编者按

第22届中国—东盟商务与投资峰会期间，《中国—东盟人工智能场景应用案例集》在“中国—东盟商界领袖论坛”正式发布。

该案例集全面梳理了人工智能在数智政府、智能制造、智慧农业、智慧政务、医疗健康、文化旅游等领域的创新实践，生动展现了AI技术赋能千行百业的最新成果。本案例集的发布，既是对中国与东盟数字合作成果的总结，也为区域智能化发展提供了宝贵参考。特此编发，以飨读者。

深圳市卫生健康发展研究和数据管理中心

（智能AI医保风控）

深圳市卫生健康发展研究和数据管理中心是深圳市卫生健康委员会直属公益一类事业单位，中心主要职能为包括负责全市卫生健康战略、健康政策与发展规划、人口和家庭发展的研究、咨询、指导等。

基本情况

深圳市卫生健康发展研究和数据管理中心与深圳计算科学研究院合作，基于深算院独创“全栈AI技术”打造的智能AI医保风控方案，是利用逻辑推理+机器学习双引擎，对医保基金的支付行为进行自动化、智能化审核的过程，旨在提高审核效率、减少人为错误、防范欺诈骗保行为，并确保医保基金的合理使用，覆盖医保审核事前预警、事中监管、事后审核的全流程需求。

目前该系统已在南方某三甲医院上线，其测试准确率83%左右超人工审核水平，比人工审核效率提升了400%，获医保业务专家的高度认可，助力该医院完成智能化升级。

该系统通过标准化、自动化的AI风控执行，提升医保政策落地效率与准确性，降低制度套利与执行曲解风险，保障基金使用安全高效；推动“价值医疗”实现，确保患者获得适宜、规范的诊疗服务，避免过度或不足医疗，直接提升就医质量和健康保障水平。

本系统以“数据驱动—知识增强—模型训练和推理—应用落地”的四层架构为主线，形成一条覆盖事前规则定义、事中实时监控、事后智能审核的完整技术闭环，核心目标是在确保数据安全与合规的前提下，实现医保违规风险的精准识别、智能审核自动生成以及风控规则的动态迭代。

特色亮点

深圳市卫生健康发展研究和数据管理中心与深圳计算科学研究院合作，由深算院独创的“全栈AI技术”，机器学习+逻辑推理，具备更高的精度、稳定性和可解释性，有效减少幻觉风险，并在小样本数据场最中展现出卓越的适应能力。自主研发的图计算引擎支持从多源异构关系型数据中，自动识别主外键关系、业务主线和交互路径，构建多实体多关系的海关业务图谱（如旅客—物品—通关—查验等）；结合函数依赖与多表结构推理，解决传统人工建模的高门控问题，实现“数据即图”的自动化转化。为后续的智能分析打下坚实基础。

Creator-Critic特征生成框架：专家脱离、轻量精准依托深算院原创的图关联规则（GAR）理论，系统构建了具备自监督能力Creator-Critic特征生成框架。Creator模块挖掘图中潜在因果/关联模式，Critic模块基于任务表现反馈选代修正，实现自动生成最小冗余、最优解释力的图规则集合，以服务下游高精准布控任务。该方法不依赖专家经验规则，脱离人工标注，训练数据需求小、计算资源占用低，适用于数据敏感、样本稀疏的智慧监管场景。相比依赖大模型（LLN）的透用推理方案，具备更强业务针对性与计算效率优势。

基于规则的推理引擎：自动布控与强可解释性并重系统将挖握得到的规则集合直接用于风险推理与布控决策流程，自动生成可执行的规则逻辑链，提供布控名单，实现从规则驱动到布控名单的全流程闭环，大幅减少人工干预，提高风险响应的实时性与覆盖面。同时，系统保留每条规则的生成路径与命中依据，支持以“谁被布控”“为何布控”为核心的归因展示，保障智能决策的可追溯、可解释、可审计，满足业务系统对解释性的高要求。