微信掃一掃：分享
隨著國內醫(yī)保制度的不斷完善和創(chuàng)新發(fā)展，醫(yī)保事業(yè)對精細化發(fā)展的需求愈加強烈。2019年1月，國家醫(yī)保局發(fā)布《關于醫(yī)療保障信息化工作的指導意見》，強調全面推進醫(yī)保工作智能化、信息化、標準化的重要作用。國內依舊面臨慢性病患病率持續(xù)上升、衛(wèi)生資源配置不合理、臨床決策不夠精確、診療方案效果不佳的現實困境，這些問題均與大數據的挖掘分析力度不夠有關。
醫(yī)保大數據涉及所有參?；颊叩木驮\資料和信息數據，通過多種工具深入挖掘、剖析、提煉其價值，對于醫(yī)療事業(yè)發(fā)展具有重要意義。借助于大數據技術，復雜的醫(yī)保工作可以變得更加直接、客觀，對于數據的分析、監(jiān)測以及預警會更加高效。本研究通過對醫(yī)保領域的大數據應用研究進展進行綜述，為醫(yī)療保障高質量發(fā)展提供借鑒和思路。
1、醫(yī)保大數據挖掘技術的主要功能和方法
醫(yī)保全過程管理的每個環(huán)節(jié)均可產生大量數據，為實現醫(yī)保領域的智能監(jiān)管、科學決策、高效服務，需對醫(yī)保大數據進行全面收集、處理、分析、應用。數據挖掘技術能夠從海量數據中提取關鍵信息并分析，按功能可將數據挖掘分為描述(Descriptive)模式和預測性(Predictive)模式兩大類，其中主要的分析方法有關聯規(guī)則分析、聚類分析、大數據分類與偏差、大數據時序模型及預測四大類。
關聯規(guī)則分析
關聯規(guī)則分析是從屬于無監(jiān)督學習的數據挖掘技術，目前已被應用于病人就診規(guī)律歸納、中醫(yī)用藥配伍規(guī)律總結、疾病危險因素監(jiān)測等方面，同時也能夠發(fā)現醫(yī)保大數據之間的隱藏關聯并提取具有特定臨床價值的信息群。衡量關聯規(guī)則強度的指標為支持度、置信度和提升度。常用的基礎關聯算法主要有Apriori算法、FP-Tree算法、Eclat算法、灰色關聯法等。
聚類分析
聚類分析是從屬于無監(jiān)督機器學習的探索性分析，其中近鄰傳播聚類分析是能夠研究醫(yī)保大數據整體規(guī)律的有效算法。通過相似度最優(yōu)原則將醫(yī)保大數據劃分為多個類(簇)，并基于迭代搜尋將醫(yī)保對象間的相似性視作類代表點，針對醫(yī)保對象的本質屬性進行數據挖掘和提取。使用聚類分析計算類代表點數量，能夠實現醫(yī)保精細化管理，并可基于此實現對醫(yī)保監(jiān)管范圍和力度的動態(tài)調控。
大數據分類與偏差分析
大數據分類是對有效信息進行采集、加工、解析的基礎環(huán)節(jié)，主要包括兩個主要步驟：一是基于數據訓練集實現數學模型的建立;二是使用該數學模型將尚未涵蓋在數據訓練集內的類標號對象進行分類操作。醫(yī)保大數據具有信息海量和情況復雜的雙重特點，需根據不同應用場景選擇合適的分類算法。分類算法主要有支持向量機算法、決策樹算法、神經網絡分類算法、樸素貝葉斯算法等。大數據偏差分析的主要目的在于對比觀測結果與期望結果的偏差，將偏差分析引入醫(yī)保大數據領域，有利于發(fā)現監(jiān)管中的異常行為。
大數據時序模型及預測
大數據時序模型建立在對既往數據變化規(guī)律探尋的基礎上，以便對未來發(fā)展情況進行可靠性預測。預測的對象包括醫(yī)?；疬\行效率、衛(wèi)生費用使用情況、醫(yī)療機構運營狀況、衛(wèi)生服務優(yōu)化流程、患者病情變化階段等，這些預測有利于提高資源的合理配置和使用。能夠用于醫(yī)保大數據預測的時序模型主要有平穩(wěn)時間序列模型、灰色預測模型、指數平滑模型、回歸模型等。
2、大數據挖掘技術在醫(yī)保領域應用的典型案例和推廣趨勢
宏觀層面：合理分配醫(yī)保資金
醫(yī)保大數據挖掘可用于決策部門優(yōu)化資金分配機制，決策者可在研究供需關系的基礎上確定醫(yī)保總額預算和資金分配計劃。例如，英國全民醫(yī)療服務體系(NHS)依據人口地區(qū)差異、年齡結構、經濟狀況、勞動力成本、患病率及死亡率等方面構建分配模型并通過既往數據實現校正預測，進而達到醫(yī)保資金按需分配的目的。從2012年起，上海便利用醫(yī)保大數據模型對定點醫(yī)院職工醫(yī)保進行預算分配。該模型納入包括高質量發(fā)展、經濟運行、資源布局、運行效率、綜合績效、醫(yī)療產出在內的239個指標，并通過神經網絡模型對定點醫(yī)院的年度考核數據進行模型訓練。模型檢驗結果表明，所構建的模型準確度、合理性、擬合優(yōu)度較高，對于判斷區(qū)域內醫(yī)保資金使用情況和未來流向具有指導意義。
中觀層面：指導醫(yī)療機構支付和管理
醫(yī)保大數據廣泛應用于醫(yī)療機構的支付方式改革和管理服務創(chuàng)新。自2020年起，DRG/DIP支付模式被探索運用于住院費用結算。該支付模式將疾病診斷類同、臨床過程相似、資源消耗相近的病例歸為一類，利用大數據聚類及決策樹算法優(yōu)勢實現病種的可比性。浙江省寧波市運用數據挖掘工具探究患者醫(yī)保購藥的藥品之間的關聯性及用藥習慣。上海DIP病種分組方式是結合臨床經驗和統(tǒng)計方法對醫(yī)保數據進行降噪，探究病種與成本間的客觀規(guī)律，得到疾病診斷+治療方式的組合目錄。除此之外，醫(yī)療機構還可結合就診數據、財務數據、運營數據分析引起醫(yī)療服務質量下降、住院費用增加、運營狀況虧損的內在原因，為醫(yī)療機構優(yōu)化運營模式和服務流程提供策略和建議。
微觀層面：監(jiān)管供需行為
依托區(qū)塊鏈技術可以實現對就診全流程、全環(huán)節(jié)進行記錄和監(jiān)管，且監(jiān)督數據無法被篡改。例如，上海市將11699名醫(yī)生分為15類，并使用無監(jiān)督機器學習方法建立大數據預警模型;按照醫(yī)生診療行為的不同特征，設計包括接診數量、康復理療中醫(yī)治療費用、專家專業(yè)觀點等10個指標;根據指標異常值確定疑點醫(yī)生范圍(偏差分析)，并利用層次分析法計算指標權重，對每位疑點醫(yī)生進行打分;根據分數建立紅、橙、黃三級預警機制，從而實現對服務提供方的及時有效監(jiān)管。隨著DRG/DIP支付方式改革的深入，金華、廣州等地以DRG/DIP支付所產生的數據為數據源，針對不同臨床現象，應用人工智能和大數據技術建立模型，從病案數據采集、病種分組、基金支付等方面建立大數據監(jiān)管實踐路徑，加強對臨床診療過程的監(jiān)管。
3、醫(yī)保大數據應用面臨的問題與挑戰(zhàn)
數據結構呈現鏈條化、混亂化和碎片化
醫(yī)保領域相關數據不僅包括醫(yī)療費用、財務數據和支出明細，還包括預防保健、臨床治療、康復隨訪等多個環(huán)節(jié)產生的數據，各種數據存儲于管理系統(tǒng)中并形成累積數據。累積數據類型不同但卻存在各種交集、數量龐大但卻結構化缺失，因此在橋接方式與傳遞效率方面，目前仍受到信息標準和框架構成的限制。數據結構存在鏈條化、混亂化和碎片化問題，進而難以在醫(yī)保政策制定、精準醫(yī)療探索、產業(yè)風險預測等方面提供充分信息支撐和干預依據。
醫(yī)保大數據的臨床應用價值未充分發(fā)揮
醫(yī)保大數據已經成為醫(yī)保支付方式改革的重要參考依據，也對醫(yī)院成本核算和管控能力提出更高要求。但在醫(yī)院層面，目前醫(yī)保大數據模塊和臨床其他醫(yī)療模塊基本是相互獨立的，缺少醫(yī)療費用和醫(yī)療行為的聯動監(jiān)管和數據分析，導致無法對臨床診療方案的衛(wèi)生經濟價值進行有效評估，醫(yī)保大數據對臨床決策的輔助作用并不明顯，說明醫(yī)院內部管理系統(tǒng)與醫(yī)保大數據之間未能有效關聯、融合。為更好發(fā)揮醫(yī)保大數據的價值，醫(yī)院需要建立一套完整的管理體系，各管理部門可能需要進行相應的職能轉換，包括改革原有按項目付費條件下的激勵機制、質量考核指標等，推動醫(yī)院運營管理更規(guī)范，進而促進醫(yī)院醫(yī)療技術發(fā)展和診療能力進一步提升，進一步實現醫(yī)保大數據的全面展示及深層次含義的全面挖掘。這對于臨床診療決策和醫(yī)療服務質量提升意義重大。
大數據使用過程中的隱私性較難保障
醫(yī)保大數據包含姓名、年齡、性別、證件號碼、手機號碼、家庭住址、成員關系等用戶信息，診療等信息涉及個人隱私，一旦信息未被妥善處理或遭遇泄露，可能會造成嚴重負面影響。除此之外，醫(yī)保大數據監(jiān)測會誘導對醫(yī)?；颊叩臓顟B(tài)及行為進行預測，進而產生傾向性監(jiān)測數據，而傾向性監(jiān)測數據的不合理使用會給醫(yī)保患者帶來巨大安全風險。同時，在數據集成、數據分析、數據管理過程中缺乏相應的安全評估系統(tǒng)和監(jiān)督使用機制，難以對醫(yī)保大數據的使用環(huán)節(jié)進行統(tǒng)一規(guī)范，也一定程度提高了隱私泄露的可能性。
4、數據挖掘在醫(yī)保領域應用的價值
宏觀層面：支持戰(zhàn)略決策
除規(guī)避醫(yī)療風險外，醫(yī)保大數據的核心作用在于確保醫(yī)療服務質量和效率，改善運行現狀。決策者可以通過醫(yī)保大數據分析尋找事件的驅動因素和關鍵環(huán)節(jié)，以此作為制定戰(zhàn)略決策的基石。成功的戰(zhàn)略決策離不開大數據的分析運用，此類分析的要點在于通過由大到小、由粗到細、由點到面的層級挖掘和關鍵問題尋找，既需要專業(yè)分析技術的支持，又需要決策者的邏輯性、結構化思維，依據環(huán)境變化動態(tài)調整決策戰(zhàn)略。
中觀層面：管理醫(yī)療機構
目前，醫(yī)保大數據對于醫(yī)療機構的管理指導仍是粗放式的，效果欠缺，亟須理順醫(yī)療機構與醫(yī)保機構的行政關系，明確兩者的責任、權利及義務，并從醫(yī)保支付方式中引入談判機制。在中觀層面，醫(yī)保管理部門可以通過大數據監(jiān)測定期對醫(yī)療機構的政策執(zhí)行情況進行監(jiān)督檢查，確保醫(yī)療服務的合規(guī)性。醫(yī)保管理部門可以通過大數據監(jiān)測建立數據篩查、財務審核、病例審核等多元核查體系，積極引入第三方參與醫(yī)保監(jiān)督，提升監(jiān)管的專業(yè)能力和業(yè)務水平，抑制不合理醫(yī)療費用增長及規(guī)范不合理醫(yī)療行為。
微觀層面：基金使用監(jiān)測
在醫(yī)保基金使用監(jiān)測方面，首要的是能夠及時發(fā)現欺詐、浪費、濫用等現象。通過對醫(yī)保大數據的實時監(jiān)測，醫(yī)保監(jiān)管部門可以發(fā)現過度醫(yī)療或不合理醫(yī)療、藥品的不合理使用、不合規(guī)就診行為等。因此，開發(fā)并引入電子實時監(jiān)控平臺對醫(yī)療機構及患者的就診行為進行追蹤和監(jiān)測，強化醫(yī)保部門和醫(yī)療機構的信息平臺搭建工作，有利于提高對醫(yī)保資金使用情況的監(jiān)測，從而積極引導患者科學就醫(yī)。此外，通過醫(yī)保大數據的挖掘和分析，歸納利益相關者的醫(yī)保資金使用規(guī)律，有利于進一步提高醫(yī)保資金的管理效率。
綜上，大數據挖掘在醫(yī)保領域具有巨大發(fā)展前景和價值，但在實踐應用過程中也會面臨一些挑戰(zhàn)，包括數據結構呈現鏈條化、混亂化和碎片化，現行數據應用模式難以輔助臨床決策，大數據使用過程中隱私保護難等問題。因此，需立足于國內醫(yī)保大數據的應用發(fā)展現狀，對醫(yī)保大數據挖掘應用案例進行深入分析，積極推廣先進經驗，助力“智慧醫(yī)?！卑l(fā)展。
京公網安備 11010802036726號
