DeepDRG：人工智慧模型即時預測診斷關聯群 (DRG ) 的效能評估

DeepDRG: Performance of Artificial Intelligence Model for Real-Time Prediction of Diagnosis-Related Groups

疾病診斷關聯群（Diagnosis Related Groups, DRGs）的效益高度仰賴臨床編碼的準確性。然而，由於病歷紀錄品質不一、工作負荷繁重，以及缺乏電腦輔助工具，DRG 分類錯誤或不適當的情況仍相當常見。因此，本研究運用深度學習（Deep Learning, DL）開發預測模型，以協助辨識適當的主要診斷，提升醫療保險申報品質，並改善醫院整體績效。

方法

本研究使用 81,486 名患者、共128,105 次事件（episode）的資料集建立預測模型。

納入的變項包括患者年齡、性別、用藥、疾病、檢驗檢查、處置及手術歷史
採用門控循環單元（Gated Recurrent Unit, GRU）與人工神經網路（Artificial Neural Network, ANN）進行模型訓練。
GRU 模型用於預測 200 個主要診斷，ANN 模型則用於 DRG 預測。

結果

GRU 模型在主要診斷預測方面表現最佳，AUC 達 0.99，精確度為 83.2%。
用於 DRG 預測的 ANN 模型同樣達到 0.99 的 AUC，精確度為 0.82。

討論

研究結果顯示，深度學習演算法，尤其是 GRU，可用於建立 DRG 預測模型，並協助更準確地辨識主要診斷。DeepDRG 模型可望支援醫療保險申報、促進醫療資源的適當運用，並進一步改善醫院績效。

Islam MM, Li G-H, Poly TN, Li Y-C. DeepDRG: Performance of Artificial Intelligence Model for Real-Time Prediction of Diagnosis-Related Groups. Healthcare. 2021; 9(12):1632.

⟨

⟩