健保於2010年開始實施診斷關係群制度(Diagnosis Related Group, DRG),在此之前,數萬條的疾病分類編碼單純用來記錄疾病;在DRG實施之後,疾病分類碼與健保費用直接相關,開始依病例嚴重程度計算健保支付標準,取代過去依服務計酬的制度,成為醫院經營管理的關鍵,因而衍生出使用電腦輔助編碼的需求,像是DRG編審軟體、病例組合指標管理,或是應用於臨床路徑最佳化管理。
這類系統工具多為半自動化,仍須仰賴編碼人員或醫生花費許多精力與時間解讀一本又一本病歷、來回查找疾病分類碼,才能研判主診斷項目,也就是引起病人這次住院醫治的主要原因,以及合併症或併發症(Comorbidity and Complication, CC)項目。 數萬個與主診斷相關的疾病碼與手術碼,以及上千個CC碼,在不同排列組合下,代表著不同的病例複雜程度。然而人工判讀一直以來最大的缺點,就是編碼品質受經驗、習慣、時間與人力等眾多因素影響,不容易精確管控。越複雜或記錄越不完整的病歷,越可能被同時解讀出有或沒有CC兩種截然不同的結果,影響的保險金額差距可能高達數萬元。 市面上已有些AI能夠自動分析臨床數據所代表的意義,據此推薦疾病分類碼,例如執行DRG編審作業時,可以推薦主診斷與CC 。其中,推薦CC的方法,主要運用過去診斷與常用CC為基礎,再用幾個條件加以篩選。較為進階者,則是以文字探勘或自然語言處理技術,分析病歷中非結構化的文字(Free Text)。 對比歐美常用的方法,則是將臨床診斷指引數位化,根據重要的生理參數推薦疾病編碼,如腎臟醫學會的急性腎衰竭診斷指引,是依據不同時間的血清肌酸酐狀態,推薦相關的疾病診斷碼。此方法雖然客觀,但仍有所侷限,因為指引中通常只收錄最常發生,或是會影響醫療成本的疾病,造成實務應用相當有限。 TW-DRG已經演進到第四版,接下來所有住院病例必須全部採用DRG計價,同時健保給付原則也將同步併重住院與門診的診斷正確性,並且將慢性病與先天疾病納入病例複雜度與給付評估。種種改變將使編碼人員工作增加3-5倍,對管理與資訊科技的負擔亦將更加沈重,讓原本就已吃緊的人力面臨潰堤。 醫守的「DxPrime好完診」診斷推薦系統,幫助醫院為TW-DRG 4.0上線做好準備。DxPrime以32億筆來自台灣與美國的臨床數據建立AI模型,其強大的演算能力,即使遇到病歷中有遺漏的診斷,甚至是內容未填寫完全的狀況下,也能充分發揮應用。 不同於市面常見分析Free Text等非結構化資料的做法,DxPrime採全面性綜合分析用藥、檢驗檢查、處置﹐與手術項目等結構型資料,因此能夠更加精確分析病例複雜度,推薦適當的診斷項目,具體改善編碼品質,有助入院編審及最佳臨床路徑管理。 醫守不僅將DxPrime演算模型發表在Healthcare期刊 ,實際導入醫院後發現,演算法能在病人入院第三天之病情發展尚未完全明朗前,即達到七成以上的主診斷預測準確率,出院時更可達到九成準確率,並且改善整體營收5%-10%。 唯有解決醫師與編碼人員如何在有限時間下正確解讀繁瑣病歷細節的需求,並同時兼顧如何在編碼上精確反應病例複雜程度的要求,才能真正幫助醫院改善保險帳務品質與經營績效。 Comments are closed.
|