欢迎来到中国医疗保险网！
来源：中国医疗保险
作者：冷家骅 陈治水北京大学肿瘤医院医疗保险处
医院内部掌握大量的医保相关数据，但当前仅局限在费用分析、病历审核等方面。由于认知相对不足，存在数据信息高碎片化、低标准化、与临床行为脱节等问题，尚不能有效称之为医保大数据。本文以某三甲医院为例，介绍了当前医院内医保相关信息的基本现状，对智能化、数字化医保大数据的未来进行了展望，提出要在保障数据安全的同时，开发多应用场景，辅助决策，实现医保数据的跨界融合。
2016年，《人力资源社会保障部关于印发“互联网＋人社”2020行动计划的通知》（人社部发〔2016〕105号）指出，促进数据资源和服务资源的聚集、整合和共享。随着信息化、大数据、互联网、物联网、区块链等不断涌现，医院医保管理迎来了大数据发展的新时代。日益沉淀的数据已基本具备大数据的海量、快速、多样和价值密度低四个内涵特征。对其进行有效清洗、整合、分析、可视化等处理，已成为提升医保工作精细化管理水平和管理效率的重要手段。从战略、政策、产业等多层面逐渐鼓励信息驱动，让大数据与医保的融合与创新，成为医疗领域的新的发展方向。
某三甲医院医保大数据建设现状
医院医保大数据管理本质上是将医院管理内化为信息系统的数据流，是利用计算机技术、网络和通信技术以及数据库技术，集成管理医疗、护理、财务、后勤及研究、教育等活动的所有信息，实现信息共享与有效利用。医保大数据是汇集了就诊人群全生命周期的数据集，是实施医疗大数据战略的基础。重视并合理运用医保大数据，可以使患者得到更全面而个性的服务，促进医院管理水平的持续向好，实现“以费用为中心”向“以健康为中心”的转变，同时有助于提升医保基金的成本效益，迈向医保管理的“新蓝海”。
医院医保应用系统存在大量行政、临床、体征和个人及偏好数据等。
以某三甲医院为例
除临床、影像、超声等平台，检验、随访、行政等管理的应用子系统就达80多个。多专业平台、多派生系统，考验着医院对数据的整合能力。梳理院内医保管理和应用系统的种类，主要有病历审核、项目调整、提示预警、DRGs深度分析、医保报表以及医保首信等几大类，其与院内其他应用系统存在相互独立、单向嵌入、部分结构化嵌入等关联关系（见图1）。
其中，病历审核系统需要核对患者的诊断信息、治疗信息；项目调整系统需要对比既往项目并实现HIS导入；提示预警系统利用信息手段支撑医保政策，实现对提前开药、累计开药超量等的拦截与提示；DRGs分析系统是将费用信息与其他医疗相关信息实现串联并自主分析；医保报表系统是将常规日常医保质量考核人群、指标维度以及指标走势和结构分析等整合到一个统一的数据平台；医保首信系统是医保服务开发商提供的业务平台。
医保报表系统是医保大数据应用的重要系统之一。其形成与调整需要贯彻上级主管部门的考核指标以及契合机构内部的考核思路。一般来说，需要从理清数据来源、规范数据管理以及完善监控内涵这三大方面进行通盘整合。医疗机构内部直接的费用数据就有医保首信数据、HIS数据、财务数据以及病案数据等，数据源多，数据清算和标准化复杂。
不同数据源有不同的口径规范，比如首信数据有入库口径、审核支付口径，HIS数据有开单口径、结算口径；不同数据源的数据层次（全院、科室、主诊组）和颗粒度（总费用、费用结构、费用明细）也不一致，各数据源存在不同优劣点，需要权衡取舍。中途转科、挂号与收费的关联、拒付的处理、计费科室的费用归类等需要进行标准化处理。在数据管理过程中，要持续修订科室字典库、医保人群字典库、费用分类字典库等，将不同层次和颗粒度的数据按照不同权限赋予不同的临床和管理人员，在提升数据准确度的同时，保障患者隐私以及数据安全。
通过各个系统的有机配合，医院医保大数据应用系统发挥了以下作用：
医保结算和费用数据管理。
利用大数据运用医保患者的身份认证、实时结算、数据上传、退费操作等功能，实质意义上实现了参保患者就诊时的卡网结合、脱网操作，极大程度提升了就诊便利度和积极性，积累了大量的医保数据。同时，医疗机构根据医保协议内容和总控指标，以科室为层级单元，设立服务量、次均费用、药占比或耗占比、人次人头比、CMI、自费比等重点指标，设立不同数据监控模块，形成院级、科室级或病种级、病案级以及医嘱级多层次的决策与分析平台，对重点指标监控，将数据进展与绩效考核挂钩，使得医保管理能够做到总控全局、有的放矢。利用DRGs数据对科室进行纵向分析或对同质科室进行横向比较，深入分析科室费用的内部结构及其变动规律，一定程度上为合理诊疗提供可行性参考。通过信息化加强医保医疗费用数据的管理，提升部门监管力度，控制医保医疗费用不合理增长。
医保信息提示和病历审核。
医保类型的识别、特种病身份的标识、医保适应症提醒、处方开药量限定、考核管理各指标的提示等医保信息辅助提示，为就诊流程和临床治疗提供了重要的辅助决策支持，从根本上减少医务人员和临床医师的无效工作时间，避免出现不必要的医保拒付，也让临床科室在医保管理中更具主动权。利用电子系统优化病历审核流程，缩短或避免不必要环节耗时，优化病人的出院结算流程，充分体现以患者和临床为中心，形成一整套事前对照适应症、事中点选适应症、事后调整适应症的病历审核流程，有效提升日均病历审核数量和缩短病人结算时间，提高病历审核质量和效率。同时设立重点项目监测平台，比如对辅助用药、高值耗材、丙类项目进行独立监控。
当前医院医保大数据建设的一些问题
对医保大数据价值的认知相对不足
大数据的应用不是简单地分析一两个量级的数据或是通过样本数据设立多维变量的精准模型，而是尽量使用全量数据，建立与海量数据相结合且只含少量变量的精巧模型，避免抽样所带来的误差。大数据的应用一般会经历数据准备、数据挖掘、数据可视化等阶段，但目前医保对于大数据的认知基本停留在表层，准备相对不足、挖掘深度不够、可视化体验不好，做得好的也仅仅是利用数据做考核或监控费用进展，没有形成充分挖掘医保大数据的宏观思维。大数据本身是“油田”，但如果不对其进行开采与提炼，并不能体现出其社会意义和操作价值。
与医疗行为脱节，且难以辅助临床决策
医保大数据与医疗大数据之间相互独立，与医疗行为脱节，容易造成监管困难。《国务院办公厅关于进一步深化基本医疗保险支付方式改革的指导意见》（国办发〔2017〕55号）中指出，要强化医保对医疗行为的监管，将监管重点从医疗费用控制转向医疗费用和医疗质量双控制。尽管目前医疗机构内部基本都使用了医疗费用和医疗行为的独立监控或分析平台，但尚缺乏费用与行为的联动监管与分析，费用与行为的关联指标亦未进行过有效论证。
费用与结果是评价医疗活动的两个基本维度，体现着患者就医行为的直观感受。以某三甲医院为例，随着就诊意识提高，越来越多晚期肿瘤患者存在参与临床决策的较强需求，但是在治疗过程中，由于相对缺乏对收费项目或治疗方案临床价值与经济价值的综合评估，医生的治疗方案往往依托的是最佳的临床结果，可能会忽视费用对患者治疗决策的潜在影响。医疗费用与医疗行为、医疗结果的关联缺位，限制了临床伦理决策、医患共情决策的发展与完善。
信息安全存在风险，系统平稳运行存在压力
医疗和保险数据涉及个人隐私、财务数据等，在数据的产生、采集、传输、存储、分析、发布等各环节均可能存在安全隐患，容易产生伦理和法律风险。数据篡改、恶意访问、服务干扰、人为失误、硬件故障等都是数据安全的威胁因素。国际上，2015年，美国医疗保险商Anthem被黑客入侵，成为当时最大的一起医疗信息泄露事件，造成8000多万人信息被盗。在国内，360互联网安全中心发布的《2015年中国网站安全报告》揭露，医疗卫生行业的数据漏洞占总漏洞的4.1%，平均每个漏洞所泄露的信息量中医疗卫生行业居首位。
医保相关数据分布较为分散，其调取、整合与分析对人和设备的要求较高，系统的平稳运行存在不可预测的压力。资料显示，美国医疗机构用于信息方面的费用占总预算的2%，软件、硬件及人力培训咨询费用占比基本为1:1:1；而我国，信息化上的投入占医院收入约0.5%，其中，硬件和其他方面资金占比分别为68%、32%。在人力方面，一半以上美国医院信息部门人员超过50人，而我国三级公立医院均数则为14人。由此看来，我国人员、软件开发以及培训咨询等的相对不足，制约着整个体系的快速发展。
数据多而杂，部分数据呈现高碎片化和低标准化
传统的应用或管理系统基本都是在后台形成了一个个累积的存储数据。医疗保险的相关数据数量大、种类杂，数据不完整、结构化缺失，不仅体现于财务数据、费用明细中，还存在于临床诊疗、预后随访中，而且不同类型的数据间存在各式交集，信息孤岛之间的桥接方式和传递效率受到数据标准和软件构架限制。
医院医保大数据建设的展望与前景
医院在搭建数字化、智能化的医保大数据管理与应用系统时，需要考虑工作流程和成本费用等特点，正视大数据应用的优点和不足，密切联系医院管理和医保管理，形成一套整合的、以病人为中心的全查询、可视分析和决策辅助平台。
医保相关大数据逐步跨界融合，实现“1+1>2”
随着互联互通、全国联网、临床试验、靶向治疗、基因测序、人工智能、移动技术、数据云、区块链、物联网等技术的发展，医保相关大数据与多领域逐渐快速融合，并在多方面逐步运用，大数据影响着越来越多的政策制定、尖端医学探索以及医疗相关产业。同时，医保大数据的跨界与发展，一定程度上会加快多层次医疗保障制度的完善，特别是在大病保险与商业医疗保险等领域，通过医保数据与人群特征、产业特征等深度结合，可以为创新精准医疗扶贫保障模式提供信息支撑，也可以为健康管理干预手段提供科学依据，规避过度诊疗，避免医保基金的不合理支出，实现“1+1>2”。
医疗与医保数据关联不断强化，助推医保与医疗共同决策
医疗服务提供过程中的成本意识正得到逐渐强化。早在2007年，美国医疗保健改善研究所（InstituteforHealthcareImprovement,IHI）提出了优化卫生系统绩效的“三重目标”框架，即实现人群健康、患者就诊体验和人均医疗费用的平衡目标，强调将质量和安全与医疗保健成本进行关联，要求提供有价值的医疗。当前情况是，医疗机构每天都会有大量的医疗、实验、健康、费用、管理等数据产生，根据网络公布的信息显示，一般的医疗机构，每年产生的医疗数据（包括影像）将会有1TB-20TB，一些大型的医院数据量甚至达到300TB-1PB。随着技术的进步以及医学模式的转变，医院设备之间信息流的互联互通逐步实现，影像、检验、超声等数据资料逐渐衔接，费用数据与医疗数据的串联成为趋势。这有助于监控医疗成本和医疗产出，为进一步卫生经济评价提供支撑，也有助于临床运用、管理决策与科学研究，助推医保与医疗共同决策。
医保大数据治理体系逐步完善，隐私的规避与保护不断强化
医保大数据是一把双刃剑，存在巨大价值亦存在巨大风险。数据治理是数据价值形成的先决条件，医保大数据治理考量着医保体制的持续完善。大数据治理强调的是效益实现和风险管控，要在符合法律法规、行业规范和保护患者隐私的前提下，挖掘出更多的价值。总的来看，医保大数据的管理权在政府、控制权在医院、所有权在患者，其科学治理需要通盘考虑多个场景，要明确医保大数据的权属关系，完善数据共享模式、数据分级分类、数据访问权限、数据访问控制等机制，多方参与医保大数据创新开放平台的建设，加大医疗、保险、信息等综合性人才队伍的建设，促进信息技术与医疗、医保的融合。现如今，国务院机构改革方案在医保制度从顶层设计上进行了重大突破，国家机构职能的调整必然会推动整个社会的医保治理大局观形成，并从决策、激励约束以及监督机制上对医保大数据治理体系的发生、发展与完善产生深远影响。
大数据应用场景不断增多，医保数据挖掘趋向智能化和个性化
大数据不会取代人工，但是大数据却正在积极改变着人们的工作方式。智能化的医保监管实现医保决策的科学化和经办管理的精准化，数字化的管理实现诊疗行为和医疗费用的实时监管、智能审核以及风险预警，云计算与金融云实现个性化保险服务和全周期健康管理，等等。这些应用场景正在引领着医保领域的行业变革和产业升级。随着数据挖掘的不断深入，自主分析不断衍进，医疗保险支付制度改革、疾病负担、医疗服务监管等医疗保险领域的研究将不断实现成果转化，政产学研用的社会化医疗保险服务将实现快速应用。
