醫院醫保大數據建設的問題與展望
——以某三甲醫院為例

冷家驊 陳治水

（北京大學腫瘤醫院醫療保險處 北京 100142）

2016年，《人力資源社會保障部關于印發“互聯網＋人社”2020行動計劃的通知》（人社部發〔2016〕105號）指出，促進數據資源和服務資源的聚集、整合和共享。隨著信息化、大數據、互聯網、物聯網、區塊鏈等不斷涌現，醫院醫保管理迎來了大數據發展的新時代。日益沉淀的數據已基本具備大數據的海量、快速、多樣和價值密度低四個內涵特征。對其進行有效清洗、整合、分析、可視化等處理，已成為提升醫保工作精細化管理水平和管理效率的重要手段。從戰略、政策、產業等多層面逐漸鼓勵信息驅動，讓大數據與醫保的融合與創新，成為醫療領域的新的發展方向。

1 某三甲醫院醫保大數據建設現狀

醫院醫保大數據管理本質上是將醫院管理內化為信息系統的數據流，是利用計算機技術、網絡和通信技術以及數據庫技術，集成管理醫療、護理、財務、后勤及研究、教育等活動的所有信息，實現信息共享與有效利用。醫保大數據是匯集了就診人群全生命周期的數據集，是實施醫療大數據戰略的基礎。重視并合理運用醫保大數據，可以使患者得到更全面而個性的服務，促進醫院管理水平的持續向好，實現“以費用為中心”向“以健康為中心”的轉變，同時有助于提升醫保基金的成本效益，邁向醫保管理的“新藍海”。

醫院醫保應用系統存在大量行政、臨床、體征和個人及偏好數據等。以某三甲醫院為例，除臨床、影像、超聲等平臺，檢驗、隨訪、行政等管理的應用子系統就達80多個。多專業平臺、多派生系統，考驗著醫院對數據的整合能力。梳理院內醫保管理和應用系統的種類，主要有病歷審核、項目調整、提示預警、DRGs深度分析、醫保報表以及醫保首信等幾大類，其與院內其他應用系統存在相互獨立、單向嵌入、部分結構化嵌入等關聯關系（見圖1）。其中，病歷審核系統需要核對患者的診斷信息、治療信息；項目調整系統需要對比既往項目并實現HIS導入；提示預警系統利用信息手段支撐醫保政策，實現對提前開藥、累計開藥超量等的攔截與提示；DRGs分析系統是將費用信息與其他醫療相關信息實現串聯并自主分析；醫保報表系統是將常規日常醫保質量考核人群、指標維度以及指標走勢和結構分析等整合到一個統一的數據平臺；醫保首信系統是醫保服務開發商提供的業務平臺。

圖1 醫保應用系統與其他應用系統的關聯關系

醫保報表系統是醫保大數據應用的重要系統之一。其形成與調整需要貫徹上級主管部門的考核指標以及契合機構內部的考核思路。一般來說，需要從理清數據來源、規范數據管理以及完善監控內涵這三大方面進行通盤整合。醫療機構內部直接的費用數據就有醫保首信數據、HIS數據、財務數據以及病案數據等，數據源多，數據清算和標準化復雜。不同數據源有不同的口徑規范，比如首信數據有入庫口徑、審核支付口徑，HIS數據有開單口徑、結算口徑；不同數據源的數據層次（全院、科室、主診組）和顆粒度（總費用、費用結構、費用明細）也不一致，各數據源存在不同優劣點，需要權衡取舍。中途轉科、掛號與收費的關聯、拒付的處理、計費科室的費用歸類等需要進行標準化處理。在數據管理過程中，要持續修訂科室字典庫、醫保人群字典庫、費用分類字典庫等，將不同層次和顆粒度的數據按照不同權限賦予不同的臨床和管理人員，在提升數據準確度的同時，保障患者隱私以及數據安全。

通過各個系統的有機配合，醫院醫保大數據應用系統發揮了以下作用：（1）醫保結算和費用數據管理。利用大數據運用醫保患者的身份認證、實時結算、數據上傳、退費操作等功能，實質意義上實現了參保患者就診時的卡網結合、脫網操作，極大程度提升了就診便利度和積極性，積累了大量的醫保數據。同時，醫療機構根據醫保協議內容和總控指標，以科室為層級單元，設立服務量、次均費用、藥占比或耗占比、人次人頭比、CMI、自費比等重點指標，設立不同數據監控模塊，形成院級、科室級或病種級、病案級以及醫囑級多層次的決策與分析平臺，對重點指標監控，將數據進展與績效考核掛鉤，使得醫保管理能夠做到總控全局、有的放矢。利用DRGs數據對科室進行縱向分析或對同質科室進行橫向比較，深入分析科室費用的內部結構及其變動規律，一定程度上為合理診療提供可行性參考。通過信息化加強醫保醫療費用數據的管理，提升部門監管力度，控制醫保醫療費用不合理增長。（2）醫保信息提示和病歷審核。醫保類型的識別、特種病身份的標識、醫保適應癥提醒、處方開藥量限定、考核管理各指標的提示等醫保信息輔助提示，為就診流程和臨床治療提供了重要的輔助決策支持，從根本上減少醫務人員和臨床醫師的無效工作時間，避免出現不必要的醫保拒付，也讓臨床科室在醫保管理中更具主動權。利用電子系統優化病歷審核流程，縮短或避免不必要環節耗時，優化病人的出院結算流程，充分體現以患者和臨床為中心，形成一整套事前對照適應癥、事中點選適應癥、事后調整適應癥的病歷審核流程，有效提升日均病歷審核數量和縮短病人結算時間，提高病歷審核質量和效率。同時設立重點項目監測平臺，比如對輔助用藥、高值耗材、丙類項目進行獨立監控。

2 當前醫院醫保大數據建設的一些問題

2.1 對醫保大數據價值的認知相對不足

大數據的應用不是簡單地分析一兩個量級的數據或是通過樣本數據設立多維變量的精準模型，而是盡量使用全量數據，建立與海量數據相結合且只含少量變量的精巧模型，避免抽樣所帶來的誤差。大數據的應用一般會經歷數據準備、數據挖掘、數據可視化等階段，但目前醫保對于大數據的認知基本停留在表層，準備相對不足、挖掘深度不夠、可視化體驗不好，做得好的也僅僅是利用數據做考核或監控費用進展，沒有形成充分挖掘醫保大數據的宏觀思維。大數據本身是“油田”，但如果不對其進行開采與提煉，并不能體現出其社會意義和操作價值。

2.2 與醫療行為脫節，且難以輔助臨床決策

醫保大數據與醫療大數據之間相互獨立，與醫療行為脫節，容易造成監管困難。《國務院辦公廳關于進一步深化基本醫療保險支付方式改革的指導意見》（國辦發〔2017〕55號）中指出，要強化醫保對醫療行為的監管，將監管重點從醫療費用控制轉向醫療費用和醫療質量雙控制。盡管目前醫療機構內部基本都使用了醫療費用和醫療行為的獨立監控或分析平臺，但尚缺乏費用與行為的聯動監管與分析，費用與行為的關聯指標亦未進行過有效論證。

費用與結果是評價醫療活動的兩個基本維度，體現著患者就醫行為的直觀感受。以某三甲醫院為例，隨著就診意識提高，越來越多晚期腫瘤患者存在參與臨床決策的較強需求，但是在治療過程中，由于相對缺乏對收費項目或治療方案臨床價值與經濟價值的綜合評估，醫生的治療方案往往依托的是最佳的臨床結果，可能會忽視費用對患者治療決策的潛在影響。醫療費用與醫療行為、醫療結果的關聯缺位，限制了臨床倫理決策、醫患共情決策的發展與完善。

2.3 信息安全存在風險，系統平穩運行存在壓力

醫療和保險數據涉及個人隱私、財務數據等，在數據的產生、采集、傳輸、存儲、分析、發布等各環節均可能存在安全隱患，容易產生倫理和法律風險。數據篡改、惡意訪問、服務干擾、人為失誤、硬件故障等都是數據安全的威脅因素。國際上，2015年，美國醫療保險商Anthem被黑客入侵，成為當時最大的一起醫療信息泄露事件，造成8000多萬人信息被盜。在國內，360互聯網安全中心發布的《2015年中國網站安全報告》揭露，醫療衛生行業的數據漏洞占總漏洞的4.1%，平均每個漏洞所泄露的信息量中醫療衛生行業居首位。

醫保相關數據分布較為分散，其調取、整合與分析對人和設備的要求較高，系統的平穩運行存在不可預測的壓力。資料顯示，美國醫療機構用于信息方面的費用占總預算的2%，軟件、硬件及人力培訓咨詢費用占比基本為1:1:1；而我國，信息化上的投入占醫院收入約0.5%，其中，硬件和其他方面資金占比分別為68%、32%。在人力方面，一半以上美國醫院信息部門人員超過50人，而我國三級公立醫院均數則為14人。由此看來，我國人員、軟件開發以及培訓咨詢等的相對不足，制約著整個體系的快速發展。

2.4 數據多而雜，部分數據呈現高碎片化和低標準化

傳統的應用或管理系統基本都是在后臺形成了一個個累積的存儲數據。醫療保險的相關數據數量大、種類雜，數據不完整、結構化缺失，不僅體現于財務數據、費用明細中，還存在于臨床診療、預后隨訪中，而且不同類型的數據間存在各式交集，信息孤島之間的橋接方式和傳遞效率受到數據標準和軟件構架限制。

3 醫院醫保大數據建設的展望與前景

醫院在搭建數字化、智能化的醫保大數據管理與應用系統時，需要考慮工作流程和成本費用等特點，正視大數據應用的優點和不足，密切聯系醫院管理和醫保管理，形成一套整合的、以病人為中心的全查詢、可視分析和決策輔助平臺。

3.1 醫保相關大數據逐步跨界融合，實現“1+1>2”

隨著互聯互通、全國聯網、臨床試驗、靶向治療、基因測序、人工智能、移動技術、數據云、區塊鏈、物聯網等技術的發展，醫保相關大數據與多領域逐漸快速融合，并在多方面逐步運用，大數據影響著越來越多的政策制定、尖端醫學探索以及醫療相關產業。同時，醫保大數據的跨界與發展，一定程度上會加快多層次醫療保障制度的完善，特別是在大病保險與商業醫療保險等領域，通過醫保數據與人群特征、產業特征等深度結合，可以為創新精準醫療扶貧保障模式提供信息支撐，也可以為健康管理干預手段提供科學依據，規避過度診療，避免醫保基金的不合理支出，實現“1+1>2”。

3.2 醫療與醫保數據關聯不斷強化，助推醫保與醫療共同決策

醫療服務提供過程中的成本意識正得到逐漸強化。早在2007年，美國醫療保健改善研究所（Institute for Healthcare Improvement, IHI）提出了優化衛生系統績效的“三重目標”框架，即實現人群健康、患者就診體驗和人均醫療費用的平衡目標，強調將質量和安全與醫療保健成本進行關聯，要求提供有價值的醫療。當前情況是，醫療機構每天都會有大量的醫療、實驗、健康、費用、管理等數據產生，根據網絡公布的信息顯示，一般的醫療機構，每年產生的醫療數據（包括影像）將會有1TB-20TB，一些大型的醫院數據量甚至達到300TB-1PB。隨著技術的進步以及醫學模式的轉變，醫院設備之間信息流的互聯互通逐步實現，影像、檢驗、超聲等數據資料逐漸銜接，費用數據與醫療數據的串聯成為趨勢。這有助于監控醫療成本和醫療產出，為進一步衛生經濟評價提供支撐，也有助于臨床運用、管理決策與科學研究，助推醫保與醫療共同決策。

3.3 醫保大數據治理體系逐步完善，隱私的規避與保護不斷強化

醫保大數據是一把雙刃劍，存在巨大價值亦存在巨大風險。數據治理是數據價值形成的先決條件，醫保大數據治理考量著醫保體制的持續完善。大數據治理強調的是效益實現和風險管控，要在符合法律法規、行業規范和保護患者隱私的前提下，挖掘出更多的價值。總的來看，醫保大數據的管理權在政府、控制權在醫院、所有權在患者，其科學治理需要通盤考慮多個場景，要明確醫保大數據的權屬關系，完善數據共享模式、數據分級分類、數據訪問權限、數據訪問控制等機制，多方參與醫保大數據創新開放平臺的建設，加大醫療、保險、信息等綜合性人才隊伍的建設，促進信息技術與醫療、醫保的融合。現如今，國務院機構改革方案在醫保制度從頂層設計上進行了重大突破，國家機構職能的調整必然會推動整個社會的醫保治理大局觀形成，并從決策、激勵約束以及監督機制上對醫保大數據治理體系的發生、發展與完善產生深遠影響。

3.4 大數據應用場景不斷增多，醫保數據挖掘趨向智能化和個性化

大數據不會取代人工，但是大數據卻正在積極改變著人們的工作方式。智能化的醫保監管實現醫保決策的科學化和經辦管理的精準化，數字化的管理實現診療行為和醫療費用的實時監管、智能審核以及風險預警，云計算與金融云實現個性化保險服務和全周期健康管理，等等。這些應用場景正在引領著醫保領域的行業變革和產業升級。隨著數據挖掘的不斷深入，自主分析不斷衍進，醫療保險支付制度改革、疾病負擔、醫療服務監管等醫療保險領域的研究將不斷實現成果轉化，政產學研用的社會化醫療保險服務將實現快速應用。

[1]沈韜.中國醫院信息化建設進展[J].中國數字醫學,2017,12 (7):37-43.

[2]王文輝,張曉東,高峰,等.醫院信息化及其戰略管理[J].中國衛生事業管理,2011,(12):901-903.

[3]黃華波.打贏全國聯網結算百日攻堅戰[J].中國社會保障,2017,(7):84.

[4]宋大平,趙東輝,汪早立.關于商業保險機構參與基本醫療保險經辦服務的思考[J].中國衛生經濟,2017,(6):45-49.

[5]陳治水,冷家驊,衡反修,等.醫療機構信息輔助提示對醫保拒付的影響探討[J].中國醫院管理,2017,(4):50-52.

[6]陳慶華.醫院計算機數據安全分析[J].無線互聯科技,2017,(16):107-108.

[7]蘭富強,沈麗寧,李為,等.我國醫院信息化投入和人員配備公平性分析[J]中國衛生信息管理雜志,2017,(5):717-721.

[8]戴健,閆蒞榮,楊悅,陳虹.芻議醫療信息孤島及解決對策[J].臨床誤診誤治,2010,(7):681-682.

[9]王海陽,嚴雪峰.智能化提升醫保監管效能的實踐探索與思考——以無錫市為例[J].中國醫療保險,2017,(9): 43-46.