周吳平 簡(jiǎn)偉研

（北京大學(xué)公共衛(wèi)生學(xué)院 北京 100191）

1 問題：高靠分組對(duì)DRG付費(fèi)的破壞性

高靠分組（又稱“高編碼 upcoding”）可能是DRG 支付制度設(shè)立后最具破壞性的提供方策略行為（gaming behavior）。 高 靠 分 組的行為是醫(yī)療服務(wù)提供方利用DRG分組過程高度依賴疾病診斷和手術(shù)操作編碼的特點(diǎn)，有目的地調(diào)整結(jié)算清單中的診斷和（或）手術(shù)編碼（包括改變患者診斷信息、增加與本次疾病不相關(guān)的并發(fā)癥和合并癥、虛報(bào)不存在的合并癥與并發(fā)癥等）[1]，誤導(dǎo)DRG 分組器把病例錯(cuò)分到高權(quán)重的DRG 中，從而達(dá)到獲得高額補(bǔ)償?shù)哪康腫2,3]。

盡管目前我國(guó)DRG 試點(diǎn)城市對(duì)高靠分組的報(bào)道不多，但從國(guó)際經(jīng)驗(yàn)看，應(yīng)該引起決策者足夠的重視。 美 國(guó)Medicare 保 險(xiǎn)1985 年隨機(jī)審核發(fā)現(xiàn)DRG 出院病例的高靠分組占比高達(dá)12.83%，采取綜合監(jiān)管與大力懲罰措施后，1988 年高靠分組占比降至7.45%。澳大利亞在實(shí)施DRG 后的第七年（1995年）仍然有5.2%的出院病例存在高靠分組[4]；德國(guó)因高靠分組每年為新生兒病例額外支付了40%的費(fèi)用[5]。

高靠分組帶來的系統(tǒng)性偏倚，單靠DRG 付費(fèi)制度本身是無法克服的，不得不依賴于配套的稽查手段。國(guó)家醫(yī)保局辦公室2021 年發(fā)布的《按疾病診斷相關(guān)分組（DRG）付費(fèi)醫(yī)療保障經(jīng)辦管理規(guī)程（試行）》（醫(yī)保辦發(fā)〔2021〕23 號(hào)），把高靠分組作為稽核重點(diǎn)，強(qiáng)調(diào)“設(shè)計(jì)并執(zhí)行監(jiān)控體系，有效實(shí)施稽核程序，循跡追蹤實(shí)現(xiàn)對(duì)DRG 付費(fèi)的全流程把控”。

本文以“疾病診斷相關(guān)分組”“高編碼”“高靠分組”“監(jiān)管”“智能審核”為中文關(guān)鍵詞，"Diagnosis-Related Groups" "up-coding""upgrading""audit""supervision""artificial intelligence"為英文關(guān)鍵詞，在各中英文數(shù)據(jù)庫(kù)中檢索相關(guān)文獻(xiàn)，系統(tǒng)梳理發(fā)達(dá)國(guó)家應(yīng)對(duì)DRG 高靠分組的方法與發(fā)展歷程，并結(jié)合我國(guó)DRG 試點(diǎn)進(jìn)展現(xiàn)狀，提出我國(guó)發(fā)展智能審核的手段，高效應(yīng)對(duì)DRG 高靠分組的路徑與建議。

2 現(xiàn)狀：應(yīng)對(duì)高靠分組的方法

2.1 事前監(jiān)管

事前監(jiān)管指采用多種手段規(guī)范醫(yī)生和編碼員的行為，防止高靠分組的發(fā)生[6]。事前監(jiān)管的手段主要包括：對(duì)醫(yī)生和編碼員進(jìn)行職業(yè)教育，提高編碼能力，防止因?yàn)槟芰Σ蛔銓?dǎo)致的高編碼或者向下編碼[7,8]；創(chuàng)建編碼員和醫(yī)生應(yīng)該遵守的倫理準(zhǔn)則，違背倫理準(zhǔn)則將會(huì)受到職業(yè)道德的譴責(zé)，這一方法能在一定程度上降低高編碼的發(fā)生[4,9]。不過倫理準(zhǔn)則是道德準(zhǔn)則，而非法律規(guī)定，違背倫理準(zhǔn)則并不一定意味著違法[4]。

2.2 判斷高靠分組的金標(biāo)準(zhǔn)

由于醫(yī)療服務(wù)本身具有非常高的技術(shù)壁壘，即便是有經(jīng)驗(yàn)的?？漆t(yī)生，在不核對(duì)原始病歷的情況下，僅僅依靠醫(yī)院上報(bào)的病案首頁(yè)數(shù)據(jù)和費(fèi)用數(shù)據(jù)，很難判斷信息是否真實(shí)有效[10]。判斷高靠分組的“金標(biāo)準(zhǔn)”是由臨床專家根據(jù)原始病歷給出正確信息，而后由編碼專家給出正確編碼，再由DRG 分組器重新分組給出正確的權(quán)重，與原始權(quán)重對(duì)比后判斷權(quán)重是否增加[1,7,11]。整個(gè)過程成本很高，美國(guó)聯(lián)邦與州政府每年花費(fèi)2.59 億美元以識(shí)別Medicaid 保險(xiǎn)出院病例存在的欺詐行為[12]。

2.3 事后監(jiān)管

識(shí)別實(shí)際發(fā)生的高靠分組并加以懲罰，追回費(fèi)用的同時(shí)達(dá)到震懾效果，被稱為事后監(jiān)管，事后監(jiān)管是應(yīng)對(duì)高靠分組的主要手段。DRG 付費(fèi)初期的事后監(jiān)管主要以隨機(jī)抽樣的方式從所有病例中抽取樣本，由專家細(xì)致審核后給出正確編碼[13,14]。具體做法是培養(yǎng)一批審核經(jīng)驗(yàn)豐富的專家，將經(jīng)過審核的原始數(shù)據(jù)進(jìn)行正確編碼，再進(jìn)行深度的數(shù)據(jù)挖掘，形成能夠反映DRG 高編碼的常見變量，發(fā)現(xiàn)高編碼容易發(fā)生的DRG組，并形成初步的監(jiān)管規(guī)則[15]。例如，美國(guó)醫(yī)療保險(xiǎn)和醫(yī)療補(bǔ)助服務(wù)中心曾經(jīng)提出17 個(gè)最容易發(fā)生高編 碼 的MS-DRG 組（Medicare’s adaptation of the DRG system），包括089 單純性肺炎和胸膜炎、320腎臟和尿路感染等[16]。

2.4 智能審核與綜合監(jiān)管

盡管專家經(jīng)驗(yàn)以及基于經(jīng)驗(yàn)的監(jiān)管規(guī)則提高了審核效率，但專家抽樣審核的病例數(shù)量相對(duì)于海量的醫(yī)保結(jié)算數(shù)據(jù)十分有限。隨著信息技術(shù)發(fā)展，人們自然想到借助計(jì)算機(jī)建立更加智能高效的審核體系。事實(shí)上，歷史審核數(shù)據(jù)的積累為引入智能算法打下良好基礎(chǔ)，新的審核規(guī)則由計(jì)算機(jī)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)，并據(jù)此判斷病例是否為高編碼，事后監(jiān)管從人工抽樣審核變?yōu)槿珮颖局悄軐徍恕?/p>

DRG 支付方式相對(duì)成熟國(guó)家的綜合監(jiān)管模式見圖1。首先，由政府組織臨床專家與編碼專家形成團(tuán)隊(duì)，將專家經(jīng)驗(yàn)不斷地顯性化和數(shù)字化，并形成計(jì)算機(jī)智能審核的規(guī)則。計(jì)算機(jī)依據(jù)這些規(guī)則便可以完成全部結(jié)算數(shù)據(jù)的篩查（而不是抽樣），并對(duì)證據(jù)確切的案例給出判定意見，同時(shí)將存疑案例提報(bào)給專家復(fù)審。在此過程中，計(jì)算機(jī)不斷通過機(jī)器學(xué)習(xí)提升智能審核的精準(zhǔn)度和敏感度。其次，專家團(tuán)隊(duì)每年隨機(jī)抽樣一部分結(jié)算數(shù)據(jù)進(jìn)行人工審核，將發(fā)現(xiàn)的新審核規(guī)則補(bǔ)充或修正到原有的審核規(guī)則庫(kù)。

圖1 DRG支付方式相對(duì)成熟國(guó)家的綜合監(jiān)管模式

3 完善路徑：開發(fā)智能化審核規(guī)則

3.1 專家經(jīng)驗(yàn)的顯性化

DRG 實(shí)施初期審核數(shù)據(jù)相對(duì)較少，智能審核規(guī)則由專家經(jīng)驗(yàn)顯性化形成。政府部門牽頭組織有審核經(jīng)驗(yàn)的臨床專家和編碼專家，通過頭腦風(fēng)暴提出常見的高靠分組形式。進(jìn)一步由專家團(tuán)隊(duì)逐條回顧被判定為高靠分組的病例，列出判斷為高編碼的原因，排除偶發(fā)原因后將具有規(guī)律性的判斷條件擴(kuò)充形成初步的審核規(guī)則。這些規(guī)則需要經(jīng)過數(shù)據(jù)驗(yàn)證有效性：篩選歷史審核數(shù)據(jù)庫(kù)中符合某條規(guī)則的所有病例，計(jì)算其中被專家判定為高編碼的占比，占比越高提示該規(guī)則識(shí)別高編碼的能力越強(qiáng)。占比低于事先設(shè)定閾值的規(guī)則由專家團(tuán)隊(duì)二次研討，重新評(píng)估規(guī)則的合理性與普適性，舍棄不存在臨床邏輯或編碼邏輯的規(guī)則，進(jìn)一步細(xì)化普適性與針對(duì)性較差的規(guī)則。最后再次組織專家團(tuán)隊(duì)，研討每條審核規(guī)則的臨床邏輯或編碼邏輯并加以推廣，擴(kuò)充完善規(guī)則庫(kù)。

3.2 機(jī)器學(xué)習(xí)

引入機(jī)器學(xué)習(xí)算法需要大量的歷史數(shù)據(jù)作為支撐，常用的機(jī)器學(xué)習(xí)算法包括神經(jīng)網(wǎng)絡(luò)、貝葉斯分類器、聚類分析和離群點(diǎn)監(jiān)測(cè)等[17-22]。例如，Bayerstadler 等使用貝葉斯縮減技術(shù)的馬爾科夫鏈蒙特卡洛（MCMC）算法構(gòu)建監(jiān)測(cè)醫(yī)療濫用和欺詐的模型，測(cè)量醫(yī)療索賠數(shù)據(jù)中對(duì)通常模式的系統(tǒng)性偏離來檢查 欺 詐 行 為[23]。Rosenberg 等 人用貝葉斯分級(jí)模型，在原來方法的基礎(chǔ)上額外識(shí)別88%的高編碼病例并收回98%的多付款項(xiàng)[24]。Massi等人使用kmeans 算法和人工決策支持系統(tǒng)，從183 家醫(yī)院中識(shí)別3 家可疑的醫(yī)院并進(jìn)行審核[25]。Hillerman 等 人 使 用ksmeans 聚類算法對(duì)病例可能存在欺詐的風(fēng)險(xiǎn)概率進(jìn)行賦值，并給出排名[21]。Feng 等人使用一個(gè)包含2.3 萬樣本量的數(shù)據(jù)庫(kù)，借助隨機(jī)森林模型和支持向量機(jī)構(gòu)建模型識(shí)別可能存在錯(cuò)誤的病例，并由監(jiān)管方進(jìn)行人工審核，同時(shí)提供方法來解決數(shù)據(jù)不平衡的問題[26]。

4 建議

DRG 支付制度的建立客觀上促進(jìn)了醫(yī)保結(jié)算（以及醫(yī)院內(nèi)部管理）的數(shù)字化。與之伴隨的，便是利用信息化手段升級(jí)監(jiān)管模式。有效應(yīng)對(duì)高靠分組，既是DRG 支付取得實(shí)效的保障，也是醫(yī)保監(jiān)管成功轉(zhuǎn)型升級(jí)的標(biāo)志。為了做好高靠分組的監(jiān)管工作，國(guó)家層面的專家團(tuán)隊(duì)有必要集中研究如何顯性化醫(yī)保數(shù)據(jù)稽核的專家經(jīng)驗(yàn)，并開發(fā)機(jī)器學(xué)習(xí)的基礎(chǔ)模型，然后把這些成果提供給各統(tǒng)籌地區(qū)作為本土化的基礎(chǔ)。各地則有必要先建立由ICD編碼專家和臨床專家共同組成的稽核專家隊(duì)伍，不斷積累數(shù)據(jù)審核的經(jīng)驗(yàn)。同時(shí)，建立智能化審核技術(shù)團(tuán)隊(duì)，將國(guó)家提供的經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)模型軟件化，而后結(jié)合本地專家的共識(shí)，利用本地真實(shí)世界數(shù)據(jù)開展分析，形成智能化審核的具體規(guī)則。當(dāng)這些準(zhǔn)備工作完成后，智能化監(jiān)管便可以啟動(dòng)。在智能化監(jiān)管過程中，不斷吸取專家經(jīng)驗(yàn)，通過機(jī)器學(xué)習(xí)持續(xù)優(yōu)化審核規(guī)則，讓智能化監(jiān)管的效能不斷提升。