2023年醫院新興技術創新應用典型案例征集活動經行業專家背靠背盲審以及終審，共選出24篇典型案例，將陸續刊登，以饗讀者。

1 項目簡介

　　隨著DRG/DIP改革加速推進，醫保對醫院的運行管理提出了更高要求，如何提升病案首頁質量?如何解決病案編碼人員短缺和專業度不足導致的編碼質量良莠不齊和效率低下問題?如何通過提高DRG/DIP入組和支付預測準確性來加強醫院運營管理水平?已成為各家醫院亟需解決的問題。

　　我們通過對病案自動編碼及DRG運行分析方法的研究，發掘融合深度學習和知識圖譜的人工智能技術在其中的應用，并對智能系統應用前后的重點監測指標進行對比分析，如醫生編碼錯誤、病案首頁質控評分、DRG入組率、DRG醫保結算率、超支結余情況及人員成本等，結果表明智能病案機器人系統在提供即時編碼建議、DRG入組分析和動態支付預測方面具有相當高的準確性(均>95%)，對提升醫療質量和精細化運營管理水平具有重要價值。

2 建設與開發

　　(1)系統規劃、開發和部署

　　系統整體架構設計為四層：數據層、平臺層、應用層和用戶層;病案自動編碼通過電子病歷信息抽取模型+文本多標簽分類模型+核心詞匹配模型的混合模型實現，通過搭建QUERYX數據庫安全管控平臺和數據脫敏等安全產品保證系統安全性;基于BERT+BiLSTM模型構建區域自適應DRG預入組器及付費模擬器;同時基于大數據聚類技術構建費用預警模型。

　　(2)模型訓練

　　獲取2021年1月至12月病歷數據、上報醫保數據以及醫保反饋數據進行數據清洗確保數據質量，組織標注人員對清洗后的病歷數據進行標注，對標注后的病歷數據和醫保數據設置訓練集、測試集、驗證集進行模型訓練。

　　(3)模型校準

　　為避免模型輸出錯誤編碼，錯誤預入組結果、錯誤費用預警提示，利用核心詞匹配模型和醫保反饋數據再次對編碼、預入組和費用預警結果進行確認。

　　(4)效果評價

　　1)病案自動編碼模型準確率評價：將2022年2月完整病歷數據作為測試集，將自動編碼結果與醫院上報醫保數據進行比對，從而對病案自動編碼準確率進行評價。

　　2)智能DRG預入組器準確率評價：將2022年2月上報醫保數據作為測試集，將預入組結果與該月醫保反饋數據進行比對，從而對智能DRG預入組準確率進行評價。

　　3)費用預警模型準確率評價：將2022年2月上報醫保數據作為測試集，將費用預警結果與該月醫保反饋數據進行比對，從而對費用預警準確率進行評價。

3 產品描述及關鍵技術

　　本產品高度模擬病案專業人員解讀病歷并運用病案專業知識完成病案管理工作的行為，從電子病歷文本中識別病理、病因、解剖部位、臨床表現、檢驗檢查等疾病診斷相關特征，以及手術操作、藥品、耗材等疾病治療相關特征，同時結合病案管理專業要求，在保證病案首頁信息與電子病歷信息一致的基礎上高效實現病案自動編碼(病案自動編碼準確率高達95%+，一分鐘完成10份病案編碼)。

　　基于國家醫保局發布的CHS-DRG分組方案，充分結合本地歷史醫保反饋入組數據，通過大數據處理技術，構建了高度擬合區域自適應的預入組器(擬合率高達98%)，并將該功能前置到患者在院過程管理中，把控數據源頭，精準定位風險對象和重點問題，實時預警超支風險。同時深度挖掘歷史數據潛在價值，深入分析及監測DRG運營管理全場景，實現全院/科室/診療組/醫生/病組/病例層層下鉆，有效幫助醫院開展適應本地化特點的DRG醫保支付運營精細化管理。本產品關鍵技術如下：

　　(1)電子病歷信息抽取模型

　　原始BERT+BiLSTM+CRF由具有上下文特征抽取能力的BERT、特征再抽象加工BiLSTM(雙向長短記憶網絡)和CRF(隨機條件場)判別最優信息標簽序列組成，最終實現抽取文本實體名稱、類型及其位置的功能。

　　(2)文本多標簽分類模型

　　將電子病歷中BERT+BiLSTM+CRF模型識別出的臨床診斷進行多標簽分類編碼(見圖2)，使用BERT+BiLSTM用于上下文信息的特征提取匯總，后接一個全連接層輸出Y=1XN大小的標簽概率向量。

　　(3)核心詞匹配模型

　　臨床診斷經過多標簽分類編碼模型可獲得編碼結果，但有時也存在錯誤。鑒于此，引入基于知識圖譜的核心詞匹配模型過濾錯誤編碼。對編碼使用知識圖譜判別其臨床診斷中是否有提及相關ICD卷三核心主導詞路徑集合，若存在則核心詞匹配成功保留該標準編碼，反之則匹配不成功刪除。

　　(4)區域自適應DRG預入組器及付費模擬器

　　基于國家醫保局發布的CHS-DRG分組方案，充分結合本地歷史醫保反饋數據，生成地區特有的ADRG入組數據，利用大數據處理技術，構建并訓練基于BERT+BiLSTM模型的DRG預入組器。同時結合付費管理政策，解析與反算重要付費參數并構建付費模擬器。

　　(5)費用預警模型的構建

　　使用大數據聚類技術，對歷史上報及反饋病組數據進行合理聚類，設置關鍵指標篩選具有病組標桿性質的優良病例數據，構建標桿病組費用普遍發生曲線和費用預警模型。

　　(6)DRG運行分析模型的構建

4 產品功能展示

　　(1)自動生成編碼

　　1)識別并提取出院記錄中的關鍵診療數據

　　2)系統自動生成準確編碼

　　(2)智能核查醫生漏編

　　以手術操作為例，智能讀取電子病歷中關于手術及操作的相關信息，完整提取手術及操作名稱，并自動生成正確的ICD編碼，規避醫生漏編手術及操作的情況。

　　(3)智能提示病歷內涵缺陷

　　基于準確編碼、合理入組的目標，智能識別醫生書寫電子病歷中的內涵質量缺陷，智能提示醫生完善相關電子病歷書寫，確保電子病歷與病案首頁數據一致。

　　1)遺漏診斷提示

　　2)手術及操作記錄缺失提示

　　(4)DRG預入組分析

　　1)未按規則編碼，未入手術組

　　2)醫生編碼入組情況

　　3)自動編碼入組情況

　　(5)智能DRG支付額測算及超支結余測算

　　(6)智能科室/醫療組/醫生DRG運營數據分析

　　(7)智能病組DRG運營數據分析

　　(8)智能費用結構分析

　　(9)運營指標分析

5 應用效果

　　(1)提升醫生病案編碼質量

　　(2)優化病案首頁質控評分

　　(3)提升DRG入組率

　　(4)提高DRG醫保結算率

　　(5)大幅改善超支結余情況

　　(6)降低人員成本

　　利用系統開展病案編碼工作，可幫助醫院節約53%的編碼工作人力成本，計57萬元/年。

6 總結

　　將人工智能技術與病案編碼以及DRG運行分析系統有效結合，較傳統工作方式，不但能夠優化工作流程，避免因人為因素導致的錯誤，提升病案編碼效率及質量，提高DRG入組質量，還可以對全院DRG運營情況進行多維監測，實現全流程數據管理，關注超支結余情況，錨定超支嚴重的科室/病組/醫療組/醫生/病例進行重點分析。同時，還可以監測異常值和數據變化趨勢，分析數據異常原因，針對性解決實際難點，實現DRG精細化管理，幫助醫院應對醫改帶來的沖擊，以智能化手段增強監測分析能力，提高資源利用率，實現提質降本增效，為醫院高效科學運營提供重要的數字化支撐，真正做到精準賦能醫院精細化管理，推動可持續高質量發展目標落地。

　　申報單位：

　　浙江金華廣福腫瘤醫院

　　聯合申報單位一：

　　麥博(上海)健康科技有限公司、杭州醫學院信息工程學院

　　技術方向：

　　大數據、醫學人工智能

　　業務領域：

　　醫院管理