老年|远毅资本唐轶男：DRG支付推行后，AI病案质控将成为「黄金赛道」( 四 ) |中年|中薪|

目前，国际上的版本已经更新到了ICD11 ，编码的总体数量和复杂度又大幅增加。

本文插图
根据国家病历质控中心的病案大数据来看，全国平均首页数据的完整率为71.93% ，费用信息是完整度最高的，接近90%；诊疗信息的完整度最差，不到60% 。其中，低编的现象普遍存在，占总体错误的8成以上。
低编意味着什么？意味着临床的成绩被低估，医院的收入受到损失。
高编发生的频率比较低，但未来随着DRG的正式落地会有一些变化。高编不代表医院可以获益，如果被医保认定为骗保，不仅会遭受拒付，还会受到罚款。因此，准确的编码是医院实现收益最大化的最好方式。
顾名思义，病案质控就是对诊疗过程进行医学逻辑的梳理和验证。想要深入的质控病案和编码，往往需要工作人员有深厚的临床经验。中国每年产生的病案数超过2亿份，而病案质控的专业人员处于高度缺乏的状态。约有4万名的质控医生和编码员在医院工作，但大部分未经过专业培训，也不是持证上岗，同时不具有临床经验。
在欧美，平均1000张床的医院对应的编码统计人员是40位；而在中国全国范围内，目前持证的质控员和编码员总数量小于2000人，处于严重供需不匹配的状态。
幸好， NLP技术的发展，可以为这个行业的困局提供一个新的解决方案。

本文插图
左边的案例中，患者的主要问题是动脉硬化并斑块。从临床角度来看，这个诊断名称是没有问题，但是从ICD编码以及DRG支付的角度看不够具体，因为没有说明具体的病变部位。不同部位的病变，诊疗过程及医疗资源消耗是不一样的，必须要在编码中明确表示出来，不然就会产生损失。
在病案的病程记录部分， AI质控系统发现了一个关键信息——颈部血管彩超。因此，系统推断这是一个颈动脉的病变，对应的编码应该是I70.806 ，系统会将这个缺陷提示给临床医生，由临床医生做最后的确认并更正。
可以看到， NLP技术可以通过理解并按内容模仿临床专家的思维，来发掘病案的缺陷并反馈给医生，进而构建一个高效的病案质量提升闭环。
我们来对比一下传统的质控方式。
传统方式只能实现抽查还有形式的质控——即有没有漏填，完全无法满足新形势下医保以及医院管理的业务需求。而AI质控不仅可以达到病案的全覆盖、找出形式有没有漏填，更可以找出深入的内涵错误，帮医院找回病案上费用的损失。系统可以及时反馈结果，在患者出院前夕就及时发现问题、修改问题，而不是事后亡羊补牢。