新一轮医保飞检医院集体暴雷2026

新一轮医保飞检医院集体暴雷20268月14日，内蒙古启动新一轮医保飞检。12支检查组，每组40至50人，医保牵头，卫健、药监参与，覆盖公立医院、民营医院、零售药店。这次飞检的特别之处不在于规模，而在于一个标志性转变：检查组还没进门，数据已经把问题圈了出来。内蒙古的实践并非孤例。从全国范围看，医保基金监管正在经历一场底层逻辑的迭代——监管的重心，从“进院找问题”前移到“带问题进院”。01数据先“飞”

过去飞检，医院怕检查组突然进门翻病历、查收费。现在检查组未到，数据已暴露问题。住院率、支付率、自费率异常，举报集中，整改不到位，甚至某病种收费与同级差异明显，都会触发预警。以前翻百份病历才发现的问题，现在系统提前圈定。2025年，国家医保局披露男性患者出现“宫腔镜”项目，实为编码弄混，未造成损失，但已触发警讯。银川市通过大数据系统事前预警164家医疗机构6万余次，筛查涉嫌违规使用医保基金问题线索。有飞检员直言：“我们都是靠大数据分析，依据当地政策设定规则，让数据‘跑’出疑点”。国家医保局构建的“异常住院”“医保药品倒卖”“重点药品监测”等分析模型，正在把过去靠人工翻病历的“大海捞针”，变成数字监管的“精准定位”。飞检正从“进院找问题”变为“带问题进院”。02从抽查到覆盖飞检正从“抽谁查谁”走向“迟早都查”。今年公布的五年行动计划明确，2026—2030年力争全国定点医药机构现场检查全覆盖。国家飞检每年覆盖所有省份，5年覆盖所有地市；省级每年覆盖所有地市，5年覆盖所有县；市县5年完成辖区全覆盖。加上专项、“点穴”、暗访和“回头看”，“今年未抽中”的侥幸不再。上半年，国家飞检覆盖全国所有省份，检查227个地市、2926家机构，查出涉嫌违法违规金额11.6亿元。检查正在变成日常。03查的是“一条链”飞检范围从一家医院扩展到医保基金整条链条。重点对象包括医疗机构、药店、经办机构、参保人和参保单位，领域扩大至骨科、心内、血透、口腔、康复、精神医学等15个。药品追溯码强化监管：过去查药看处方和库存，现在可反向追溯——谁开、谁卖、来源、重复与否——2025年全国归集追溯码超1000亿条。上半年打击回流药专项行动下发线索14万余条，查处违规机构1.1万家。医保基金出医院后，监管仍可追至药店、患者和供应链。因此内蒙古联合医保、卫健、药监，顺理成章。04监管风向：AI虚假处方正式进入飞检清单，基层是重灾区

西安此前公开的典型案例就披露，有机构使用互联网医院AI自动开方，出现超量开药、处方结算与实际药品不一致等问题，最终被追回违规医保基金，处以多倍罚款，暂停医保结算6个月，相关医务人员予以记分处理。《互联网诊疗监管细则（试行）》早已明确：处方应当由接诊医师本人开具，其他人员、人工智能软件等不得冒用、替代医师本人提供诊疗服务、开具处方。这一条不只是约束互联网医院，同样适用于线下基层诊所、村卫生室。不少从业者抱有侥幸心理：我稍微改一改文字，监管就看不出来。但现在医保监管已经进入“大数据+现场核查”模式，AI生成的处方、病历会暴露出多处特征，很容易被筛查锁定。高度模板化，同质化严重。同一个AI模型输出的文本句式、用药逻辑高度趋同。大数据比对时，如果多名不同年龄、不同体质的患者，病历主诉、辨证描述、处方配伍高度相似，只是简单修改姓名年龄，系统就会标记为疑点。尤其是中医诊所，不同患者证型完全不一样，如果批量出现结构雷同的处方，是飞检重点突破口。存在AI“幻觉”，出现医学逻辑错误。AI会一本正经编造不符合临床逻辑的内容：比如男性患者开出妇科专科用药、老年人用药剂量明显违背药典、配伍禁忌、病程记录和处方完全不匹配、症状描述和诊断互相矛盾。这类矛盾点，人工写病历不容易批量出现，却是AI生成内容高频问题，审核系统会直接弹窗预警。诊疗痕迹和处方内容脱节。飞检现场会核对：接诊时间、问诊记录、体格检查记录、主诉、诊断、处方、收费项目、药品出库记录完整链条。如果只有一份AI生成的漂亮处方，没有对应的问诊查体记录，病程记录简单空洞，缺少个体化病情描述，即便有医生电子签名，也会被认定为疑点。批量补录、集中时间集中生成。很多机构为补齐台账，集中在某一个晚上，批量生成几十上百份处方病历。医保后台可以看到文书生成时间戳，短时间大批量集中新增电子病历、处方，会直接触发预警线索，后续现场核查会重点核对患者回访、药品出库、监控录像等证据。重点提醒：就算医生做了电子签名，不等于可以免责。电子签名代表医师对这份医疗文书真实性负责。如果文书内核来自AI批量生成，没有本人独立诊疗判断，签名不能掩盖虚构诊疗的风险，责任全部落在签字医师和医疗机构身上。AI没有法律主体，出了问题，不会由AI承担处罚。05医院该换思路了

面对这套新的监管逻辑，医院的应对策略需要根本性调整。信息科的每一个编码都可能触发预警。

前述“宫腔镜”案例已经证明，一个编码错误就足以让医院进入数据异常名单。定点医药机构作为数据质量的第一责任人，需要强化数据上传前的严格审核和日常动态校核，将风险消除在源头。有医院自主开发了“医保飞检盒子”自查软件，规则库覆盖5000多条收费、用药、进销存规则，这种把合规前置到数据生成环节的思路，正在成为越来越多医院的选择。科主任需要关注的不只是临床，还有数据。

为什么本科室的住院率、自费率、病种收费与同行存在异常差异？这些差异在传统管理中是“正常波动”，在数据监管框架下却是“预警信号”。医保办不能再临时抱佛脚，因为数据异常在检查组到来之前就已经被系统捕捉。飞检不再像一次考试，考完就结束。

检查组走了，检查并未结束——下一次问题早已藏在每天产生的数据里。真正有效的应对，不是在检查组来之前突击整改，而是在每一天的数据产生环节就做到合规。医保基金监管的这场转型，本质上是用技术手段压缩信息不对称的空间。当大数据能够比检查组更早、更准地发现异常，当追溯码让药品的每一次流转都有迹可循，当五年全覆盖让“迟早都查”成为确定性预期，医院和药店的竞争维度也在发生变化——合规能力正在从“成本项”变成“生存项”。那些把数据质量管理做在平时的机构，将在新的监管生态中获得主动权；而那些仍在依赖“迎检思维”的机构，将发现每一次数据异常都可能是一次飞检的起点。2月17日，由十堰市人民医院医院管理专家编写的《医院等级评审数据治理与迎评攻略》正式首发。这部专著紧扣国家三级医院评审2025版新标准，以数据治理为核心突破口，为全国医疗机构量身打造了一套从政策解读到落地实操的系统性解决方案，直击当前医院迎评工作中“旧规不适配、新规摸不透”的核心痛点，精准破解迎评难题。随着2025版评审标准中条款更新修订、功能定位优化等核心变化落地，“数据杂、口径乱、核查难”成为众多医院迎评路上的头号挑战。该书正是立足这一现实困境，全书覆盖政策解读、指标解析、工具模板、经验借鉴、趋势判断五大核心板块，系统梳理并构建了“迎评前准备－迎评中应对－迎评后改进”的全流程闭环管理体系。书中深度解析了