期刊信息
曾用名:现代图书情报技术;计算机与图书馆
主办:中国科学院文献情报中心
主管:中国科学院
ISSN:2096-3467
CN:10-1478/G2
语言:中文
周期:月刊
影响因子:0.912234
数据库收录:
北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2017版);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);中文社会科学引文索引-来源(2017-2018);中文社会科学引文索引-来源(2019-2020);国家哲学社会科学学术期刊数据库;中国人文社科核心期刊;中国科技核心期刊;期刊分类:图书情报与数字图书馆
期刊热词:
研究论文
数据知识资产,国新健康开启医院DRG付费新时代(2)
【作者】网站采编
【关键词】
【摘要】国新健康基于多年行业服务所形成的知识积累,同时引入人工智能先进算法,形成了一套涵盖“病案校验-病案审核-病案修正”全流程的智能病案校验系统
国新健康基于多年行业服务所形成的知识积累,同时引入人工智能先进算法,形成了一套涵盖“病案校验-病案审核-病案修正”全流程的智能病案校验系统。相比传统的病案首页业务流程,这样的病案质控智能管理系统可将病案首页质控前置到医生端,病案数据诊间提示,从“源头”提升病案首页质量,从而达到减少损失(医院)、提高效率(病案)和强化管理(质控)的目标。
同时,诊间辅助服务在多科室协同中也产生了良好效应。在医保费用发生前,根据参保人的既往就医情况、医保支付政策和相关审核规则等因素,对医生处方进行实时审核和事前提醒,从根源上减少不合理医疗行为的发生。这一功能起到了实时审核监控(医保办、质控)、规范医疗行为(临床)、减少医保基金(医保办)及提高科管水平与效率(运营管理)的作用,并进一步提高了多科室协同的效率。
这看似简单的目标,实则具有相当难度。通过多年知识计算的积累,诊间辅助服务实现了医院内部参保信息、诊疗信息、执行明细和收费信息等数据的打通;并在临床知识库的基础上结合国家医药卫生相关政策、文件以及其他地区的医保管理经验和本地区的管理要求,实现多角度、动态即时的诊间审核服务。
- 事中过程管理,轻量无感智能化服务
在事中,DRG/DIP分组预测预警系统可根据医院或科室的病组管理要求和管理目标,配置病组管理相关标杆值和预警信息,在不干预诊疗过程、不增加临床医师工作量的前提下,提供优化资源配置相关参考和预警信息,达到轻量无感的智能化服务要求。
借助该系统,临床科室可进行事中风险监测;病案科可对分组错误问题进行分析并实施宣教;质控科则能够进一步合理规划临床路径、加强质量管理;而医保办则对异常信息进行动态警示。这一系统的实时性、前瞻性、灵活性、精确性和高效性,相当于为医院提供了即时性、智能化的“咨询服务”,有效引导院内DRG/DIP管理,最终实现优化诊疗路径和提升运营效率。
- 事后综合分析,全局化闭环精细管理
用于事后综合分析的DRG/DIP医院智能管理系统旨在满足不同管理角色需求,提供统筹区、病例类型等分析维度,实现DRG/DIP院内管理和费用结构的整体监控。同时,在医院原有绩效管理模式基础上,提供基于DRG/DIP考核的绩效管理及评价,从而不断提升在DRG/DIP付费改革中医院自主管理和数字化智能管理水平,并借此实现全院流程的全局化闭环精细管理。
国新健康院端DRG/DIP系统中的DRG医院智能管理系统界面(图片来自国新健康)
知识计算+知识资产,打造独特的差异化竞争力
行业专家认为,临床路径优化和医院精细化运营是一个信息化-数字化-智能化的过程;数字化底座则是海量数据、多维数据库长期积累打造形成的知识图谱及数字治理能力所决定。由此可见,基于长年积累的知识计算和知识资产,是国新健康院端DRG/DIP系统最核心的差异化竞争力。
自进入数字健保领域以来,其底层数据标准及知识库的建立,通过近20年持续积累,形成了国内最完整、最大数据量、最具权威性的临床知识库——“四库二十四系统”,涵盖医学知识库、药学知识库、标准数据库和循证医学信息库等。其数据总量超过290万条,而医保基金监管规则信息库约8607万条。
国新健康的临床知识库是其核心竞争力之一(图片来自国新健康)
仅以病案学规则为例,国新健康的临床知识库包含病案规则3大类25小类,规则细类48万条;通过将规则与算法结合,并选用最合适的深度神经网络模型,其智能病案校验系统的准确率提升到超过90%。知识计算与知识资产打造出的竞争优势可见一斑。
实际上,稍加留意就不难发现,这种知识计算与知识资产的结合在国新健康的系统化方案中比比皆是。作为我国DRG付费探索的先行者,国新健康一开始就将病案质控与支付相结合,并总结收费项目规则两大类,规则细类2万条,将各类操作与收费密切结合。
数据底座的打磨,在人工智能浪潮中相得益彰。2018年,国新健康-北京大学医疗人工智能联合实验室成立,试图将其在健康保障领域20余年的积累和实战经验与北大软件工程中心的科技研发能力结合,通过人工智能技术促进医疗大数据的科学分析使用和知识图谱的深层构建。目前,这些成果已经在院端DRG/DIP系统化解决方案中愈露锋芒。
文章来源:《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2021/1130/1591.html