[摘要]介绍浙江省金华市在大数据技术背景下针对DRG支付的监管创新实践，并提出了改进建议———优化现有的规则和模型、继续推进信息化建设、完善监管工作流程，以期为我国DRG支付监管提供经验参考。
[关键词]DRG支付；大数据；医保基金
监管医保支付是基本医保管理和深化医改的重要环节，是调节医疗服务行为、引导医疗资源配置的重要杠杆[1]。随着医保支付改革工作的不断深入，我国已从按项目付费方式转向以按病种付费为主的多元复合式付费方式。但医疗领域信息不对称以及医保第三方付费机制决定了无论何种支付方式，都无法脱离配套的监管而成为一个完美的支付方式。当前，我国医疗保险基金规模庞大且结余有限，保障其高效支出是保障医疗事业可持续、高质量发展的必由之路。如何让有限的医保基金发挥最佳效率，是监管部门面临的一大挑战[2]。2019年，国家医保局等部门先后印发《关于印发按疾病诊断相关分组付费国家试点城市名单的通知》（医保发〔2019〕34号）和《关于开展医保基金监管“两试点一示范”工作的通知》（医保办发〔2019〕17号），明确要求丰富智能监测维度。开展按疾病诊断相关分组（DRG）付费试点的地区，积极运用智能监控系统，加强对临床行为的过程监控，丰富大数据分析比较维度，提升监控效果。浙江省金华市2016年探索DRG付费改革以来，已建立起一套较为完整的医保支付体系，2019年有175家医疗机构的住院病例采用DRG支付，医保基金支出增长率从2015年的15%下降到7%以内。但随着DRG支付工作的深入，病案质量（如编码高低套）和医疗服务质量（低标入院、分解住院、虚假住院等）出现了一些问题，亟需建立基于DRG支付的大数据监管体系。2019年1月，金华市医保局组建以来，始终把维护基金安全作为首要任务，以建设智能监控国家示范点为契机，创新大数据技术运用，实现医保基金DRG全程智能监管。本文对其探索实践进行深入分析，以期对医保支付方式改革监管创新提供参考。
1DRG支付监管面临的挑战
1.1数据质量监管
推行DRG支付改革，病案首页的数据质量是关键，医疗机构的收入取决于病例数和病例所属DRG的支付标准。由于利益所趋，医疗机构会有高编码倾向，造成医保基金的浪费。同时，医疗机构也有低编码行为，短期来看会导致大量高倍率病例出现，增加DRG人工审核的工作量；长期来看将影响DRG病组付费标准的测算，使付费标准与实际费用误差较大，影响DRG付费的开展。因此，DRG监管首先要做好病案数据质量监管，引导医疗机构正确编码，并重点监管违规编码行为。
1.2欺诈行为监管
医疗保险反欺诈是一个世界性议题，世界卫生组织将医疗卫生领域的浪费、腐败和欺诈视为导致医疗无效的十大因素之一按项目付费下，医疗机构的盈利来源于多做项目，因此会出现串换项目、虚增项目、超范围用药等欺诈骗保行为。从DRG支付的计算公式分析，医疗机构收入的另一影响因素是病例数。医疗机构为了增加收入，可能会违规增加病例数，具体体现为“分解住院”“低标入院”等。目前，DRG支付的反欺诈监管措施较为薄弱，亟需借助新技术进行智能监管创新，促进医疗服务质量提升。
1.3费用控制监管
DRG是一种相对合理的医疗费用管理工具，实行总额控费，一般按照“年度预算、月度预拨、年终清算”的方式结算医疗费用。总额控费一定程度上可以保证医保基金增长率，但要使这个工具发挥最大作用，仍需进行精细化管理。例如，在允许DRG次均费用合理增长的同时，重点监控不合理增长的医疗费用。对医保基金当前拨付情况进行常态化监控和预警，一方面可以对因政策变动、疾病暴发等客观因素而导致基金支出和预算出现重大差异的情况进行及时调整；另一方面也可以对基金盈亏、基金增长及其相关影响因素进行宏观把控和微观分析，从而更有效、更合理地进行DRG医疗费用管控，保障医保基金安全运行。
2基于大数据技术应用的医保基金监管创新实践
针对上述监管挑战，金华市结合DRG支付工作原理和流程，以DRG使用和产生的数据为数据源，针对不同的场景，挖掘场景特性，应用人工智能和大数据技术建立模型，并结合医学领域的专业知识进行DRG大数据监管创新实践。从数据流转流程角度，DRG支付可以分为病案数据采集、DRG分组、DRG基金支付，在此过程中，产生了病案数据、结算数据（成本数据）、DRG分组数据和基金支付数据（见图1）。
2.1人工智能辅助病案学规则改善病案质量
结合DRG支付实践经验，入组错误原因主要有主诊断选择错误、主手术未上传、主手术选择错误。DRG大数据监管是根据病案学原理、主要医疗资源消耗、收费项目和手术操作的对应关系以及分组逻辑，对错误进行提示，从而实现对病案质量的监管。从监管需求目标角度，病案质量监管实践可分为合规性校验、反套高校验及反套低校验；从实践技术角度，可以分为规则校验和人工智能校验。其中，规则校验根据校验的数据源不同可分为病案规则校验和收费项目（医保结算明细）校验。病案规则校验根据编码学、病案学的填报规则，校验医院病案信息中违反填报规则的数据，包括但不限于基础信息校验、诊断信息校验、手术信息校验、诊断与手术关系校验等。收费项目校验需要结合收费项目数据，基于专业医学知识形成的临床知识库及诊疗项目知识库，分析诊疗项目与临床过程之间的关系，发现医院病案信息中手术漏填、错填等现象。人工智能校验主要采用深度神经网络模型，学习病案数据和收费项目数据之间的对应关系，发现医院病案信息中诊断和手术漏填、错填等现象。金华市开展DRG大数据监管至今，形成了病案学3大类25小类48万条规则，收费项目2大类2万条规则，人工智能算法准确率超过90%；在流程上，初步建立了针对病案问题的沟通反馈机制，包括系统审核、病案培训、问题处理、系统改进，形成了一套完善的循环处理机制。2021年1—4月发现病案问题如表1所示。
2.2自然语言处理技术提升欺诈线索指引有效性
我国执法实践所说的“欺诈骗保”是总括性、广义性欺诈概念[4]。从国家医保局公布的典型案例来看，既有“过度治疗、过度检查、分解住院”等违规行为，也有“办理虚假住院登记、伪造医疗文书、虚列诊疗费”等违法犯罪行为。DRG大数据监管中，反欺诈实践主要是针对欺诈行为，发现可疑违规病例，为医保经办部门专项检查工作提供线索。针对较易出现的分解住院、低标入院和虚假住院，DRG大数据监管运用病例的病案信息、收费项目信息及DRG分组结果，通过自然语言处理技术和异常值检测等，发现可疑违规病例，然后交由医保经办人员调取纸质病历，由专家讨论确定是否违规。其中，分解住院是DRG大数据监管的重要内容，利用DRG分组数据，比较分析病例前后两次入院间隔时间、收费项目差异度来确定诊疗过程是否完整、入院治疗是否规范。两次入院收费项目差异度用自然语言处理技术中的相似度来衡量。经过多轮调整，金华市2021年1—2月分解住院情况如表2所示，人工审核可疑病例的工作量下降96.60%，最终违规准确率提升19.62百分点。DRG支付中，第二大欺诈违规监管类别是低标入院，主要指无指征入院。基于低标入院资源消耗小、住院天数短等特征，通过大数据分析和异常值检测技术，对住院天数和病例收费项目数据进行统计分析，监管检查检验、药物治疗的异常值病例，具体分为体检入院和开药入院。2020年1月至2021年8月，低标入院可疑病例占总病例的0.57%，经过专家确认，4.10%的低标入院可疑病例存在违规行为。虚假住院指采取挂床、冒名顶替等手段，对实际未住院治疗的患者，通过编造诊疗项目、伪造医疗文书等手段，骗取医保基金的行为。此类行为常发生于较低等级的医疗机构。针对此特点，DRG大数据监管通过医疗机构聚集性、病人聚集性、时间聚集性和病例相似性等指标，监管虚假住院情况。鉴于虚假住院性质恶劣，且相对隐秘，还需更多维度的数据丰富知识图谱网络，实现有效线索指引。目前，DRG大数据监管根据临床特点对各项违规行为进行了分类的规则和算法设置，每月提供稽核线索。同时，不断优化规则和算法，截至目前，综合线索指引准确率为42.08%。
2.3大数据分析快速定位DRG基金支付异常
大数据分析和以往数据分析最重要的差别在于数据量急剧增长。针对费用控制监管需求，DRG大数据基金监管应用大数据统计分析手段（如标杆分析法），监控医保基金整体运行情况，快速发现异常信号，为医保基金监管提供技术支撑。从地理属性，大数据分析可以分为统筹区维度、医院维度、科室维度和医生维度等；从参保人属性，可以分为基金类型维度、人员类别维度等；从DRG属性，可以分为MDC维度、DRG病组维度等。目前，监管系统已实现DRG病组维度和医院维度基金相关指标的监管，主要包括费用趋势、费用结构、重点指标和专项管控病组分析四个板块，对基金拨付相关指标进行展示和预警，并分析挖掘基金盈亏的原因。大数据分析采用的核心技术为标杆分析法及DRG指标技术。前者首先确立各个病组的治疗过程与费用结构最合理的医疗机构，将其他医疗机构的各项指标与其比较，从中发现问题。后者总结归纳了DRG相关的各类核心技术指标，如CMI、人次人头比、费用效率系数、自费比例等，通过这些指标的医院之间比较和趋势分析，分析医保基金的整体情况及医疗机构的运行状况。截至目前，各项监控指标已形成了医保基金监控大屏，共包含4个大类92个图表，可以从地区、医疗机构、病组等多个维度查看费用趋势、费用结构、DRG相关指标和专项病组的情况。通过数据分析，可以及时发现医疗机构的医保基金支付问题，并进行沟通反馈及有效整改。
3结论和建议
随着信息化的发展，医疗保险大数据不断汇聚，对其进行科学使用，能够更准确地监测、分析和预警医疗服务行为，及时发现医保经办服务和基金运行过程中存在的突出问题，更好地完成医保基金的监管。金华市目前形成了一套完整的DRG支付监管方案，且取得了一定的成效，例如病案质量不断提升，医院对规则的认可度不断提升，为打击欺诈骗保提供了有效的线索指引，为DRG平稳运行提供了有效的技术支撑。但在创新实践中也出现了一些新的问题，需要不断完善DRG大数据监管。
3.1继续优化现有的规则和模型，进一步挖掘现有数据信息
以分解住院为例，除了应用收费项目和病案等信息，应充分挖掘出院小结等文本信息，进一步提高发现违规病例的准确性。针对虚假住院问题，可完善图谱欺诈场景。在病案校验模块，可应用新技术，进一步加强监管，例如针对DRG病组进行病例聚类分析和挖掘，实现对DRG“高低套”问题的全面监管。在反欺诈模块，对确认的违规病例进行挖掘分析，结合DRG支付数据，建立不同DRG病组二次入院和分解住院标准。
3.2持续推进信息化建设，提升监管工作准确率
大数据技术应用的效果一部分取决于业务场景模型化的优劣，另一部分取决于数据质量。在DRG大数据监管中，数据缺失或信息不全会导致模型效果欠佳，从而影响监管工作准确率。建议以问题为导向，推动信息化能力建设，同时联动其他监管业务，如视频监控业务和虚假住院监管相结合、门诊和住院形成闭环、DRG支付病例反馈和DRG反欺诈稽查联动等，从而达到良性循环。
3.3完善监管工作流程，健全综合监管机制
继续完善病案和反欺诈监管工作流程，加强与专家的讨论沟通，形成稳定高效的沟通改进机制。健全综合监管机制，实现医保与卫健、市场监管、公检法等部门的联动监管，同时建立执法结果互认机制，实现信息共享。建立DRG支付行业自律互审工作方案，完善定点医疗机构互审机制，利用医疗机构的专业能力，协助医保部门开展DRG支付监管工作。
作者：祝玲 董子坤 单位：浙江省金华市医疗保障局