周吳平 簡偉研

（北京大學公共衛(wèi)生學院 北京 100191）

1 問題：高靠分組對DRG付費的破壞性

高靠分組（又稱“高編碼 upcoding”）可能是DRG 支付制度設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)療服務提供方利用DRG分組過程高度依賴疾病診斷和手術操作編碼的特點，有目的地調整結算清單中的診斷和（或）手術編碼（包括改變患者診斷信息、增加與本次疾病不相關的并發(fā)癥和合并癥、虛報不存在的合并癥與并發(fā)癥等）[1]，誤導DRG 分組器把病例錯分到高權重的DRG 中，從而達到獲得高額補償?shù)哪康腫2,3]。

盡管目前我國DRG 試點城市對高靠分組的報道不多，但從國際經驗看，應該引起決策者足夠的重視。 美 國Medicare 保 險1985 年隨機審核發(fā)現(xiàn)DRG 出院病例的高靠分組占比高達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]；德國因高靠分組每年為新生兒病例額外支付了40%的費用[5]。

高靠分組帶來的系統(tǒng)性偏倚，單靠DRG 付費制度本身是無法克服的，不得不依賴于配套的稽查手段。國家醫(yī)保局辦公室2021 年發(fā)布的《按疾病診斷相關分組（DRG）付費醫(yī)療保障經辦管理規(guī)程（試行）》（醫(yī)保辦發(fā)〔2021〕23 號），把高靠分組作為稽核重點，強調“設計并執(zhí)行監(jiān)控體系，有效實施稽核程序，循跡追蹤實現(xiàn)對DRG 付費的全流程把控”。

本文以“疾病診斷相關分組”“高編碼”“高靠分組”“監(jiān)管”“智能審核”為中文關鍵詞，"Diagnosis-Related Groups" "up-coding""upgrading""audit""supervision""artificial intelligence"為英文關鍵詞，在各中英文數(shù)據(jù)庫中檢索相關文獻，系統(tǒng)梳理發(fā)達國家應對DRG 高靠分組的方法與發(fā)展歷程，并結合我國DRG 試點進展現(xiàn)狀，提出我國發(fā)展智能審核的手段，高效應對DRG 高靠分組的路徑與建議。

2 現(xiàn)狀：應對高靠分組的方法

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：對醫(yī)生和編碼員進行職業(yè)教育，提高編碼能力，防止因為能力不足導致的高編碼或者向下編碼[7,8]；創(chuàng)建編碼員和醫(yī)生應該遵守的倫理準則，違背倫理準則將會受到職業(yè)道德的譴責，這一方法能在一定程度上降低高編碼的發(fā)生[4,9]。不過倫理準則是道德準則，而非法律規(guī)定，違背倫理準則并不一定意味著違法[4]。

2.2 判斷高靠分組的金標準

由于醫(yī)療服務本身具有非常高的技術壁壘，即便是有經驗的?？漆t(yī)生，在不核對原始病歷的情況下，僅僅依靠醫(yī)院上報的病案首頁數(shù)據(jù)和費用數(shù)據(jù)，很難判斷信息是否真實有效[10]。判斷高靠分組的“金標準”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重，與原始權重對比后判斷權重是否增加[1,7,11]。整個過程成本很高，美國聯(lián)邦與州政府每年花費2.59 億美元以識別Medicaid 保險出院病例存在的欺詐行為[12]。

2.3 事后監(jiān)管

識別實際發(fā)生的高靠分組并加以懲罰，追回費用的同時達到震懾效果，被稱為事后監(jiān)管，事后監(jiān)管是應對高靠分組的主要手段。DRG 付費初期的事后監(jiān)管主要以隨機抽樣的方式從所有病例中抽取樣本，由專家細致審核后給出正確編碼[13,14]。具體做法是培養(yǎng)一批審核經驗豐富的專家，將經過審核的原始數(shù)據(jù)進行正確編碼，再進行深度的數(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，美國醫(yī)療保險和醫(yī)療補助服務中心曾經提出17 個最容易發(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

盡管專家經驗以及基于經驗的監(jiān)管規(guī)則提高了審核效率，但專家抽樣審核的病例數(shù)量相對于海量的醫(yī)保結算數(shù)據(jù)十分有限。隨著信息技術發(fā)展，人們自然想到借助計算機建立更加智能高效的審核體系。事實上，歷史審核數(shù)據(jù)的積累為引入智能算法打下良好基礎，新的審核規(guī)則由計算機自動從數(shù)據(jù)中學習，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 支付方式相對成熟國家的綜合監(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隊，將專家經驗不斷地顯性化和數(shù)字化，并形成計算機智能審核的規(guī)則。計算機依據(jù)這些規(guī)則便可以完成全部結算數(shù)據(jù)的篩查（而不是抽樣），并對證據(jù)確切的案例給出判定意見，同時將存疑案例提報給專家復審。在此過程中，計算機不斷通過機器學習提升智能審核的精準度和敏感度。其次，專家團隊每年隨機抽樣一部分結算數(shù)據(jù)進行人工審核，將發(fā)現(xiàn)的新審核規(guī)則補充或修正到原有的審核規(guī)則庫。

圖1 DRG支付方式相對成熟國家的綜合監(jiān)管模式

3 完善路徑：開發(fā)智能化審核規(guī)則

3.1 專家經驗的顯性化

DRG 實施初期審核數(shù)據(jù)相對較少，智能審核規(guī)則由專家經驗顯性化形成。政府部門牽頭組織有審核經驗的臨床專家和編碼專家，通過頭腦風暴提出常見的高靠分組形式。進一步由專家團隊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)律性的判斷條件擴充形成初步的審核規(guī)則。這些規(guī)則需要經過數(shù)據(jù)驗證有效性：篩選歷史審核數(shù)據(jù)庫中符合某條規(guī)則的所有病例，計算其中被專家判定為高編碼的占比，占比越高提示該規(guī)則識別高編碼的能力越強。占比低于事先設定閾值的規(guī)則由專家團隊二次研討，重新評估規(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，進一步細化普適性與針對性較差的規(guī)則。最后再次組織專家團隊，研討每條審核規(guī)則的臨床邏輯或編碼邏輯并加以推廣，擴充完善規(guī)則庫。

3.2 機器學習

引入機器學習算法需要大量的歷史數(shù)據(jù)作為支撐，常用的機器學習算法包括神經網絡、貝葉斯分類器、聚類分析和離群點監(jiān)測等[17-22]。例如，Bayerstadler 等使用貝葉斯縮減技術的馬爾科夫鏈蒙特卡洛（MCMC）算法構建監(jiān)測醫(yī)療濫用和欺詐的模型，測量醫(yī)療索賠數(shù)據(jù)中對通常模式的系統(tǒng)性偏離來檢查 欺 詐 行 為[23]。Rosenberg 等 人用貝葉斯分級模型，在原來方法的基礎上額外識別88%的高編碼病例并收回98%的多付款項[24]。Massi等人使用kmeans 算法和人工決策支持系統(tǒng)，從183 家醫(yī)院中識別3 家可疑的醫(yī)院并進行審核[25]。Hillerman 等 人 使 用ksmeans 聚類算法對病例可能存在欺詐的風險概率進行賦值，并給出排名[21]。Feng 等人使用一個包含2.3 萬樣本量的數(shù)據(jù)庫，借助隨機森林模型和支持向量機構建模型識別可能存在錯誤的病例，并由監(jiān)管方進行人工審核，同時提供方法來解決數(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了醫(yī)保結算（以及醫(yī)院內部管理）的數(shù)字化。與之伴隨的，便是利用信息化手段升級監(jiān)管模式。有效應對高靠分組，既是DRG 支付取得實效的保障，也是醫(yī)保監(jiān)管成功轉型升級的標志。為了做好高靠分組的監(jiān)管工作，國家層面的專家團隊有必要集中研究如何顯性化醫(yī)保數(shù)據(jù)稽核的專家經驗，并開發(fā)機器學習的基礎模型，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。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伍，不斷積累數(shù)據(jù)審核的經驗。同時，建立智能化審核技術團隊，將國家提供的經驗和機器學習模型軟件化，而后結合本地專家的共識，利用本地真實世界數(shù)據(jù)開展分析，形成智能化審核的具體規(guī)則。當這些準備工作完成后，智能化監(jiān)管便可以啟動。在智能化監(jiān)管過程中，不斷吸取專家經驗，通過機器學習持續(xù)優(yōu)化審核規(guī)則，讓智能化監(jiān)管的效能不斷提升。