老年|远毅资本唐轶男：DRG支付推行后，AI病案质控将成为「黄金赛道」( 五 ) |中年|中薪|

我分享三个案例，帮助大家进一步理解。

本文插图
病案首页上的主要诊断选择，对DRG的入组影响极大，入错组一定会造成费用上的损失。
在病案里，主要诊断的选择是化疗，但是AI系统在病案数据里发现，患者在入院后进行了一个全喉的切除术，之后才进行化疗。
按照主要诊断选择的原则，应该选择咽喉癌这个诊断，而不是化疗。化疗在DRG支付里的权重和付费是极低的。所以，这是一个典型的低编，把一个3万元难度的治疗写成了5000元，
除了主要诊断，其它诊断的漏填、错填也会影响入组和费用。

本文插图
根据病案可以发现，患者是入院后进行的脑血管造影检查，被诊断为脑动脉瘤急性伴动脉瘤破裂，从而引导蛛主网膜下腔出血。所以，蛛网膜下腔出血并不是患者本次入院的主要就诊原因，主诊的选择应该改为大脑动静脉有畸形的破裂，对应的编码是I60.8 。
病案首页中的很多错误，根本原因是临床体系和支付体系间存在的差别。
从临床的角度看，医生选择的主要诊断和编码是没有问题的，但是它不符合疾病分类学的要求。这就是一个典型的跨领域、跨学科的任务带来的痛点。想要解决这个问题，是让医生学习编码，还是让编码员学习临床？这两条路都不容易走通，好的技术和好的产品的价值极大。
最后一个例子，手术和操作编码的漏填。

本文插图
这也是目前医院损失的一大原因。
漏填出现的原因很多，因为临床情况很复杂，比如患者在诊疗过程中曾经转过科，后续的科室医生往往不知道转科前的治疗过程，漏填手术直接会把这个病例从外科组变到内科组，付费差异也是极大。
我们可以看到，想要做首页质控，对于病案内容的理解是前提， NLP技术是核心关键。业内有不少做首页质控的企业和产品，但很可惜都没有能力对接并分析完整的病案数据，无法进行病案和首页的前后一致性核查。这样的产品会遗漏绝大部分的重要缺陷，只能找到一些基础错误，无法满足医院的业务需求。

本文插图
我们看看国外的案例。
DRG支付在欧美各国已经推广多年，因而AI病案和编码质控已经成为各级医院的必备工具，最主要的价值是保障准确的保险支付，减少医院损失。
AI病案质控在美国的兴起可以追溯到2015年。当时，美国的编码系统要从ICD-9升级到ICD-10 ，复杂度大大提升，传统的人工质控方法无法维系，只能通过技术来解决问题。截止到2019年，美国超过50%的医疗机构都配备了病案质控和编码系统。医院平均每年支付百万美元级别的费用，可以带来千万美元级别的收益。