AI+医疗如何落地防疫诊疗全流程 ——盘点五大智慧医疗典型案例 案例概览 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步——柯基数据 案例 2 | 不只是疫情咨询，院前预检筛查成智能问答新“战场”——朗通医疗 案例 3 | 互联网医疗作为“第二战场“，在疫情防控中发挥重要作用——左手医生 案例 4 | 高敏快速检出病灶，CT+AI 助力医院实现“应收尽收”——体素科技

..............105 3.2.2.7.3. 典型案例....................................................................................................................106 3.2.2.7.3.1. 典型案例信息维护（增加）.................... .......................106 3.2.2.7.3.2. 典型案例信息维护（删除）.....................................................................................106 3.2.2.7.3.3. 典型案例信息维护（修改）................................ .......................107 3.2.2.7.3.4. 典型案例信息维护（查询）.....................................................................................108 3.2.2.7.3.5. 典型案例信息维护（批量导入）..............................

62%最终被 证明是误判。 规则引擎的僵化性难以适应新型业务。现有审计程序主要针对 传统交易模式设计，面对区块链智能合约、跨境多币种结算等创新 业务时，标准审计程序覆盖率不足 55%。下表展示了典型新兴业务 领域的传统审计盲区： 业务类型 传统程序覆盖率 主要盲点 加密货币交易 38% 链上交易追溯缺失 跨境云服务收入 45% 服务器地理位置验证困难 ESG 衍生品 29% 碳足迹数据链校验空白 监测企业财务数据波动，自动触发预警阈值（如单笔交易超过注册 资本 10% ） 2. 通过 NLP 解析合同条款与会计准则差异，识别潜在 合规风险 3. 建立多维度关联分析引擎，发现隐蔽的舞弊模式（见 下表典型场景） 风险类型 传统检测率 智能体检测率 关键技术 关联交易舞弊 32% 89% 图谱推理+时序分析 风险类型 传统检测率 智能体检测率 关键技术 收入确认异常 45% 93% 贝叶斯网络+规则引 ： - 法规标准库：实时同步财政部最新审计准则、企业会计准则等权威 文件，版本控制精确到修订条款级 - 行业风险特征库：按制造业/金 融业等 15 个细分行业分类，包含 4200+ 典型风险场景的量化指标 - 历史案例库：结构化存储 3.2 万份审计报告中的关键发现，支持相 似案例匹配检索 智能处理层部署混合推理机制，结合规则引擎与深度学习模 型。对于程序性审计任务（如存货监盘检查），采用基于决策树的

不足，85%的政务数据仍停留在事后统计阶段，未能实现实时态势 感知。某直辖市 2024 年政务服务评估报告指出，群众对”智能服 务”的满意度仅为 68 分，显著低于其他数字化服务指标。 技术债务积累导致运维成本持续攀升。典型地市级政务云平台 每年需投入约 1200 万元用于传统系统的兼容性维护，这些建于 2010 年前后的系统采用 SOAP/XML 架构，与现有微服务体系存在 显著代差。某省统一身份认证平台的数据显示，每月发生约 失：自然语言理解、图像识别等 AI 技术应用率不足 15%，导致 95%的群众咨询需人工应答 3. 流程自动化水平低：RPA 技术仅在 18%的省级单位试点应用，约 72%的常规审批仍需人工逐条核对 典型业务场景效率对比表： 业务类型 传统处理耗时 理想处理耗时 效率差距 企业执照变更 5 工作日 0.5 工作日 90% 社保跨省转移 20 自然日 实时 100% 建设工程规划许可 34 工作日 平均处理时长为 5.8 个工作日，其中人工材料核验环节耗时占比达 67%。窗口工作人员日均处理量超过 40 件时，差错率会从基准值 2.3%陡增至 7.1%，呈现明显的负向规模效应。 标准化程度不足 典型问题包括： - 政策解读差异：同一事项在不同区域窗口出现 23%的处置标准偏差 - 自由裁量权滥用：18%的投诉案件源于工作 人员主观判断失误 - 文档管理混乱：35%的归档文件缺少关键要素 标签

理、跨系统协作效率低下等核心痛点。根据国家卫健委 2023 年统 计，三甲医院日均产生临床数据超 50TB，但现有系统对非结构化 数据（如影像报告、医患对话记录）的利用率不足 12%，导致三大 典型问题显现：首先，医生平均每天需花费 2.3 小时处理重复性文 书工作，门诊病历书写占接诊时间的 35%；其次，跨科室会诊因数 据标准不统一导致 30%的临床决策延迟；最后，患者咨询服务响应 时效超过 子病历系统存在结构化不足问题，非标准化文本占比超过 40%，导 致临床决策支持系统（CDSS ）误判率升高 3. 跨科室协作依赖传统 通讯工具，会诊请求平均响应时间超过 2 小时 数据治理困境 ” ” 医疗数据呈现典型的 三高 特征： 特征 现状数据 产生后果 高碎片化 单个患者数据分散在 6.2 个系统 中 诊疗完整性下降 27% 高冗余度 重复检查数据占比 34% 每年造成浪费超 80 亿元 低互操作性 在医疗系统中，数据孤岛问题长期制约着诊疗效率与协同能力 的提升。由于历史建设周期差异、技术标准不统一以及部门间协作 机制缺失，医疗机构内部及跨机构间的数据往往分散存储于异构系 统中，形成彼此割裂的信息壁垒。典型表现为以下三方面： 1. 系统异构性导致整合困难 医院内部 HIS、LIS、PACS 等核心系统常由不同厂商开发，采 用差异化的数据格式与接口协议。例如，某三甲医院的检验系 统采用 HL7 V2

........................................................................................169 8.2.1 典型企业应用场景............................................................................................. 会数据）。代理人 30%以上的工作时间消耗在填写标准化表单上， 而 85%的简单咨询问题仍需人工坐席响应，导致人力资源配置严重 失衡。 数据孤岛与协同障碍 保险公司内部系统通常呈现碎片化状态，典型企业存在 6-8 个独立 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 年数据），但行业平均线上转化率仅为传统渠道的 1/3。 这暴露出三个关键痛点：①传统人工服务响应速度平均超过 4 小 时；②标准化产品难以匹配个性化需求；③跨渠道数据割裂导致服 务连续性差。 其次，运营效率提升存在技术瓶颈。典型财产险公司每单理赔 处理平均消耗 5.2 人工小时，其中 40%时间用于资料核验等重复劳 动。精算建模周期从需求提出到交付平均需要 17 个工作日，严重 制约产品创新速度。核心系统面临三大挑战：①遗留系统改造成本

期间，客服人员平均需要与客户进 行 2.3 次电话沟通补充材料，每次沟通延迟处理时间约 16 小时。 其次，规则引擎的僵化导致大量简单案件无法快速通过。当前 系统对医疗费用合理性判断仍依赖人工对照社保目录，以下为典型 场景的处理耗时对比： 处理环节 传统人工处理 理想自动化处理 票据识别 12-25 分钟 <1 分钟 药品目录匹配 8-15 分钟 即时 处理环节 传统人工处理 理想自动化处理 责任条款核验 三， 人工判断标准难以完全统一，即便在相同培训体系下，不同核赔员 对相似案件的审核结果差异率仍达 15%-20%，后续争议处理又额 外增加 10%-15%的复核成本。 成本构成项 占比区间 典型场景示例 基础人力成本 25%- 30% 核赔员薪资、社保等固定支出 高峰时段附加成 本 8%-12% 临时工雇佣、加班费及应急培训 质量管控成本 5%-8% 抽样复检、争议案件二次处理 型：要求欺诈识别模型每周可迭代，对抗进化中的欺诈手段 3. 可 解释性输出：每个理赔结论需生成包含 5 个以上判断维度的解释报 告 4. 系统响应速度：从材料上传到初步结论生成需控制在 90 秒内 典型场景的性能指标要求如下： 场景类型 准确率要求 处理速度要求 人工复核率控制目标 医疗理赔审核 ≥92% <2 分钟/件 15% ≤ 车险定损 ≥88% <90 秒/件 20% ≤ 大额案件预警

引擎协同降低误报率。关键数据指标如下： 场景 基线准确率 目标准确率 允许延迟 欺诈交易识别 82% 90% <1s 信贷风险评估 75% 85% <5s 反洗钱监测 68% 80% <30s 运营优化方面存在三个典型需求： 1. 自动化文档处理：年报 生成效率需从 8 人日缩短至 4 小时 2. 智能工单分类：准确率需达 92% 以降低人工分派成本 3. 流程挖掘：识别 20%以上的冗余审批环 7×24 小时自动化处理，例如某国有银行接入智能体后，标 准业务处理时效从平均 8 分钟缩短至 35 秒，人工干预率下降 72%。 专业化服务涉及需要金融知识输出的中高复杂度业务，典型场 景包括： - 财富管理：组合推荐、市场解读、收益分析 - 信贷业 务：产品匹配、方案定制、额度测算 - 国际业务：跨境结算、外汇 交易、信用证处理 - 投资银行：并购咨询、债券承销、结构化融资 在银行业务场景中，客户服务是高频且核心的环节，涉及咨 询、投诉、业务办理等多种需求。传统人工客服存在响应速度慢、 人力成本高、服务时间受限等问题，而基于 DeepSeek 大模型的 智能体可显著提升服务效率与用户体验。 典型场景与痛点分析 1. 智能客服： - 高频问题包括账户查询、转账操作、利率咨询等，人工重复解答 效率低下。 - 客户等待时间长，非工作时间无法提供即时响应。 - 多语言服务能力不足，难以覆盖全球化客户群体。

、申报书所有内容，均真实、准确和完整，如有不实 情况，愿承担相应责任； 二 、申报书所有内容均不涉及国家秘密和商业秘密，如 有涉密情况，愿承担相应责任； 三 、愿意配合开展现场核查、技术推广和典型案例交流 等工作。 公 章： 年 月 日 1 一、申报主体和卓越级智能工厂基本信息 ( 一 )申报主体基本信息 企业名称 统一社会 信用代码 成立 时间 管理、运营管理等方面阐述智能化建设匹配情况，原则上须 覆盖上述五个方面，鼓励申报主体强化人工智能等数智技术 应用。同时，申报主体应结合自身实际情况，参考《智能制 造典型场景参考指引(2025 年版)》,按照附件 1、附件 2 要求，充分挖掘并提炼符合条件的典型场景，确保全面覆 盖 核心建设内容，完整呈现智能工厂建设全貌，至少包括 8 个 建设成效突出、推广价值高的场景。) 3.1 工厂建设 (按照《智能工厂梯度培育要素条件(2025 营管理方面智能化建设情 况， 不超过 1500 字。) 5 3.6 场景创新升级情况 5 (在卓越级智能工厂申报书的基础上，参考《智能制造 典型场景参考指引(2025 年版)》,按照附件 1、附件 2 要 求，补充新建的成效突出典型场景，并对卓越级智能工 厂申 报场景中有改造升级的进行更新。) 四、项目建设已取得的成效 (重点围绕项目建设已形成的特色亮点，安全可控情 况，以及

优化工作流程、提升风险预判能力，成为行业亟需探索的课题。本手册基于对银 行、证券及保险业审计场景的调研，结合大语言模型技术，系统梳理了金融机构 1000 个左右审计通用场景应用问题（侧重内部审计），并给出简要提示与典型 案例，旨在为金融审计领域的学习者及工作人员提供实用性的操作指南。以下是 本手册编写的核心逻辑与框架说明。 一、精准化问题拟定：用技术激活大模型价值的关键 “ 大模型的价值并非源于其 全知全能 执行情况） （36）审计报告是否缺乏风险预警？（如仅描述已发现问题未提示潜在风 险， 需要增加“风险前瞻”章节，基于历史数据预测未来 3 个月高风险领域） （37）知识库更新是否及时？（如未将典型案例纳入内部培训教材，需要 按 季度更新案例库，标注高频违规场景（如信用卡套现新手法） （38）质量控制标准是否模糊？（如未定义“重大缺陷”的量化标准，需要 制 定缺陷分级规则（如损失金额超 100 5、完善绩效考核体系：设置质量权重指标（如问题发现率、整改完成率占 绩效 40%），避免仅考核审计数量 12 对连续 3 个项目无重大发现的团队启动 反 向评估，排查程序执行漏洞。 6、构建知识共享平台：按季度更新典型案例库（如信用卡套现新手法）， 标注高频违规场景与应对策略。开发智能问答机器人，实时推送监管政策解读与 审计程序操作指引。 10 商业银行审计篇 一、合规与法律风险审计 （一）基础审计场景应用问题