隨著國內(nèi)醫(yī)保制度的不斷完善和創(chuàng)新發(fā)展，醫(yī)保事業(yè)對精細化發(fā)展的需求愈加強烈,。2019年1月,，國家醫(yī)保局發(fā)布《關(guān)于醫(yī)療保障信息化工作的指導(dǎo)意見》，強調(diào)全面推進醫(yī)保工作智能化,、信息化,、標(biāo)準(zhǔn)化的重要作用。國內(nèi)依舊面臨慢性病患病率持續(xù)上升,、衛(wèi)生資源配置不合理,、臨床決策不夠精確、診療方案效果不佳的現(xiàn)實困境,，這些問題均與大數(shù)據(jù)的挖掘分析力度不夠有關(guān),。

醫(yī)保大數(shù)據(jù)涉及所有參保患者的就診資料和信息數(shù)據(jù),，通過多種工具深入挖掘,、剖析、提煉其價值,，對于醫(yī)療事業(yè)發(fā)展具有重要意義,。借助于大數(shù)據(jù)技術(shù)，復(fù)雜的醫(yī)保工作可以變得更加直接,、客觀,，對于數(shù)據(jù)的分析、監(jiān)測以及預(yù)警會更加高效,。本研究通過對醫(yī)保領(lǐng)域的大數(shù)據(jù)應(yīng)用研究進展進行綜述,，為醫(yī)療保障高質(zhì)量發(fā)展提供借鑒和思路。

1 醫(yī)保大數(shù)據(jù)挖掘技術(shù)的主要功能和方法

醫(yī)保全過程管理的每個環(huán)節(jié)均可產(chǎn)生大量數(shù)據(jù),，為實現(xiàn)醫(yī)保領(lǐng)域的智能監(jiān)管、科學(xué)決策、高效服務(wù),，需對醫(yī)保大數(shù)據(jù)進行全面收集,、處理、分析,、應(yīng)用,。數(shù)據(jù)挖掘技術(shù)能夠從海量數(shù)據(jù)中提取關(guān)鍵信息并分析，按功能可將數(shù)據(jù)挖掘分為描述（Deive）模式和預(yù)測性（Predictive）模式兩大類,，其中主要的分析方法有關(guān)聯(lián)規(guī)則分析,、聚類分析、大數(shù)據(jù)分類與偏差,、大數(shù)據(jù)時序模型及預(yù)測四大類,。

關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則分析是從屬于無監(jiān)督學(xué)習(xí)的數(shù)據(jù)挖掘技術(shù)，目前已被應(yīng)用于病人就診規(guī)律歸納,、中醫(yī)用藥配伍規(guī)律總結(jié),、疾病危險因素監(jiān)測等方面，同時也能夠發(fā)現(xiàn)醫(yī)保大數(shù)據(jù)之間的隱藏關(guān)聯(lián)并提取具有特定臨床價值的信息群,。衡量關(guān)聯(lián)規(guī)則強度的指標(biāo)為支持度,、置信度和提升度。常用的基礎(chǔ)關(guān)聯(lián)算法主要有Apriori算法,、FP-Tree算法,、Eclat算法、灰色關(guān)聯(lián)法等,。

聚類分析

聚類分析是從屬于無監(jiān)督機器學(xué)習(xí)的探索性分析,，其中近鄰傳播聚類分析是能夠研究醫(yī)保大數(shù)據(jù)整體規(guī)律的有效算法。通過相似度最優(yōu)原則將醫(yī)保大數(shù)據(jù)劃分為多個類（簇）,，并基于迭代搜尋將醫(yī)保對象間的相似性視作類代表點,，針對醫(yī)保對象的本質(zhì)屬性進行數(shù)據(jù)挖掘和提取。使用聚類分析計算類代表點數(shù)量,，能夠?qū)崿F(xiàn)醫(yī)保精細化管理,，并可基于此實現(xiàn)對醫(yī)保監(jiān)管范圍和力度的動態(tài)調(diào)控。

大數(shù)據(jù)分類與偏差分析

大數(shù)據(jù)分類是對有效信息進行采集,、加工,、解析的基礎(chǔ)環(huán)節(jié)，主要包括兩個主要步驟：一是基于數(shù)據(jù)訓(xùn)練集實現(xiàn)數(shù)學(xué)模型的建立,；二是使用該數(shù)學(xué)模型將尚未涵蓋在數(shù)據(jù)訓(xùn)練集內(nèi)的類標(biāo)號對象進行分類操作,。醫(yī)保大數(shù)據(jù)具有信息海量和情況復(fù)雜的雙重特點，需根據(jù)不同應(yīng)用場景選擇合適的分類算法,。分類算法主要有支持向量機算法,、決策樹算法,、神經(jīng)網(wǎng)絡(luò)分類算法、樸素貝葉斯算法等,。大數(shù)據(jù)偏差分析的主要目的在于對比觀測結(jié)果與期望結(jié)果的偏差,，將偏差分析引入醫(yī)保大數(shù)據(jù)領(lǐng)域，有利于發(fā)現(xiàn)監(jiān)管中的異常行為,。

大數(shù)據(jù)時序模型及預(yù)測

大數(shù)據(jù)時序模型建立在對既往數(shù)據(jù)變化規(guī)律探尋的基礎(chǔ)上,，以便對未來發(fā)展情況進行可靠性預(yù)測。預(yù)測的對象包括醫(yī)?；疬\行效率,、衛(wèi)生費用使用情況、醫(yī)療機構(gòu)運營狀況,、衛(wèi)生服務(wù)優(yōu)化流程,、患者病情變化階段等，這些預(yù)測有利于提高資源的合理配置和使用,。能夠用于醫(yī)保大數(shù)據(jù)預(yù)測的時序模型主要有平穩(wěn)時間序列模型,、灰色預(yù)測模型、指數(shù)平滑模型,、回歸模型等,。

2 大數(shù)據(jù)挖掘技術(shù)在醫(yī)保領(lǐng)域應(yīng)用的典型案例和推廣趨勢

宏觀層面：合理分配醫(yī)保資金

醫(yī)保大數(shù)據(jù)挖掘可用于決策部門優(yōu)化資金分配機制，決策者可在研究供需關(guān)系的基礎(chǔ)上確定醫(yī)?？傤~預(yù)算和資金分配計劃,。例如，英國全民醫(yī)療服務(wù)體系（NHS）依據(jù)人口地區(qū)差異,、年齡結(jié)構(gòu),、經(jīng)濟狀況、勞動力成本,、患病率及死亡率等方面構(gòu)建分配模型并通過既往數(shù)據(jù)實現(xiàn)校正預(yù)測,，進而達到醫(yī)保資金按需分配的目的。從2012年起,，上海便利用醫(yī)保大數(shù)據(jù)模型對定點醫(yī)院職工醫(yī)保進行預(yù)算分配,。該模型納入包括高質(zhì)量發(fā)展、經(jīng)濟運行,、資源布局,、運行效率、綜合績效,、醫(yī)療產(chǎn)出在內(nèi)的239個指標(biāo),，并通過神經(jīng)網(wǎng)絡(luò)模型對定點醫(yī)院的年度考核數(shù)據(jù)進行模型訓(xùn)練。模型檢驗結(jié)果表明,，所構(gòu)建的模型準(zhǔn)確度,、合理性,、擬合優(yōu)度較高，對于判斷區(qū)域內(nèi)醫(yī)保資金使用情況和未來流向具有指導(dǎo)意義,。

中觀層面：指導(dǎo)醫(yī)療機構(gòu)支付和管理

醫(yī)保大數(shù)據(jù)廣泛應(yīng)用于醫(yī)療機構(gòu)的支付方式改革和管理服務(wù)創(chuàng)新,。自2020年起，DRG/DIP支付模式被探索運用于住院費用結(jié)算,。該支付模式將疾病診斷類同、臨床過程相似,、資源消耗相近的病例歸為一類,，利用大數(shù)據(jù)聚類及決策樹算法優(yōu)勢實現(xiàn)病種的可比性。浙江省寧波市運用數(shù)據(jù)挖掘工具探究患者醫(yī)保購藥的藥品之間的關(guān)聯(lián)性及用藥習(xí)慣,。上海DIP病種分組方式是結(jié)合臨床經(jīng)驗和統(tǒng)計方法對醫(yī)保數(shù)據(jù)進行降噪,，探究病種與成本間的客觀規(guī)律，得到疾病診斷+治療方式的組合目錄,。除此之外,，醫(yī)療機構(gòu)還可結(jié)合就診數(shù)據(jù)、財務(wù)數(shù)據(jù),、運營數(shù)據(jù)分析引起醫(yī)療服務(wù)質(zhì)量下降,、住院費用增加、運營狀況虧損的內(nèi)在原因,，為醫(yī)療機構(gòu)優(yōu)化運營模式和服務(wù)流程提供策略和建議,。

微觀層面：監(jiān)管供需行為

依托區(qū)塊鏈技術(shù)可以實現(xiàn)對就診全流程、全環(huán)節(jié)進行記錄和監(jiān)管,，且監(jiān)督數(shù)據(jù)無法被篡改,。例如，上海市將11699名醫(yī)生分為15類,，并使用無監(jiān)督機器學(xué)習(xí)方法建立大數(shù)據(jù)預(yù)警模型,；按照醫(yī)生診療行為的不同特征，設(shè)計包括接診數(shù)量,、康復(fù)理療中醫(yī)治療費用,、專家專業(yè)觀點等10個指標(biāo)；根據(jù)指標(biāo)異常值確定疑點醫(yī)生范圍（偏差分析）,，并利用層次分析法計算指標(biāo)權(quán)重,，對每位疑點醫(yī)生進行打分；根據(jù)分?jǐn)?shù)建立紅,、橙,、黃三級預(yù)警機制，從而實現(xiàn)對服務(wù)提供方的及時有效監(jiān)管,。隨著DRG/DIP支付方式改革的深入,，金華,、廣州等地以DRG/DIP支付所產(chǎn)生的數(shù)據(jù)為數(shù)據(jù)源，針對不同臨床現(xiàn)象,，應(yīng)用人工智能和大數(shù)據(jù)技術(shù)建立模型,，從病案數(shù)據(jù)采集、病種分組,、基金支付等方面建立大數(shù)據(jù)監(jiān)管實踐路徑,，加強對臨床診療過程的監(jiān)管。

3 醫(yī)保大數(shù)據(jù)應(yīng)用面臨的問題與挑戰(zhàn)

數(shù)據(jù)結(jié)構(gòu)呈現(xiàn)鏈條化,、混亂化和碎片化

醫(yī)保領(lǐng)域相關(guān)數(shù)據(jù)不僅包括醫(yī)療費用,、財務(wù)數(shù)據(jù)和支出明細，還包括預(yù)防保健,、臨床治療,、康復(fù)隨訪等多個環(huán)節(jié)產(chǎn)生的數(shù)據(jù)，各種數(shù)據(jù)存儲于管理系統(tǒng)中并形成累積數(shù)據(jù),。累積數(shù)據(jù)類型不同但卻存在各種交集,、數(shù)量龐大但卻結(jié)構(gòu)化缺失，因此在橋接方式與傳遞效率方面,，目前仍受到信息標(biāo)準(zhǔn)和框架構(gòu)成的限制,。數(shù)據(jù)結(jié)構(gòu)存在鏈條化、混亂化和碎片化問題,，進而難以在醫(yī)保政策制定,、精準(zhǔn)醫(yī)療探索、產(chǎn)業(yè)風(fēng)險預(yù)測等方面提供充分信息支撐和干預(yù)依據(jù),。

醫(yī)保大數(shù)據(jù)的臨床應(yīng)用價值未充分發(fā)揮

醫(yī)保大數(shù)據(jù)已經(jīng)成為醫(yī)保支付方式改革的重要參考依據(jù),，也對醫(yī)院成本核算和管控能力提出更高要求。但在醫(yī)院層面,，目前醫(yī)保大數(shù)據(jù)模塊和臨床其他醫(yī)療模塊基本是相互獨立的,，缺少醫(yī)療費用和醫(yī)療行為的聯(lián)動監(jiān)管和數(shù)據(jù)分析，導(dǎo)致無法對臨床診療方案的衛(wèi)生經(jīng)濟價值進行有效評估,，醫(yī)保大數(shù)據(jù)對臨床決策的輔助作用并不明顯,，說明醫(yī)院內(nèi)部管理系統(tǒng)與醫(yī)保大數(shù)據(jù)之間未能有效關(guān)聯(lián)、融合,。為更好發(fā)揮醫(yī)保大數(shù)據(jù)的價值,，醫(yī)院需要建立一套完整的管理體系，各管理部門可能需要進行相應(yīng)的職能轉(zhuǎn)換,，包括改革原有按項目付費條件下的激勵機制,、質(zhì)量考核指標(biāo)等，推動醫(yī)院運營管理更規(guī)范,，進而促進醫(yī)院醫(yī)療技術(shù)發(fā)展和診療能力進一步提升,，進一步實現(xiàn)醫(yī)保大數(shù)據(jù)的全面展示及深層次含義的全面挖掘,。這對于臨床診療決策和醫(yī)療服務(wù)質(zhì)量提升意義重大。

大數(shù)據(jù)使用過程中的隱私性較難保障

醫(yī)保大數(shù)據(jù)包含姓名,、年齡,、性別、證件號碼,、手機號碼,、家庭住址、成員關(guān)系等用戶信息,，診療等信息涉及個人隱私,，一旦信息未被妥善處理或遭遇泄露，可能會造成嚴(yán)重負面影響,。除此之外，醫(yī)保大數(shù)據(jù)監(jiān)測會誘導(dǎo)對醫(yī)?；颊叩臓顟B(tài)及行為進行預(yù)測,，進而產(chǎn)生傾向性監(jiān)測數(shù)據(jù)，而傾向性監(jiān)測數(shù)據(jù)的不合理使用會給醫(yī)?；颊邘砭薮蟀踩L(fēng)險,。同時，在數(shù)據(jù)集成,、數(shù)據(jù)分析,、數(shù)據(jù)管理過程中缺乏相應(yīng)的安全評估系統(tǒng)和監(jiān)督使用機制，難以對醫(yī)保大數(shù)據(jù)的使用環(huán)節(jié)進行統(tǒng)一規(guī)范,，也一定程度提高了隱私泄露的可能性,。

4 數(shù)據(jù)挖掘在醫(yī)保領(lǐng)域應(yīng)用的價值

宏觀層面：支持戰(zhàn)略決策

除規(guī)避醫(yī)療風(fēng)險外，醫(yī)保大數(shù)據(jù)的核心作用在于確保醫(yī)療服務(wù)質(zhì)量和效率,，改善運行現(xiàn)狀,。決策者可以通過醫(yī)保大數(shù)據(jù)分析尋找事件的驅(qū)動因素和關(guān)鍵環(huán)節(jié)，以此作為制定戰(zhàn)略決策的基石,。成功的戰(zhàn)略決策離不開大數(shù)據(jù)的分析運用,，此類分析的要點在于通過由大到小、由粗到細,、由點到面的層級挖掘和關(guān)鍵問題尋找,，既需要專業(yè)分析技術(shù)的支持，又需要決策者的邏輯性,、結(jié)構(gòu)化思維,，依據(jù)環(huán)境變化動態(tài)調(diào)整決策戰(zhàn)略。

中觀層面：管理醫(yī)療機構(gòu)

目前,，醫(yī)保大數(shù)據(jù)對于醫(yī)療機構(gòu)的管理指導(dǎo)仍是粗放式的,，效果欠缺,，亟須理順醫(yī)療機構(gòu)與醫(yī)保機構(gòu)的行政關(guān)系，明確兩者的責(zé)任,、權(quán)利及義務(wù),，并從醫(yī)保支付方式中引入談判機制。在中觀層面,，醫(yī)保管理部門可以通過大數(shù)據(jù)監(jiān)測定期對醫(yī)療機構(gòu)的政策執(zhí)行情況進行監(jiān)督檢查,，確保醫(yī)療服務(wù)的合規(guī)性。醫(yī)保管理部門可以通過大數(shù)據(jù)監(jiān)測建立數(shù)據(jù)篩查,、財務(wù)審核,、病例審核等多元核查體系，積極引入第三方參與醫(yī)保監(jiān)督,，提升監(jiān)管的專業(yè)能力和業(yè)務(wù)水平,，抑制不合理醫(yī)療費用增長及規(guī)范不合理醫(yī)療行為。

微觀層面：基金使用監(jiān)測

在醫(yī)?；鹗褂帽O(jiān)測方面,，首要的是能夠及時發(fā)現(xiàn)欺詐、浪費,、濫用等現(xiàn)象,。通過對醫(yī)保大數(shù)據(jù)的實時監(jiān)測，醫(yī)保監(jiān)管部門可以發(fā)現(xiàn)過度醫(yī)療或不合理醫(yī)療,、藥品的不合理使用,、不合規(guī)就診行為等。因此,，開發(fā)并引入電子實時監(jiān)控平臺對醫(yī)療機構(gòu)及患者的就診行為進行追蹤和監(jiān)測,，強化醫(yī)保部門和醫(yī)療機構(gòu)的信息平臺搭建工作，有利于提高對醫(yī)保資金使用情況的監(jiān)測,，從而積極引導(dǎo)患者科學(xué)就醫(yī),。此外，通過醫(yī)保大數(shù)據(jù)的挖掘和分析,，歸納利益相關(guān)者的醫(yī)保資金使用規(guī)律,，有利于進一步提高醫(yī)保資金的管理效率。

綜上,，大數(shù)據(jù)挖掘在醫(yī)保領(lǐng)域具有巨大發(fā)展前景和價值,，但在實踐應(yīng)用過程中也會面臨一些挑戰(zhàn)，包括數(shù)據(jù)結(jié)構(gòu)呈現(xiàn)鏈條化,、混亂化和碎片化,，現(xiàn)行數(shù)據(jù)應(yīng)用模式難以輔助臨床決策，大數(shù)據(jù)使用過程中隱私保護難等問題。因此,，需立足于國內(nèi)醫(yī)保大數(shù)據(jù)的應(yīng)用發(fā)展現(xiàn)狀,，對醫(yī)保大數(shù)據(jù)挖掘應(yīng)用案例進行深入分析，積極推廣先進經(jīng)驗,，助力“智慧醫(yī)?！卑l(fā)展。（ZGYB-2023.08）

原標(biāo)題：醫(yī)保大數(shù)據(jù)應(yīng)用研究進展

作者 | 湯真清 汪銘涵 金春林 李芬 上海市衛(wèi)生和健康發(fā)展研究中心 （上海市醫(yī)學(xué)科學(xué)技術(shù)情報研究所）,、上海交通大學(xué)附屬新華醫(yī)院,、上海市衛(wèi)健委財管中心

來源 | 中國醫(yī)療保險