基于BP人工神经网络模型实现DRG与临床路径管理融合与优化

□ 曹坤 CAO Kun 蔡双宁 CAI Shuang-ning 陈维敏 CHEN Wei-min

临床路径管理工作是公立医院改革的重要内容，对于规范医疗行为，提高医疗质量，控制不合理医药费用有十分重要的意义。建立临床路径的目的是减少不必要的治疗、检查和药品的使用，以规范化的、最有效的手段治疗路径内的患者，实现保障医疗质量和控制医疗费用的目的。2017年，国家卫生计生委发布了《医疗机构临床路径管理指导原则》，其中规定了医疗机构临床路径管理的组织机构和职责，明确了临床路径病种选择与文本制定的基本原则，细化了临床路径实施流程和管理制度，强调了临床路径信息化建设和监督评价的有关要求。同时，《指导原则》突出了临床路径“四个结合”的原则，即临床路径管理与医疗质量控制和绩效考核相结合、与医疗服务费用调整相结合、与支付方式改革相结合、与医疗机构信息化建设相结合[1]。2020年，根据临床实践情况并结合医疗进展，国家卫生健康委组织对19个学科有关病种的临床路径进行了修订，形成224个病种临床路径(2019版)。

DRG作为一种病例组合分类方案，是实现病例“标准化”的有效工具，是用于衡量医疗服务质量效率以及进行医保支付的一个重要工具。在DRG付费机制下，医院运营压力增加，导致医院管理需实现科学化和精益化管理的进一步转型。在实现科学化和精益化转型的过程中，很重要的一点就是要应用管理工具来进行医疗数据处理、动态分析和趋势研究。基于临床路径与DRG整合与优化，可以有效地帮助临床医生准确填写临床诊断，有效地帮助医生进行费用控制，确保入组的准确性、合理性，确保治疗过程与诊断编码的准确度，减少病人费用支出，全程监控费用的合理用途。

目前，浙江省已在各级医院全面推进DRG支付方式改革，在实行DRG付费的形势下，临床路径作为一种标准化的治疗模式和程序，能够有效地帮助医院管控成本，保证质量。以往的临床路径在成本控制方面比较欠缺，在引入DRG结算之后，临床路径可以和DRG结算有机结合，这也符合2017年卫计委在《医疗机构临床路径管理指导原则》中提出的与支付方式改革相结合的原则。实践中以DRG支付标准作为参照，对院内临床路径的测算费用进行比较，以DRG分组要素作为参考，修订优化临床路径的入径条件。 现代医院管理不应局限于某一种付费管理模式，而应积极探索多种付费方式相结合的管理手段和办法。同时，DRG付费和临床路径作为现代化的支付和管理手段，可以相互配合、互为补充。二者配合良好可以相得益彰，只有这样才能有利于医院核心竞争力的进一步提升，为医改的深入推行铺平道路[2]。

实施基础

人工神经网络(artificial neural networks，ANN)是模拟人类的形象直觉思维，在生物神经网络研究的基础上，根据生物神经元和神经网络的特点，通过简化、归纳、提炼总结出来的一类并行处理网络[3]。BP(back propagation)人工神经网络(图1)研究目前已充分应用于各类数据挖掘与分析过程中，如电子病历数据的挖掘与分析、诊断的鉴别与分析等。电子病历中包含大量能够辅助临床诊断和决策的医疗信息，利用BP人工神经网络进行电子病历的数据挖掘，对电子病历进行分析预测，可以查找存在的危险因素。目前已证实BP人工神经网络在电子病历系统数据分析中具有实际应用价值[4]。

图1 BP人工神经网络

针对临床路径的复杂性和模糊不确定性，对其进行综合分析，计算出临床路径诊疗单元的平均治疗天数以及临床路径的总治疗天数，分别作为实验的样本数据和最终评价指标[5]。在此基础上，利用BP人工神经网络的方法对临床路径进行优化建模，可以取得临床路径最优执行路径。针对医疗信息的复杂性及模糊不确定性，对信息化医疗数据进行综合分析，采用模糊C均值算法进行迭代运算，获得最终模糊聚类结果，在此基础上建立模糊神经网T-S模型对聚类结果进行训练，达到自适应学习的目的。采用Matlab进行模拟仿真，实验结果表明该模型具有较强的泛化性、自适应学习能力，实际输出与预测输出误差较小，能持续优化临床路径，并快速为患者选择最优治疗方案[6]。DRG与临床路径相辅相成，临床路径规范医疗行为，DRG控制医疗成本，两者相互促进，相互补充。DRG病组下的临床路径实施效果分析，更具可比性，同时筛选出重点病种，为今后院内临床路径推广、病种成本控制提供客观、合理的参考[7]。

实施过程

1.对历年临床路径实施情况分析并与DRG支付数据进行匹配，确定人工神经网络模型的数据属性。通过分析当前医院临床路径的使用情况对使用效果进行评价。了解当前临床路径的使用情况，主要从临床路径覆盖病例占比、入径率、变异情况、临床路径相关费用占比、临床路径系统使用情况等方面进行度量，主要评价医院临床路径是否覆盖足够广、足够深，以及临床医生是否规范使用临床路径。使用效果主要从平均住院日、入径病例的DRG盈亏情况、医疗质量等维度进行评价，确保临床路径在规范诊疗和保证医疗质量的前提下达到平均住院床日和费用的有效控制。以DRG支付标准作为参照，对院内临床路径的测算费用进行比较。这个阶段要确定BP网络挖掘目标和结论的评估标准，初步确定需要的数据属性。数据属性的选择需要能够说明临床路径及DRG管理的各类要素，如诊断代码(ICD10)、手术代码(ICD9)、DRG分组、并发症、合并症、费用结算明细项目、医嘱项目、科室、医疗小组等。将这些数据属性作为BP网络模型的输入变量，将总费用、均次费用、质量安全等指标作为输出变量，建立BP人工神经网络进行训练和预测。

2.基于DRGs支付管理，扩大临床路径实施范围。传统的临床路径主要覆盖医嘱系统中的一些项目，包括检查、化验、用药、治疗、护理和其他，这些医嘱项目只占整体医疗费用的一部分，对于部分病种，这些项目费用占比甚至低于50%。手术、麻醉和耗材的使用一般不包含在临床路径中，导致临床路径在与DRG相结合时，即使按照临床路径去实施诊疗也很有可能费用超标。这就要求临床路径的内容要覆盖得足够全面，需要将临床路径系统与医嘱系统、医技系统、手麻系统和计费等系统相对接，整合所有诊疗过程数据，依据国家互联互通的相关标准将数据及接口进行标准化，实现与第三方系统的快捷对接。

3.临床路径与DRG的融合分析，建立BP人工神经网络模型。针对第一阶段分析发现的问题，结合第二阶段整合清洗后的数据，在临床路径的广度方面进一步提高临床路径的覆盖度，结合DRG结算标准，基于BP人工神经网络理论，分析预测临床路径患者中DRG结算的盈亏情况。结合DRG支付标准，通过人工神经网络模型学习、识别临床诊疗过程中治疗项目对收支结余、安全质量的影响，同时对比分析临床路径的费用，包括药品费、检查费、材料费、手术费，同时对临床路径的费用进行拆分，分术前、术中、术后，进行分阶段控制，实现临床路径事前、事中、事后与DRG的结合，建立BP人工神经网络模型，确定网络层数及神经元个数。

在DRG分组的基础上优化临床路径的划分方式。在临床路径的深度方面研究基于诊疗历史数据，依托BP人工神经网络模型，构建本地化的临床路径。同时，结合卫健委颁布的参考临床路径和各种疾病的诊疗指南，以及地区DRG病组支付标准和医院平均住院日控制目标，优化诊疗要素和诊疗流程，识别影响诊疗流程效率的系统性节点。以DRG分组要素作为参考，优化临床路径的入径条件，提高入径比例。针对同一ADRG下不同DRG组可能针对主诊断的诊疗方式一致，且合并症不影响主诊断的诊疗的情况下，当相似度达到一定阈值(≥0.9)，可以合并同一ADRG下的多条路径。

4.基于BP人工神经网络模型开发DRG临床路径信息系统。通过对数据可视化，为医疗集团、医院各层级管理者和医生提供数据洞察和分析问题的工具。数据分析是用探索分析、定性分析等方法，从大量的数据中发现问题、并猜想问题原因，最后用数据证明的过程。数据应用系统则是将数据分析过程中形成的发现问题、分析问题、解决问题的一套思路和指标，通过主题拆分，以图表形式展现，让用户随时可以自己发现问题、分析问题和解决问题。应用系统可以接入Excel/CVS等手工数据，与数据仓库中的模型集成，基于探索式分析，图表协同过滤、全维度数据钻取，帮助用户快速定位并发现问题。数据挖掘的精确度很大程度上取决于挖掘方法与研究目标的匹配程度。BP网络模型建立后，运用软件进行系统编程、调试，对网络模型进行训练，经过多次训练后，均方误差为0，达到标准即训练完成。将训练样本和保留样本进行验证，得出网络量化结果，结合临床路径及DRG的相关知识对BP网络预测的结果与对照组对比，做出评价。系统支持用户创建团队和自定义权限管理，对团队中不同的角色分配对应的数据和看板，满足各级人员分析查看业务数据的需求。

实施结果

我院自2004年自主研发了一套以日程安排为主线，兼顾数据分析管理的临床路径管理系统，实现了与电子病历等医疗系统对接、关键节点警示提醒、单病种质量管理、路径变异管理等规范要求，对病人从入院到出院的所有关键节点进行监控与提醒，提高了医疗质量及效率。系统从2004年的临床路径1.0版本升级到2010年的临床路径2.0版本，直到现在的4.0版本，系统在规范医务人员诊疗行为的同时，也逐渐强化了患者参与和医患互动、医护协同。临床路径不再仅仅是医护人员的“内部工作指南”，也是医患的“共同治疗计划”，能够充分发挥医患合力。我院经过17年的实践，临床路径共计服务了71万多例患者，医疗费用得到了降低，同时更好地规范了医疗行为，提高了工作效率。

我院自2019年初开始，通过自主创新的信息分析整合技术，形成了院内DRG智能运营管理系统与数据分析和应用，改善了成本核算与绩效评估体系，提升了医院管理的精细化水平。目前医院DRG智能运营管理系统，主要包含医生、科室、医院三个层级的管理：面向医生提供定制化的个人数据分析，提升医生的诊疗行为，通过红、黄卡进行警示[8]；面向科室，向科室对事中对在院病例进行入组预测、费用预警，事后进行各医疗组亏损分析、病组亏损原因分析；面向医院管理者，分析医院在DRG控费下的管理痛点。

在以上两个体系的基础上，自2020年开始，我院开始基于BP人工神经网络进行临床路径的历史评价、临床路径修订及完善、临床路径分拆与新增、临床路径执行评价等。同时，基于BP人工神经网络模型预测分析评价病组的超支和结余变化趋势及费用结构，通过临床路径进行规范化治疗，从而进行质量及费用控制，实现了三方共赢。目前，我院已构建了一套基于人工神经网络的临床路径DRG管理机制与系统，实现了在医院三、四类手术持续增长的情况下，医保DRG结算从2019年亏损200多万到2020年底结余200多万的转变。至目前为止，我院临床路径患者占出院人次的比例达61.94%，DRG结算支付趋于平稳，核拨率稳定在100%左右。

结论

经过两年的探索与实践，医院基于人工神经网络对临床路径与DRG数据进行融合分析，通过构建网络模型对各学科专业病组覆盖情况进行评价，全面了解和掌握了医院学科建设与发展现状，并在此基础上研发了临床路径DRG信息系统。实施成果充分论证了临床路径与DRG的融合发展及优化，可以有目地、有计划地规划学科发展，有助于医院整体医疗技术能力及精细化运营能力的提升。