医院的数据采集是医保支付不可或缺的环节,尤其是规范化准确收集医院各部门间的数据,才能最终保障医院与医保局结算的权益。那么,又该如何保证医院各业务部门之间流动的数据是具有准确性的呢?

从数据的源头开始,也就是从病案首页的数据采集开始,因为这是医保支付改革方式—DRG支付分组的基础。病案首页的数据准确编码,再入对DRG组,一方面保障医院与医保局结算的权益,另一方面为医院管理提供参考价值。

与此同时,国家卫健委医政医管局也发布了《国家卫生健康委办公厅关于印发病案管理质量控制指标(2021年版)的通知》。《通知》各级各类医疗机构要充分利用相关质控指标开展病案质量管理工作,不断提升病案质量管理的科学化、精细化水平和病案内涵质量。

这是为进一步加强医疗质量管理,规范临床诊疗行为,促进医疗服务的标准化、同质化,进而制定了病案管理质量控制指标。可见,病案数据质量特别重要。因此,病案管理的各种学术交流会议,也遍地开花。

10月14日,由北京医学会主办,北京同仁医院协办,艾登科技技术支持的【2021年北京医学会病案管理学术会议】,通过线下专家演讲+线上直播的方式成功举办。

作为大会技术支持提供方,艾登科技总经理程岚受邀出席,以“医疗信息流动过程中准确表达的技术保障方案”为主题,进行了演讲与分享。

艾登科技总经理程岚

对此,《DRG变量》就如何保证医院各部门数据流动的准确性,采访了程岚女士,希望助力各级医院数据准确流动。

程岚表示,她非常幸运,在过去5年多时间里,能够有机会走进病案科,接触到病案人的日常工作,看到他们的专业,以及病案事业的价值。

在这个过程中,她最大的感受虽然病案人的被重视度日益提高,但是行业还有大幅度的提升空间,比如真正合格的人才,真正规范的标准,真正有效的工具。

一直以来,艾登科技专注于病案质控,“编对码,入对组”是艾登人的使命和存在的价值。“我们发现,作为源头的病案科对数据的准确至关重要,影响最直接的是医院与医保局结算时的权益。”程岚说到。

据悉,2021年9月,《国际信息管理杂志》上的一篇文章对医院住院数据质量进行了归因分析。其中,编码人员以及数据采集相关问题占到了整个病历问题的40%以上。

总体而言,这些数据采集仍存在以下几方面的问题:

▸数据来源混乱不清,无法溯源;

▸过程数据与终点数据并存,统一指标不同数据;

▸数据缺失需要人工填写,错漏较多;

▸数据不对应,总和与分项不一致;

▸数据标准不统一,不同字典版本/不识别;

……

面对以上这些问题的干扰,程岚表示,要高效整合规范数据来源,必须保障病案首页数据的结构化生产。比如,病案科要对诊疗信息进行完整准确的表达,要理解编码字典的更新与映射关系,还要学会服务于数据应用场景。

而信息科需要建立高效准确的数据流平台,确保标准、字典的及时更新,并且对上报数据的映射进行再次校验。

院内的应用科室则需要做到以下几点:临床源头数据的准确完整记录;理解数据表达的内涵;应用数据支持业务决策分析。

做好数据采集后,除了对数据上报有帮助以外,还对DRG/DIP医保支付、公立医院绩效考核、重点学科评审等有所裨益。

然而,医院各部门的信息流动,产生的数据,有很多的“不一致”,阻碍了这些应用。比如:

▸手术,诊断等标准不一致产生的贯标问题;

▸首页数据与病历与医嘱的不一致,甚至会涉及到医保核查时的数据违规;

▸院内数据与院外上报卫健、医保不一致;

……

针对这些“不一致”,医院需要及时采用技术手段进行解决,保障数据的准确完整与一致性。

ICD等贯标字段,要采用针对贯标的搜索引擎技术,保障单字段数据的标准性。

在此基础上,面对病历文书/病案首页/医保结算清单,要采用针对数据源头正确性的多端实时质控技术,保障单系统数据的正确性。

最后,才是针对全流程数据的内涵AI质控技术,这就涉及到跨系统数据的一致性,比如病历-医嘱–首页/清单-上报。而且,在内涵质控过程中,还要确保病历文书和首页的一致性。

因此,程岚表示,医院所采用的技术方案要保证在全流程数据质控过程中,确保编对码,入对组。

要达到这一要求,首先要实现AI深度质控。主要包含以下内容:

这一阶段的AI深度质控,是对病历首页的质控。做好这些之后,要将质控前移,开展院内病历的运行质控。这一环节的质控,一定要和首页进行对应。

完成上述环节之后,再去解决院外的上报问题。

根据艾登服务过其他医院的经验,程岚建议医院形成两套首页,一套满足卫健委的标准,另一套根据医保标准形成医保结算清单。如果说医院全程根据一套标准进行,最后再去做转换,可能会产生大量损失。

要解决这一问题,就不得不提到几项关键技术:

▸首先是自然语言处理技术(NLP)。应用最新的深度学习技术对电子病历进行结构化信息提取,准确率高达95%。通过NLP语义识别技术,64个维度切词,能从超长病历文本中识别患者症状、病史、检查项目及结果、用药、手术、操作、治疗等情况,将自然文本转化为计算机可以推理计算的数据,有效正确还原患者状况和医生诊疗过程。

▸其次是医疗知识图谱,即通过基于本体和ICD-11,通过教科书和医学文献构建医疗知识图谱。

▸最后就是基于“规则+AI人工智能”的质控模型。目前,艾登科技与清华大学合作成立了相关课题组,主攻医疗文本信息抽取技术难题。

基于以上观点,程岚认为,在DRG/DIP支付过程中,医院的质控是需要贯穿全流程、标准统一化、应用模块化的协作管控平台。比如风险监控中心、数据质控中心、成本核算中心、医保管控中心、运营决策中心、数据集成中心、配置管理中心等。多管齐下,共同保障协作过程中的质控能力。

虽然病案有非常广阔的应用空间,但是也有很多挑战,如医院各级领导转变意识,落实举措等。在这个过程中,程岚表示,她及其所在公司也将持续专注于技术突破,保障医疗信息流动中的准确表达,以及医院运营管理中的数据决策应用。

最终帮助医院减少病案导致的DRG假性结果引起的服务绩效评价偏差和不必要的DRG医保支付亏损,做好数据内涵质量,保障数据的准确性,探寻一种能规范医疗实施路径,减少不必要的医疗开支,规避不正当的医疗行为,构建医疗行业健康可持续性发展的应对策略,从而追本溯源的解决当今医保管控难题。