人民日报中国经济周刊官方网站国家一类新闻网站

经济网 中国经济论坛


首页 > 宏观 > 宏观 > 正文

大数据+人工智能挺进“城市医保系统”调查

21世纪经济报道记者陈植上海报道

导读

“很多金融科技平台都认为自己拥有足够的数据保护技术,确保这些医保数据不会外泄,但我们不怕一万,就怕万一。”一位西部城市卫健委部门负责人向记者指出。

去年以来,一座西部城市卫健委部门负责人王刚(化名)告别了相对休闲的生活。

每个月他都会约见3-4家金融科技平台业务主管,了解他们借助大数据与人工智能技术提升医保监测效率,遏制医保报销领域跑冒滴漏、过度医疗、浪费滥用、套刷套药等灰色操作现象的具体成果。

“事实上,传统医保监测解决方案存在不少弊端,的确到了需要改革的地步。”他坦言。在他看来,这些弊端主要表现在两大方面,一是打不通临床数据、做不好数据标准化归集处理、无法落实数据应用等,导致当地卫健委难以实时掌握医保报销领域存在的灰色操作具体状况,无法做到“对症下药”有效治理;

二是现有的医保监测解决方案,风控规则是事先设计好的,对医疗行为的判读往往是“事后”的,不能及时监管医生在诊疗过程中的异常行为,做到事中审核杜绝过度医疗行为。

“要借助金融科技平台的大数据分析与人工智能技术,彻底解决当前医保监测解决方案的弊端,要走的路还漫长。”王刚向记者坦言,一方面当地政府部门考虑到医保基金数据的安全性,不大会与外部系统联网相关数据;另一方面不少地方政府部门人士认为当前医保业务自成体系,未必需要引入外部系统,反而增加数据外泄的风险。

更重要的是,仅在各类医疗数据标准化归集处理一项,多数金融科技平台所谓的大数据分析与人工智能技术,未必能达到相关政府部门的要求,更别提通过上述技术对医疗数据进行实时分析,在事前、事中环节有效遏制过度医疗、跑冒滴漏、套刷套药等灰色操作同时,逐步完善医院的绩效考核机制。

“其实,不少金融科技平台也对此给出了自己的成功案例,包括与地方政府医保系统开发了基于互联网+大数据分析+AI智能治理的医改监测平台,但它们是否适合我们当地医改医疗运作状况,仍是未知数。”王刚坦言。这也是当前大数据+人工智能技术在医保系统应用雷声大、雨点小的主要原因之一。

数据标准化输入瓶颈待解

“尽管不少金融科技平台都标榜自己的大数据与人工智能技术很厉害,但仅数据标准化归集一项,我可能会过滤掉80%的潜在合作机构。”王刚向记者表示。

在他看来,当前医保系统的数据标准化归集处置所面临的挑战并不少:一是医院覆盖面广,需要接入数据的医疗机构较多,导致数据对接方案相当繁琐;二是接入后的数据质量较差,缺乏统一的数据目录标准,需要金融科技平台投入大量时间、人力和技术用于数据治理。比如部分医院医生习惯性地在病人病历卡上写“不舒服”,但在数据输入时,“不舒服”需要与当时病人所患疾病一一对应,用专业的医学术语解释“不舒服”的具体状况及相应病症,因此金融科技平台需要核实大量医院医疗数据与患者病历,才能做出准确的数据标准化归集治理。

在数据标准化治理过程,金融科技平台还会遇到不少的烦恼——若金融科技平台遵循传统的数据输入操作模式,即先线下整理所谓的数据目录标准,再植入系统,设计不同类型数据的映射关系,将导致相关操作效率低下,每一次原始医疗数据的更迭,都会对已植入系统的目录标准构成影响,甚至需要对目录标准进行更新。比如某个病人病症的不舒服状况起初归咎于“头疼”,但后来数据审核发现他是因为“胃疼”导致不舒服,那么相关数据需要重新更迭归入新的目录标准,导致相关数据输入工作不得不推倒重来,从新开始。

“因此,金融科技平台能否确保所有数据都能得到准确的标准化治理归集,某种程度影响到未来医保监测大数据分析的精准性。”他指出,目前多数金融科技平台坦言自己还无法在数据标准化治理归集环节做到100%精准,令他担心引入金融科技平台合作,可能会出现“一步错,步步错”的局面。

但他也发现,个别金融科技平台通过研发基于人工智能和大数据技术的数据智能治理模型,有效解决了上述痛点。具体而言,他们一方面在数据标准化接入方面,先制定医院数据统一接入规范,约束医院杂乱无章的数据结构;一方面在数据标准化治理方面,优先建立疾病、药品等基准目录,再在目录基础上建立标准化和结构化模型,从而将大量医院原始医疗数据进行内容标准化处理,有效提升数据治理效能同时降低人工维护成本。

“光靠它,还不足以吸引不少地方卫健委与金融科技平台围绕提升医保监测效率开展合作。”王刚直言。比如他所在的地方政府部门对医保监测系统改革,有着更高的期望值,包括地方卫健委能通过基于大数据与人工智能的医改监测平台,对辖区内公立医院临床医疗数据进行实时接收和监管,对关键数据(尤其是医保费用数据)开展分析,实现提前预警和事后审核,有效遏制医疗机构人员不合理用药所带来的过度医疗现象;此外当地卫健委还希望能以此构建一整套新的科学、客观的数据分析工具,包括拓展处方点评、DRG绩效管理、医院等级评审等功能,对当地公立医院进行全面的绩效评估,提升医院管理效率同时,解决医疗数据不能自动化处理,数据共享联动和深度价值挖掘能力不足等问题。

记者多方了解到,目前部分金融科技平台已将大数据与人工智能技术应用到这些领域,包括研发DRG支付风控等智能化技术,不断优化医改监测平台风控规则与智能审核流程,从而满足地方政府部门的上述要求。

“但是,相关实践效果不一。”一位涉足地方医保系统技术合作的金融科技平台负责人向记者透露,部分金融科技平台提供的基于大数据与人工智能的医保监测解决方案,的确让当地监测异常的辅助用药和高值耗材采购价直接下降10%-30%、人均出院费用同比下降5%-6%,但多数金融平台给出的相关解决方案效果不够明显,当地医院以药养医,人均治疗费用依然居高不下。

在他看来,其实这些医保监测解决方案的实施效果高低,很大程度取决于地方政府的监管执行力度。包括对不良执业和不合理用药行为的医院与医生采取较严的处罚力度,通过构建全面专业的DRG绩效管理与医院等级评审制度,“迫使”当地医院持续提升临床治疗质量与成本核算管理的考核,从而逐步有效遏制医保报销领域跑冒滴漏、过度医疗、浪费滥用、套刷套药等灰色操作现象。

“这取决于当地政府卫健委等医保管理部门的监管尺度松紧。”这位金融科技平台负责人坦言。目前他接触了不少地方政府医保管理部门负责人,感觉地方针对医保监测系统弊端的改革决心都很大,但由于旧观念的局限,令相关技术合作进展相对缓慢。

“旧观念”的局限与突破

在王刚看来,所谓的旧观念局限,其实是地方政府针对大数据与人工智能技术在医保领域应用的一大顾虑,即担心地方医保数据可能出现外泄风险。

“很多金融科技平台都认为自己拥有足够的数据保护技术,确保这些医保数据不会外泄,但我们不怕一万,就怕万一。”他向记者指出。因此地方政府相关部门内部对金融科技平台合作有着一条不成文的准入门槛,即国企或大型持牌金融机构下属的金融科技平台优先考虑。

在他看来,正是这种顾虑,让他在过去一年不大敢与金融科技平台深入探讨现行医改监测方案弊端的解决方案,以及要求他们量身定制新的方案。

一位地方政府部门人士向记者坦言,其实不少地方政府部门与金融科技平台的合作,也是基于形势所迫。此前一个中西部地区大型城市,在全国医改推动效果检查过程处于全国落后水平,令当地政府决心落实健康医疗大数据行动方案,彻底改变现行医保监测解决方案的诸多弊端,比如打不通临床数据、做不好数据标准化、无法落实数据应用等。如今在金融科技平台量身定制基于大数据与人工智能的医保监测平台后,当地医改监测工作的实时动态程度迅速提升,已经位列全国前列。

“目前我们也在观察这个城市的新型医保监测平台是否能持续遏制医保报销领域的各种灰色操作现象,以及持续提升医院绩效管理水准。”他直言,毕竟,即便是基于大数据与人工智能的医保监测平台,很多风控审核规则也都是事先设计好的,一旦出现新的灰色操作模式且医改监测平台未能及时发现,就容易造成新的过度医疗现象,令医保监测效果大打折扣。

“我们也注意到这个问题。”上述涉足地方医保系统技术合作的金融科技平台负责人向记者透露,为此他所在的金融科技平台开始引入深度学习技术,一方面基于数据分析研发新的方法,以此更快地适应医疗数据更新对现有风控规则造成的各类影响,另一方面打造新的风控模型,更快速地识别医疗过程所形成的“异常内容”,杜绝新的医保报销领域灰色操作现象滋生。

“不过,要让地方卫健委等医保管理部门相信我们的智能风控技术一直在与日俱进,可能需要相当长时间的实践效果检验。”他直言。

(编辑:曾芳,如有意见或建议,请联系:zengfang@21jingji.com)


(网络编辑:何颖曦)
  • 微笑
  • 流汗
  • 难过
  • 羡慕
  • 愤怒
  • 流泪
0