基于優(yōu)化算法的醫(yī)院醫(yī)保智能審核系統(tǒng)

周文娟 王一敏* 李積軍 楊燕 杜曉剛

（1.甘肅省人民醫(yī)院網(wǎng)絡(luò)中心 甘肅省蘭州市 730070 2.蘭州交通大學電子與信息工程學院 甘肅省蘭州市 730070）

1 醫(yī)保智能審核系統(tǒng)的概述及現(xiàn)狀

隨著國家基本醫(yī)療報銷比例的增加，患者醫(yī)保費用增長過快，醫(yī)保管理機構(gòu)越來越重視醫(yī)?；颊叩脑\療規(guī)范，及醫(yī)保基金的合理使用。醫(yī)保智能審核在20 世紀60年代始于美國藥品管理機構(gòu)，為了掌控醫(yī)師和藥師的醫(yī)療行為提出的醫(yī)保審核思路。我國人社部在2016年起，在全國范圍內(nèi)推行醫(yī)保智能審核機制，以國家研發(fā)的統(tǒng)一軟件為基礎(chǔ)，根據(jù)各地醫(yī)保管理政策的差異，推行因地適宜的審核系統(tǒng)，各地的規(guī)則庫也會有差異性[1]。

目前醫(yī)保審核系統(tǒng)在一些發(fā)達地區(qū)可以實現(xiàn)同一名患者在各醫(yī)療機構(gòu)就醫(yī)過程的聯(lián)動審核，醫(yī)保專家和醫(yī)院專家可以定期聯(lián)合完善專家?guī)?，并且將審核工作延伸到事前提醒，事中監(jiān)控及事后反饋。智能審核系統(tǒng)以建立規(guī)則引擎為核心構(gòu)件，運用智能審核算法建立高效的醫(yī)保智能審核系統(tǒng)，如何提高審核的精準性和效率是亟待解決的問題[2]。

2 醫(yī)保智能審核系統(tǒng)的總體設(shè)計

為實現(xiàn)醫(yī)保審核的及時性，建立與醫(yī)療管理機構(gòu)同步的院內(nèi)醫(yī)保智能審核系統(tǒng)是實現(xiàn)全流程醫(yī)保審核的有效解決方案。院內(nèi)醫(yī)保智能審核系統(tǒng)框架如圖1 示。院內(nèi)醫(yī)保審核系統(tǒng)是基于HIS 系統(tǒng)構(gòu)建的，通過與醫(yī)療管理機構(gòu)審核系統(tǒng)對接，系統(tǒng)可以實時提醒醫(yī)生開具醫(yī)囑和處方過程中違規(guī)的診療行為，真正實現(xiàn)醫(yī)療費用和診療行為的全面監(jiān)控和審核，將違規(guī)行為控制在院內(nèi)并及時解決[3]。

3 醫(yī)保智能審核系統(tǒng)的關(guān)鍵技術(shù)

3.1 醫(yī)保智能審核系統(tǒng)規(guī)則引擎

院內(nèi)醫(yī)保智能審核系統(tǒng)的設(shè)計必須允許異構(gòu)兼容，規(guī)則引擎作為審核系統(tǒng)的核心技術(shù)，其應(yīng)用著力于自定義業(yè)務(wù)邏輯規(guī)則，通過不斷改進滿足醫(yī)保業(yè)務(wù)審核需求，以靈活高效的特點應(yīng)用于醫(yī)保審核系統(tǒng)中，從而提高系統(tǒng)監(jiān)管和審核的綜合水平。

3.2 基于規(guī)則的機器學習

醫(yī)保原始數(shù)據(jù)通常是大量無標簽數(shù)據(jù)和少量有標簽數(shù)據(jù)組成的，在建立規(guī)則庫的前提下，對部分有標簽原始數(shù)據(jù)可以直接通過特征值和目標值的線性關(guān)系，建立分類模型，通過不斷監(jiān)督學習，達到對有標簽數(shù)據(jù)的分類[8]。對無標簽原始數(shù)據(jù)進行分類，通過數(shù)據(jù)的相似性，建立數(shù)據(jù)的潛在關(guān)聯(lián)，快速將海量數(shù)據(jù)劃分應(yīng)用于復雜交叉的規(guī)則項中，再通過隨機算法提高這種無監(jiān)督的機器學習的效率，最終提高審核效率。

3.3 基于K-Means的果蠅算法在規(guī)則引擎中的應(yīng)用

3.3.1 K-Means 聚類算法應(yīng)用于無標簽醫(yī)保數(shù)據(jù)

醫(yī)保審核系統(tǒng)的工作重點之一是對各類醫(yī)保費用進行核查、分析、判斷。審核系統(tǒng)需要對每一筆費用核驗，但其數(shù)據(jù)挖掘模塊無需涉及每一個費用項目。通過半監(jiān)督學習聚類模型對無標簽數(shù)據(jù)預(yù)處理，進行不斷迭代自我學習，找到一定的相似性，得到最優(yōu)模型，最后將無標簽數(shù)據(jù)分類變成有標簽的可用數(shù)據(jù)。

圖1：智能審核系統(tǒng)框架圖

圖2：算法的流程

聚類算法中K-Means 算法最為典型，K-Means 算法對挑選的初始簇中心很敏感，通過尋找與簇中心相似的樣本，將樣本聚集到簇中心，通過不斷迭代降低數(shù)據(jù)的維度，將原始數(shù)據(jù)集分為幾個樣本集。

假設(shè)將數(shù)據(jù)集樣本簇劃分為(c1,c2,c3,…,ci)，其中ui是簇ci的均值向量，質(zhì)心表達式可定義為：

該算法在模型訓練前需要設(shè)定簇的個數(shù)K 值，在醫(yī)保審核模型中以審核規(guī)則說明的分類作為K 值選取依據(jù)。醫(yī)保審核規(guī)則大致分為四類：支付政策性審核規(guī)則、診療合理性審核規(guī)則、臨床規(guī)范性審核規(guī)則、醫(yī)療行為異常監(jiān)控規(guī)則。其中規(guī)則說明包含限定醫(yī)院類型級別、限兒童、限性別、中藥飲片審核、超限定頻次、用藥安全審核、限定適應(yīng)癥用藥、違反項目匹配等。通過政策的調(diào)整，及審核規(guī)則的增減，調(diào)整K 值的選取。

3.3.2 基于K-Means 的果蠅尋優(yōu)算法

果蠅算法是一種新興啟發(fā)式算法, 模擬自然界果蠅的覓食活動尋求目標函數(shù)的最優(yōu)解, 算法的核心參數(shù)有種群位置，搜索步長，種群規(guī)模和迭代次數(shù)。在聚類算法的尋優(yōu)過程中，為解決陷入局部最優(yōu)達到全局尋優(yōu)的目標，選取聚類初始化中心對聚類結(jié)果的具有重要影響[8]。

基于K-Means 聚類算法和果蠅算法的結(jié)合，在每次迭代過程中，首先利用果蠅算法尋找聚類中心點，確保聚類結(jié)果的質(zhì)量，再將每一個聚類中心點進行一次K 均值優(yōu)化，兩種算法交替進行，直到聚類結(jié)束[9]。通過K 均值優(yōu)化加快收斂速度，融入果蠅算法降低對聚類中心點的依賴性。有效地提升醫(yī)保無標簽數(shù)據(jù)利用率，增加醫(yī)保審核的準確率。改進后的融合算法流程如圖2 所示。

4 應(yīng)用效果

表1：醫(yī)保審核系統(tǒng)部分項目分析

通過優(yōu)化改進審核系統(tǒng)的規(guī)則匹配算法，大幅度的提高了違規(guī)數(shù)據(jù)的審核的精準率，對系統(tǒng)的運營監(jiān)管和醫(yī)保控費都有顯著的成效。結(jié)合2019年和2020年度醫(yī)保監(jiān)管部門反饋的扣罰情況，較上一年相比，在用藥違規(guī)方面，沒有出現(xiàn)用藥重復超量、中藥飲片超量等問題。在項目違規(guī)方面，違反限定條件適應(yīng)癥（條件）用藥，違反項目匹配、用藥安全審查、超限定頻次等指標均有下降。限定就醫(yī)方式、限兒童等指標顯著下降。從整體情況來看，通過不斷擴充匹配規(guī)則，院內(nèi)審核系統(tǒng)對違規(guī)診療行為的精準匹配，確實幫助醫(yī)生在事前規(guī)范了診療行為，違規(guī)現(xiàn)象有所減少。

4.1 數(shù)據(jù)分析

選取兩年內(nèi)有代表性的三項違規(guī)指標作統(tǒng)計學分析，對超限定頻次、違反項目匹配、用藥安全審核三項違規(guī)率數(shù)據(jù)進行卡方檢驗（X2）分析，卡方檢驗結(jié)果的P 值小于0.05，則具有統(tǒng)計學意義上的顯著差異性。

2019年與2020年三項指標卡方檢驗結(jié)果P 值均小于0.05，證明規(guī)則匹配算法的優(yōu)化在對這三項違規(guī)指標的監(jiān)管問題上是具有統(tǒng)計學意義上的顯著差異。在2020年三項違規(guī)率均有降低, 達到提高醫(yī)保審核的精準性和效率，減低違規(guī)率的目的，對三項違規(guī)指標的數(shù)據(jù)分析見表1 醫(yī)保審核系統(tǒng)部分項目分析。

4.2 應(yīng)用先進性

醫(yī)保審核系統(tǒng)不僅應(yīng)用于醫(yī)保管理科室，而且貫穿于臨床科室的診療過程中。通過對整個診療過程的監(jiān)控，對結(jié)果統(tǒng)計分析，不斷改進不規(guī)范的診療行為，使得對臨床科室規(guī)范醫(yī)保管理更具有針對性[13]。

4.2.1 規(guī)范診療行為

通過制定臨床路徑規(guī)則，醫(yī)囑規(guī)則，藥品規(guī)則，護理規(guī)則等相結(jié)合，審核系統(tǒng)在診療環(huán)節(jié)會給醫(yī)護人員給予醫(yī)囑規(guī)范指導和違規(guī)提示，使得醫(yī)生作出滿足患者需求又符合醫(yī)保政策的診療行為。

4.2.2 規(guī)范審核流程

審核平臺通過事前對醫(yī)生診療行為的干預(yù)和提示，事中對審核結(jié)果的查閱，事后對不合規(guī)項目申訴。最終實現(xiàn)統(tǒng)一的審核標準，規(guī)范了審核流程，在整個醫(yī)保管理過程中形成完整的PDCA 精細化管理流程[14]。

4.2.3 提高審核質(zhì)量

醫(yī)保智能審核系統(tǒng)包括規(guī)則引擎和規(guī)則庫，其中規(guī)則庫包含醫(yī)保政策預(yù)設(shè)的審核規(guī)則，同時根據(jù)管理部門需要，可不斷完善充實系統(tǒng)規(guī)則體系。審核規(guī)則采用分級制的建立，全面覆蓋涉及醫(yī)保管理的每一個細節(jié)，平穩(wěn)完善了智能審核規(guī)則。借助人工智能機器學習的智能算法技術(shù)，通過對海量數(shù)據(jù)指標的篩查，提高審核速度的同時極大地保障了審核的精準性和有效性。

5 結(jié)論

2019年11月國家醫(yī)保服務(wù)平臺公布開通，全國首張醫(yī)保電子憑證在濟南申領(lǐng)成功，建立與國家醫(yī)保服務(wù)平臺同步的院內(nèi)醫(yī)保審核系統(tǒng)勢在必行。將K-Means 算法和果蠅算法結(jié)合的優(yōu)化算法在醫(yī)療保險審核領(lǐng)域中的初步探索，快速準確的篩查違規(guī)項目，規(guī)范了醫(yī)護的診療行為，降低了診療過程的違規(guī)率，提高了醫(yī)院醫(yī)保監(jiān)管能力。