行崗位調動，一方面可以有效淘汰知識結構陳舊的員工，另一方面可以給其他科室以人員補充，從而提高財務部門的工作績效以及醫院整體的工作績效?，F代化的人工智能輔助財務，將會有效改進財務系統的數據處理以及分析，這些原本是由人來完成的工作被計算機代替后，人的工作重點將集中在工作問題的解決以及宏觀發展戰略的制定。醫院對于財務數據的利用與其他行業相比較為落后，因此有必要持續地對管理方式進行改進，進而幫助財務以及其他部門優化管理績效[9]。

2.保障基礎業務的辦理效率，同時提高非基礎業務的人工智能處理覆蓋率

傳統的基礎業務是當下人工智能處理較為成熟的業務范疇，主要包括醫藥器械管理業務和員工薪資報銷業務等，這部分業務的內容相對固定。面對病患業務雖然具有較強的同質性[10]，但是由于其業務處理的復雜性，現在還在以人工進行處理，因此有必要通過不斷升級人工智能對于異質性情景的處理能力，從而加快病患業務的處理。同時在對公業務中，盡管業務的難度不大，但是潛在風險所造成的損失可能巨大，因此這部分業務仍然處于人工處理階段，后續有必要通過計算機做預處理，隨后由人工進行快速審批復核的流程，形成計算機與人合作的工作方式，進一步提高人工智能在財務管理系統的覆蓋率。

3.提高風險防范意識，準備完善預案

傳統大型醫院由于長期具備較為充沛的資金流，因此缺乏對資金風險的應對方案和預案設置，隨著疫情的持續，醫院的非個人業務規模占比增加，有可能會出現資金流緊張的情況，因此醫院財務系統有必要做出合理的應對方案。如果出現資金流短缺，那么隨之而來的可能是藥品出現低庫存的情況，從而影響醫院的正常社會職能。為了應對這些可能存在的風險，醫院的財務人員有必要對這些功能進行學習，同時對系統設置合理的預警條件。

4.優化醫院財務人員結構

隨著人工智能進入醫院財務系統，已有的人員結構難以有效地與現在運行的財務系統相匹配。從人口結構可以看到大專及以下的人員比例大于碩士及以上的群體，說明人員的學歷層次較低，同時有接近30%的樣本年齡已經大于45歲，較難適應人工智能輔助的財務系統，因此醫院應當結合自身財務發展，引入更多年輕的高學歷人才（包括統計學、計算機科學等相關人才），從而使人工智能輔助系統在實際應用中發揮更大的作用[11]。

5.提高主觀能動性

傳統的財務業務辦理工作量相對巨大，但工作流程簡單也容易學習，而人工智能輔助的財務系統雖然效率高，但是因為需要學習新知識，從而更加容易被財務人員排斥。然而人工智能輔助財務系統是大勢所趨，醫院高層領導以及中層領導應當形成共識，大力推進人工智能在生產管理、財務管理以及人力管理等方面的應用。同時提高相關從業人員的主觀能動性去學習相應的知識，以幫助醫院更好地應用人工智能系統，對財務工作起到推動作用。

【參考文獻】

［1］ 國家發改委，等.“十四五”優質高效醫療衛生服務體系建設實施方案［A］.發改社會〔2021〕893號，2021.

［2］ 鄺鵬蝶，劉晶，朱詠梅.基于信息化平臺的醫院科研經費管理新模式探討［J］.中華醫學科研管理雜志，2022，35（2）：147-151.

［3］ 吳強，羅曉霞，李恒，等.構建醫院財務管理信息化建設路徑探索［J］.中國衛生經濟，2021，40（5）：80-83.

［4］ AJAM S O，GHASEMIZAD A，GHOLTASH A.Staff perspective and hospital finance experts on how to manage the costs of the hospital：a qualitative study［J］.Tabriz University of Medical Sciences，2020，11（2）：159-171.

［5］ JOHNSON B G，F PHILLIPS，CHASE L G.An intelligent tutoring system for the accounting cycle：enhancing textbook homework with artificial intelligence［J］.Journal of Accounting Education，2009，27（1）：30-39.

［6］ CHI D J，SHEN Z D.Using hybrid artificial intelligence and machine learning technologies for sustainability in going-concern prediction［J］.Sustainability，2022，14（3）：1-18.

［7］ 劉波，郭靖，張曉瑋，等.人工智能時代下公立醫院財務綜合服務平臺的構建與創新［J］.財政監督，2019（17）：93-98.

［8］ 吳卉.財務智能化背景下醫院會計信息化建設問題分析［J］.財經界，2020（6）：153-154.

［9］ 艾學瑛.基于人工智能技術的醫用財務自動管理系統［J］.信息技術，2019，43（11）：173-176.

［10］ 武婷婷，陳蕾，方佳偉，等.人工智能技術在醫院患者服務場景中的應用［J］.中國數字醫學，2018，13（12）：17-19.

［11］ 葉然，羅治民，田志偉，等.卓越績效模式下醫院財務管理體系構建［J］.中國醫院，2018，22（6）：11-13.