美國曾有機構統計,將近80%的醫療帳單都是錯的(*1,2)!聯邦醫療保險和補助服務中心(Centers for Medicare and Medicaid Services; CMS)2020年底也曾發出警訊表示,現行聯邦保險方案中,有高達9億(Medicare Part D)至865億美金 ( Medicaid ) 的不當支付(*3)。嚴重的醫療浪費、濫用與詐欺等問題,造成病人、醫院、政府三輸的破局。 所謂不當支付,包括多付或少付。形成的原因很多,包括申報文件不夠周全、跟不上法規政策、管理疏漏和醫療編碼錯誤(medical coding)等。前三項相對容易理解,但第四項醫療編碼是什麼?和醫療保險給付又有什麼關係? 醫療資訊化,方便了管理者卻苦了醫生 早期醫院推動資訊化的目的,是為了會計帳務與營運管理,並不是為了臨床治療而開發,用來服務病人或臨床工作人員。醫療編碼,是將醫療過程中醫生所開立的各項診斷或處置項目、提供或使用的各種醫療行為與設備器材,各別轉譯成一個個由英文字母與數字組成的代碼,這些代碼具有標準化與通用性,不僅代表每個患者就醫歷程的連續性紀錄,更是醫療保險計價的重要依據,幫助保險業者評估被保險人得了什麼病、治療必要性與複雜程度、哪些原因會影響治療結果等。 有品質的醫療編碼,必須結合醫師與疾病分類人員的經驗與智慧才有可能做到。醫生做的每個診斷、處置都必須紀錄在病歷中,再由疾分人員根據解剖學、生理學、治療照護細節與各種保險給付規範,負責為這些診斷與處置分配相對應的代碼,並確保所有代碼的正確性。 在過去手寫病歷的年代,疾分人員還必須具備慧眼,並了解每位醫師的書寫習慣,從醫師潦草又充滿縮寫的字跡中一一判讀轉譯、來回確認。隨著科技與知識發展,治療技術、疾病分類方式與科技資訊化複雜度遽增,讓醫師與疾分人員因為各自專業與立場不同,產生新的醫療編碼轉譯挑戰。 有句老派又耳熟能詳的廣告詞說「斯斯有兩種」,在現代醫療編碼的世界裡,疾病有6萬8千種,處置則約有9萬種,而醫生習慣使用的編碼項目平均只有幾百種,這中間的落差就可能造成後續編碼轉譯結果不夠完善、不夠精確,而衍生保險帳務問題,更影響延續照護品質。 醫院試著從編碼源頭改善,結果卻治標不治本
以外科常見的車禍受傷住院來說,醫生必須在傷者出院後72小時內,將其住院期間接受過的所有診斷、處置等醫療過程紀錄到電腦中,形成一份重要的出院病歷。依據臨床經驗與個人習慣,醫師總結其出院診斷為「左小腿挫傷伴隨細胞壞死(Left lower leg crushing injury with necrosis)」,輸入後卻陷入窘境,系統跳出警示:找不到可以直接對應的標準疾病分類碼!進一步搜尋後發現,necrosis細胞壞死有418個選項、crushing injury壓挫傷有231種選項;而手術碼則另有兩個乍看分不出差別的「左小腿組織皮膚切除術(Excision of left lower leg subcutaneous tissue)」與「左小腿組織皮膚拔除術(Extraction of left lower leg subcutaneous tissue)」可以選。
正在評估著該怎麼選時,腦中又浮現院方叮嚀病歷書寫品質與保險給付、營收的關係。面對手邊還有一堆消化不完的病歷要記錄,醫師該如何在臨床合理性與保險給付間取得平衡、避免迷失在過多的選擇中? 醫師的養成訓練是為了治療疾病,不是為了編碼轉譯 為了讓醫生能夠更專注在臨床實務上,醫守科技開發出「DxPrime」,以機器學習深入分析台灣與美國住院及門診資料,打造涵蓋45億筆醫療數據的知識庫,淬煉醫師與疾分人員的智慧結晶,發展出獨家模型。並運用AI擅長的多重分析,幫助醫師彙整出院診斷,透過分析入院診斷、跨科別問題列表、用藥、檢驗、檢查、處置及手術等結構性資料,提供前5項最佳出院診斷建議組合,包含手術、併發症項目。醫師只須評估DxPrime彙整過的建議,確保臨床合理性,從中做出決策後,DxPrime會自動無痛轉換內建的住院診斷關聯群分析(DGRs),大幅改善醫療編碼轉換品質與成本,提升保險申報作業效率與成效。 唯有讓醫療AI發揮Facilitator般相輔相成的角色,補足人類與制度的種種限制與盲點,使醫生有效運用大數據中的智慧,才能在醫療決策流程中創造價值,做到真正的data-driven clinical decision support。
Reference
1. Medical billing errors growing, says Medical Billing Advocates of America 2. Billing Errors Everywhere! 3.2020 Estimated Improper Payment Rates for Centers for Medicare & Medicaid Services (CMS) Programs |
醫守欲言探索醫療與人工智慧的交叉點
全部
|