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。數萬個與主診斷相關的疾病碼與手術碼,以及上千個合併症或併發症(Comorbidity and Complication, CC)項目,在不同排列組合下,代表著不同的病歷複雜程度。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「DxCode好彙編」編碼推薦系統,幫助醫院為TW-DRG 4.0上線做好準備。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,DxCode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歷複雜度,推薦適當的編碼項目,具體改善編碼品質,更有助入院及住院中編審,協助編碼人員在有限時間下正確解讀繁瑣病歷細節,並在編碼上精確反應病歷複雜程度的要求,幫助改善醫院保險帳務品質。 |
醫守欲言探索醫療與人工智慧的交叉點
全部
|