跳至正文

AI MEDICAL AGENT · 三级综合医院

AI 不会取代医生。
我们为每一项判断附上依据。

MEV 在医务人员既有的 EMR/OCS 界面内辅助申报、编码与转诊。每一项推荐都附带依据,由医生作出确认,全过程留痕记录。

HOW IT WORKS · 工作原理

在既有界面内,
分三步运行。

无需引入独立系统。MEV 在 EMR/OCS 工作流内给出推荐,由医务人员作出确认。

STEP 1

EMR/OCS 对接

在医院内网中与既有系统连接。数据不会离开医院。

STEP 2

分析·推荐·依据

在申报、编码、转诊中生成推荐与草稿,并为每一项结果附上依据。

STEP 3

医生确认 · 留痕

由医生作出确认。何人、何事、何时确认,均记录于审计追踪。

SERVICES · 服务

医院的收入、记录与转诊体系,
三处同时兼顾。

三个领域同等重要。在每个领域中,MEV 生成推荐与草稿,由医务人员作出确认。

申报前核查扣减风险
01

医保支付与申报优化 AI

在申报前核查扣减风险与遗漏,守护正当收入。

  • 申报前预先阻断扣减风险
  • 发掘遗漏的申报
  • 提升申报准确度
等待扣减风险审查
记录 → 代码KCD N18.3E11.9I10
02

临床编码自动转换与推荐

将病历、判读、处置推荐为诊断与支付代码,由医生作出确认。

  • 缩短重复编码作业时间
  • 减少编码员之间的差异
  • 编码准确度 = 申报与统计准确度
经医生确认后定稿
转诊路径大型医院协作诊所协作医院转诊率指标管理
03

医疗转诊 AI 智能体

识别需要转诊(下转)的患者并生成转诊单草稿,管理转诊率指标。

  • 管理三级综合医院指定评价的转诊率指标
  • 缩短转诊单撰写时间
等待医生审查
PLATFORM · 平台 + 中间件

一次对接,
后续智能体即插即用。

MEV 由 AI 医疗智能体平台与医疗中间件两层构成。EMR 对接、术语映射与安全审查在首次部署时完成,此后的每个智能体都运行在同一基础之上。

医院内网 · 本地部署

LAYER 3

AI 医疗智能体平台

按医院业务划分的智能体

  • 医疗转诊智能体

    文书草稿 · 认定要件核查 · 协作机构匹配

    已部署盆唐首尔大学医院
  • 医保支付与申报智能体

    申报前扣减风险核查 · 依据整理

    PoC天主教中央医疗院
  • 临床编码智能体

    KCD·支付代码推荐 · 依据展示

    产品线
  • 体检报告智能体

    根据体检结果生成判定报告草稿

    PoC首尔圣母医院

LAYER 2

MEV 医疗中间件

医院系统与智能体之间的标准连接层

  • EMR/EHR 对接

    HL7 FHIR 标准接口

  • 医学术语标准映射

    KCD ↔ ICD-10 · SNOMED CT

  • 各国医保申报适配器

    韩国 EDI → 各国医保申报规范

  • 本地 LLM · 安全

    假名化 · 审计追踪 · 医生确认

LAYER 1

医院系统

数据留在医院内

  • EMR/OCS
  • 医保申报(EDI)
  • 病历·检验结果
  • 转诊中继系统
  • 海外 EHR(FHIR)
一次对接,所有智能体运行在同一基础之上。

GLOBAL · 拓展路线图

拓展至全球医院的必备功能

  • Care Transition
  • Claims & Denial (RCM)
  • Medical Coding (ICD-10 · CPT)
  • Prior Authorization
  • Clinical Documentation

全球领域属于拓展路线图。目标国家与时间表将根据业务计划确定。

TRACTION · 部署情况

三级综合医院
率先选择了 MEV。

我们以部署与验证说话,而非口号。引入医院的实测指标将在数据确定后另行公布。

  • 已部署2026年10月起订阅

    盆唐首尔大学医院

    医疗转诊 AI 智能体

    订阅制(SaaS)供应合同 · 经由医院项目主承包商签订

  • PoC 进行中目标 2027年第一季度上线

    天主教中央医疗院

    医保支付与申报扣减应对 AI

    申报前扣减风险核查 · 应对依据整理

  • PoC 进行中

    首尔圣母医院

    体检判定报告生成 AI

    根据体检结果生成判定报告草稿

部署情况截至 2026年10月。合同条款与金额不予公开。

CAPABILITIES · 应用成效

以做什么、如何做
来证明。

向您展示 MEV 实际执行的工作。引入医院的实测指标将在数据确定后另行公布。

轴 1·2·3 整合

单一智能体读取临床与申报的完整上下文

同时理解记录、判读、处置与申报,以一条贯通的流程而非割裂的工具给出推荐。

申报扣减预先防范

在申报前检测扣减风险项,并附依据提示纠正点。

转诊对象自动识别

识别符合标准的患者并生成转诊单草稿,协助指标管理。

临床编码自动推荐

从记录、判读、处置中推荐诊断与支付代码,并核查遗漏。

基于依据的申报准确度

以依据连接编码与申报,提升准确度与适当性评价的应对能力。

TRUST & GOVERNANCE · 信任与治理

为大型医院能够顺利引入
而设计。

数据不会离开医院,判断由医生作出,全过程可追溯。MEV 并非独立系统,而是在既有的 EMR/OCS 工作流内运行。

数据治理

患者数据不会离开医院网络。

  • ·支持本地部署与封闭网络部署
  • ·假名化处理后再处理,不向外部传输识别信息
  • ·依据《医疗法》与《个人信息保护法》标准设计
本地部署封闭网络(网络隔离)数据不外带

监管合规

依据《医疗法》与《个人信息保护法》设计,并验证结果的临床合理性。

  • ·从设计阶段即遵循《医疗法》与《个人信息保护法》
  • ·内置临床合理性与依据验证流程
合规设计《医疗法》/《个人信息保护法》

Human-in-the-loop

AI 仅止于推荐与草稿。确认由医生作出。

01生成推荐 · AI
02医生开始审查
医生确认 · 审计追踪记录

可解释 AI · XAI

不输出没有依据的结果。

  • ·每一项推荐都附带记录原文、代码与指南出处
  • ·通过出处标签即时确认结果源自何种依据
临床指南诊疗记录关联
COMPANY · 公司

懂医疗、AI 与监管的
团队倾力打造。

MEV 是一支同时理解临床现场、保险审核、AI 工程与医疗监管的团队。

临床现场保险审核AI 工程医疗监管

管理团队

  • MEV 代表 Taehoon Ko, PhD

    Taehoon Ko, PhD

    代表 · Founder & CEO
    医疗信息学 / Medical Informatics

    韩国天主教大学 医学院 医疗信息学教研室 助理教授 · 首尔圣母医院 智慧医院大数据中心主任

    在韩国天主教大学医学院与首尔圣母医院从事医疗 AI 与临床大数据研究的医疗信息学者。将临床数据专业能力落地为 MEV 的申报、编码、转诊产品。

    学历
    首尔大学 工学院 工业工程系 学士、博士(数据挖掘方向)
    经历
    • (曾任) 首尔大学医院 信息化室 研究助理教授
    • (现任) 韩国天主教大学 医学院 医疗信息学教研室 助理教授
    • (现任) 韩国天主教大学 信息融合振兴院 AI 中心主任
    • (现任) 首尔圣母医院 智慧医院大数据中心主任
    获奖
    • 2024年 大韩医疗信息学会 信息医学学术奖
    • 2024年 保健福祉部长官表彰(医疗健康数据应用贡献)
    • 2026年 保健福祉部长官表彰(ICT 医疗政策贡献)
    研究
    医疗 AI SCI 论文 30 篇以上
    专利
    • 韩国专利 4 项授权 · 16 项申请中
    • 国际专利 1 项授权(US · CN · EU)· 2 项申请中
  • MEV CMO Sae Won Choi, MD

    Sae Won Choi, MD

    CMO · 首席医疗官
    急诊医学 / 医疗信息学 · Emergency Medicine / Medical Informatics

    富川世宗医院 急诊医学科 诊疗科长

    在首尔大学医院信息化室与急诊医学科共事 9 年、同时深耕临床与医院信息系统的急诊医学专科医师。将急诊一线经验与医疗信息实务衔接到 MEV 的产品之中。

    学历
    • 首尔大学 医学院 医学系 毕业
    • 首尔大学 医学院 医学工程系 博士课程 结业
    经历
    • (曾任) 首尔大学医院 信息化室 临床教授
    • (曾任) 中央报勋医院 急诊医学科 诊疗科长
    • (现任) 富川世宗医院 急诊医学科 诊疗科长
    资质
    急诊医学专科医师 · 临床信息学认证医师
    培训
    首尔大学医院 急诊医学科 住院医师(2006–2010)
FAQ · 常见问题

引入前最常
被问到的问题。

关于 AI 医疗智能体、数据安全、合规以及与现有 EMR/OCS 集成的常见问题汇总。

MEV 是一家怎样的公司?

MEV 是一家面向三级综合医院与大学医院的 AI 医疗智能体公司。在医务人员既有的 EMR/OCS 工作流内,辅助医保支付与申报优化(RCM)、临床编码自动转换与推荐、医疗转诊三项工作。每一项推荐都附带依据,确认由医生作出。

AI 医疗智能体与传统医疗 AI 有何不同?

MEV 的 AI 智能体并非单一的诊断辅助,而是贯穿记录、编码、申报、转诊的行政工作流,全程提供辅助。无需引入独立系统,即在 EMR/OCS 界面内生成推荐与草稿,并为每一项输出附上出处、医生确认与审计追踪。

如何预防申报扣减?(保险审核·RCM)

在申报前对照审核标准核查扣减风险项与遗漏申报,并附上为何存在风险的依据。监控包含新综合支付制·DRG·非医保在内的适当性评价指标,守护正当收入。

临床编码自动化是如何运行的?

从病历、判读、处置记录中推荐诊断(KCD,韩国疾病分类)·支付·处置代码,并同时展示作为依据的记录原文。AI 仅止于推荐,确认由医生作出,已确认的代码可直接对接 EDI 申报。

医疗转诊功能具体做什么?

自动识别需要转诊(下转)的患者并生成转诊单草稿,与协作机构进行匹配。协助管理三级综合医院指定评价的转诊率指标。

AI 会取代医生的判断吗?

不会。MEV 遵循 Human-in-the-loop(人在回路)原则。AI 附依据给出推荐与草稿,最终确认始终由医生作出。何人、何事、何时确认,均记录于审计追踪(audit log)。

患者数据安全吗?会离开医院吗?

患者数据不会离开医院网络。支持本地部署·封闭网络(网络隔离)部署,经假名化处理后再处理,且不向外部传输识别信息。

如何遵守《医疗法》《个人信息保护法》等监管要求?

从设计阶段即依据《医疗法》与《个人信息保护法》构建,并内置验证结果临床合理性与依据的流程。同时审视韩国食药处(MFDS)医疗器械(SaMD)的适用性。

如何与既有的 EMR/OCS 集成?

MEV 并非独立程序,而是在医务人员既有的 EMR/OCS 界面内运行。无需另行登录或重复录入,不打断诊疗流程即可展示推荐。

如何确认应用成效与演示?

通过 30 分钟演示,直接向您展示申报、编码、转诊中您关注的领域。引入医院的实测指标将在数据确定后另行公布,绝不将推测值当作事实呈现。

什么是 AI 医疗智能体?

AI 医疗智能体是一种在医务人员既有 EMR/OCS 工作流内,将特定医院业务(医疗转诊、医保申报、临床编码)贯彻到底的 AI。与聊天机器人或单一预测模型不同,它会读取记录、生成草稿与推荐、附上依据、在医生确认后交付至下一系统,并将全过程记录于审计追踪。MEV 的智能体仅止于推荐与草稿,确认始终由医生作出。

什么是 MEV 医疗中间件,为什么需要它?

它是医院系统(EMR/OCS、医保申报、病历、转诊中继系统)与 AI 智能体之间的标准连接层,负责基于 HL7 FHIR 的 EMR/EHR 对接、KCD↔ICD-10·SNOMED CT 术语映射、各国医保申报适配器,以及本地 LLM 与安全控制(假名化·审计追踪·医生确认)。首次部署完成对接、术语映射与安全审查后,后续智能体只需接入同一基础即可。

是否支持海外医院或国际标准(ICD-10、CPT、FHIR、事前授权)?

中间件以 HL7 FHIR 接口和 KCD↔ICD-10·SNOMED CT 映射为基准设计。Care Transition、Claims & Denial(RCM)、Medical Coding(ICD-10·CPT)、Prior Authorization、Clinical Documentation 均在全球拓展路线图中,目标国家与时间表将依业务计划确定。目前的商用部署以韩国三级综合医院为准。

有部署案例吗?

盆唐首尔大学医院已于 2026年10月开始订阅医疗转诊 AI 智能体(SaaS 订阅,经由医院项目主承包商签约)。正在与天主教中央医疗院开展医保申报扣减应对 AI 的 PoC,与首尔圣母医院开展体检判定报告生成 AI 的 PoC。实测指标将在数据确定后公布。

MEV 是否契合贵院的工作流,
请先予以确认。

通过 30 分钟演示,直接向您展示申报、编码、转诊中您关注的领域。

预约演示