强制报告（医院）大数据法律监督应用系统

　　近年来，侵害未成年人犯罪案件数量持续上升。医疗机构及其从业人员对未成年人遭受、疑似遭受侵害或者面临其他危险情形负有法定履行强制报告的义务，对及时发现、阻断侵害未成年人违法犯罪，保护未成年人免受持续侵害具有重要意义。四川省仪陇县人民检察院坚持以问题为导向，以科技赋能，自主研发强制报告（医院）大数据法律监督应用系统，助力强制报告制度落地落实。

　　一、应用系统建设背景

　　2017年至2019年，全国检察机关起诉侵害未成年人犯罪的被告人分别为4.76万人、5.07万人、6.29万人，数据呈现逐年上升趋势。未成年人处于弱势地位容易遭受不法侵害，又因为身心发育不成熟，在自身权利遭受侵害之后很难自行维权，因此未成年人受侵害案件“发现难”一直是影响当前未成年人保护的重要难题。医疗从业人员作为发现侵害未成年人违法犯罪的重要群体，通过大数据赋能，既有利于提升检察机关的法律监督质效，更有利于打击侵害未成年人违法犯罪和提升救助未成年人的效率、效果。

　　二、应用系统有效解决传统监督模式三大痛点

　　一是嵌入医院诊疗系统解决数据来源痛点。医疗机构通过电子病历系统（DSHIS系统）挂号、书写病历、反馈检查结果、开具医药处方等方式进行诊断治疗，能够全面反映患者个人信息且数据客观、真实。强制报告（医院）大数据法律监督应用系统通过自动抓取未成年人就诊人的年龄、性别、伤害情形等关键信息进行对比分析，实现了数据来源的及时、稳定、可靠。

　　二是封闭式运行、选择性上传解决数据安全痛点。DSHIS系统中包含的患者医疗健康数据属于患者个人隐私，从技术上就要求应当建立在具有一定的封闭性的专门网络上。另外，医疗数据作为患者的个人隐私，若医院随意泄露既不符合国家监管机构对医疗机构的监管要求也容易引发的法律风险。强制报告（医院）大数据法律监督应用系统的数据分析过程是在医疗机构DSHIS系统内部实现，不会进行数据外传。同时，在线上报检察机关的数据内容中，只包含已经触发预警登记的就诊未成年人姓名、年龄、关键词等有选择性的关键信息，不会采集其他人和当事人的其他病历信息，避免了医疗数据的泄露风险。

　　三是自动预警、在线上报解决义务人判断难、易漏报痛点。部分医疗机构及其从业人员因对强制报告的认识、理解不到位，不清楚强制报告制度的强制性，发现线索时为避免不必要的麻烦选择不报告。部分医疗机构及其从业人员因对应当报告的情形把握不精准等，让从业人员无从下手。此外，医疗从业人员也容易因工作繁忙容易导致遗漏报告。强制报告（医院）大数据法律监督应用系统在自动筛选和分析后，能够及时对医疗从业人员进行三色预警提示，减少了从业人员对应当报告的情形判断。同时，从系统设置上要求医疗从业人员只有履行强制报告义务后才能进行其他操作，实现发现线索必须报告的强制性和因工作繁忙造成的遗漏报告的可能性。

　　三、应用系统运行研判规则

　　规则一：自动预警

　　1.应用系统DSHIS诊疗系统嵌入程序模块自动抓取病历中年龄、性别、伤害情况等数据要素；

　　2.根据关键词出现频率、关键词组合等分析预判违法犯罪行为出现可能性并进行三色预警。

　　3.就诊人触发预警后系统自动抓取姓名、年龄、所在医院、主治医生、关键词、预警类别等生成强制报告文书，由强制报告义务人在线上报至检察机关监督平台。

　　规则二：设置必填项目

　　1.设置强制病历规范填写，杜绝病历不填写、不规范填写的数据不真实。

　　规则三：手动报告

　　1.设置手动报告选项，系统未能触发自动报警但医疗从业人员认为符合强制报告情形的，可手动填写并在线上报至检察机关监督平台。

　　规则四：同一要素重复过滤

　　1.同一就诊人报告后出现同类同一要素重复诊疗的，系统不再触发报警，系统提示已报告但自动报告记录诊疗次数。

　　2.重复诊疗经医疗机构从业人员甄别后认为需另行报告的可手动报告填报。

　　四、应用系统运行效果

　　随着信息技术的发展，大数据为检察机关的法律监督提供了科学高效和可靠的新模式、新方法、新路径。侵害未成年人行为隐秘性强，医疗机构接诊量大，除去怀孕、治伤致死等较为明显、可疑程度高的情形，一般情形难以发现。检察机关要积极运用数据思维，从海量的就诊信息中筛查可疑线索，让监督端口前移至接诊始端，及时高效的打击侵害未成年人违法犯罪，让侵害未成年人合法权益的行为没有“隐秘的角落”。强制报告（医院）大数据法律监督应用系统为检察机关法律监督工作提供了数据台账支撑，提高了监督点位研判的准确性，提升了涉未案件的立案监督质效，拓展了未成年人公益保护案源，增强了制发检察建议的针对性。2023年，强制报告（医院）大数据法律监督应用系统在四川省仪陇县上线以来，已经实现了对数百名未成年人病历的筛查分析，监督医疗从业人员履行强制报告发现侵害未成年人案件数较2022年全年增加200%。

　　责任编辑：广汉