医疗大数据医疗保险管理机构应用.doc

《医疗大数据医疗保险管理机构应用.doc》由会员分享，可在线阅读，更多相关《医疗大数据医疗保险管理机构应用.doc（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、医疗大数据医疗保险管理机构应用（医保局）在中国现有的医疗保险管理体制下，基本医疗保险仍然以政府为主导，各地分散管理。基本医疗保险可以分为城镇职工基本医疗保险、城镇居民基本医疗保险和新农村合作医疗保险（简称新农合），通常由各地人社和卫计部门管理。目前，商业医疗保险作为政府基本医疗保险的补充，市场规模有限。2013年，种基本医疗保险的筹资总额已经超过 1 万亿元，而商业健康险的保费收入为 1123.5 亿元，仅为前者的 10% 左右。考虑到真正的赔付型医疗保险只是商业健康险的一部分，实际上真正意义上的商业医疗保险的市场规模更小一些。现今商业健康险中约 30% 为团体业务，主要包括面向企业的团体医疗

2、补充保险；另 70% 为个人业务，其中一大部分为储蓄理财型。虽然规模与政府医保相比尚小，但在市场需求和政策支持的推动下，今年发展趋势良好，以年均 25-30% 的速度增长。2012 年发布的关于开展城乡居民大病保险工作的指导意见，试点由商业医疗保险机构通过招投标方式承办大病补充保险的运营并承担费用风险，为商业医疗保险公司带来了业务拓展的新方向，也为其介入到政府医保的运营管理提供了契机。2013年十八届三中全会 的中共中央关于全面深化改革若干重大问题的决定和 2014年国务院发布的关于加快发展现代保险服务业的若干意见（又称“国十条”），进一步规划了健康保险业在城乡社会保障一体化和参与更多医疗卫生

3、体制改革中的作用，提出了“把商业保险建成社会保障体系的重要支柱，充分发挥商业保险对基本养老、医疗保险的补充作用”，并且“按照全面开展城乡居民大病保险的要求，做好受托承办工作”。这无疑对商业保险行业来说又是重大利好消息。此外，针对商业健康保险的个人税收优惠政策也正在研究中，虽然优惠幅度和政策细节尚待确定，但政策的方向已无疑问。可以说，随着政策的推动和市场潜在需求的释放，商业健康险业大有商机，将在不久的将来成为我国医疗保障系统中不可或缺的重要组成部分。而商业保险机构自身精细化经营管理水平将是决定其市场竞争力的一大关键。然而，由于包括市场结构限制在内的种种历史原因，无论是政府医疗保险机构还是商业保险

4、公司，整体来看在业务经营管理方面仍然比较粗放，还没有充分实现大数据分析可以为管理和企业发展带来的价值，主要表现在： 保障设计与精算定价：产品同质化现象普遍，缺乏对客户需求及医疗风险的准确把握；精算定价基础薄弱，缺乏对疾病治疗费用的深度分析数据及对参保群体医疗费用风险的科学评估。 精细理赔运营管理：精细化不足，往往仅根据保险责任条款及医保报销目录进行理赔，缺乏对医疗服务临床合理性的判断，从而漏失对大部分欺诈、不合理医疗行为的监测。此外，商业医疗保险机构的理赔数据往往停留在费用类别层面，缺乏项目费用明细，导致理赔精细化管理的数据基础薄弱。 强化医疗机构的管理：技术手段落后，政府医保虽对定点医院有话

5、语权，但缺乏对医院医疗质量及费用的合理评估，因而难以设定执行科学有效的支付方案与激励机制，粗线条的总额控制虽能短期控制费用，但导致一系列弊端（包括医院推诿重病人等），且长期控费效果欠佳。 洞察市场与销售拓展：缺乏以数据为基础的客观分析。以商业企业补充险为例，未能对企业理赔数据进行深入挖掘，以分析结果支持指导市场销售，并据此为客户量身定制相关增值产品，导致市场竞争停留于价格上的竞争，压低整个行业的收益回报。通过大数据技术，重构医保对医疗费用审核监管的全新模式，从而达到遏制“过度诊疗”行为、控制医疗费用不合理上涨，规范诊疗行为目的，并为将来医保谈判购买性价比高的医疗服务奠定技术和提供数据支撑。具体

6、应用包括将住院医疗费支付标准、药品说明书、“三目”（即三大目录，药品目录、诊疗目录和耗材目录）限定症、人社、卫生行政主管部门有关规章制度、药品应用时限等约束条件从纸介质文件制成计算机可识别和运行的规范化程序，将医疗费纳入智能审核系统，对不符合限定条件的费用明细，系统予以自动拒付，对可疑费用明细做标识，提示审核人员做重点审核。1.1基本医疗保险的决策支持分析在以政府主导的基本医疗保险的战略决策支持上，大数据应用同样有着举足轻重的作用。除了平衡风险之外，医疗保险的最重要的核心价值在于保证医疗质量的前提下有效控制医疗费用。大数据分析可以为医疗保险找出费用的关键驱动因素，以此作为战略决策的依据，可以使

7、决策者有针对性的制定措施解决问题关键。此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键，成功应用于决策制定既需要整套专业分析技术的支持，更需要逻辑性、结构化的思维，及对医疗保险行业市场在战略层面的理解，因此对数据分析师的要求更高。假设数据分析显示费用增长主要集中在糖尿病领域，那么首先需要明确其动因是发病率增长还是人均治疗费用增长所导致。如果是前者，有效管理的关键在于普及糖尿病常识，鼓励健康的生活习惯，并及时发现早期症状。此外从精算定价上，识别前糖尿病患者或糖尿病多发群体，并将其考虑进精算模型中。但如果费用增长是由于人均治疗费用的增长所致，那就需要进一步分析其原因。如果是由于少数

8、医院的过度医疗行为，那可以通过加强对医院的管理（如以医疗费用与质量评估为基础的绩效考核并与支付挂钩），并鼓励病人去其他医院就医（如设定不同的保险比例，甚至在可能的情况下取消问题医院的定点等）。但如果是由某类新药或新的治疗方式引起，那就需要根据其临床效果及卫生经济学分析，判断是否应包含在报销范围或报销比例。1.2基本医疗保险费用单据的智能化审核建立和筛查医疗服务违规行为的规则是医疗服务监控工作的核心。因此，科学设置规则是智能化审核的关键部分。对此，医保审核规则设定了26个大类规则，其中包括16大类报销规则，6大类临床规则、4大类统计规则。而这些审核规则，都是依据现行相关医保报销和医药规定制定的，

9、即包括医保政策、物价收费政策、国家药典、卫生部们相关规定、临床诊疗常规规范等。在这26大类规则下，医保审核中配置了12万条审核目录。把政策转化为数字化规则，这点是比较难的，比如：重症 ，只能用列举法。在制定这套审核办法时，组织第三方医学专家组开展审核规则的评审，对试用的26大类审核规则逐一经专家评审后正式启用，“保证规则的科学性、权威性”。按照这些规则库织就的“大网”，使得违规用药、诊疗行为无所遁形。1.3基本医疗保险的有效支付和治理应用通过对积累起来的大数据进行挖掘，支持医保政策调整和医保支付制度改革。医保政策调整方面，比如如何对医保筹资标准的调整，达到在支出合理合规的情况下，调整筹资水平，

10、智能审核积累下来的海量医疗诊疗数据，为基本医保体系和运行决策提供基础支撑。1.4基本医疗保险和服务监管应用建立全程智能审核系统，将监管对象延伸到医务人员。用法律法规和政策标准指导、约束和了解医生处方行为过程，做到事前提示、事中监控和预警、事后惩罚与改善，彻底走出医保和医生信息不对称和类似行政监督手段的困境。为达到医保基金中长期收支平衡，亟待建立抑制医患道德风险的治理机制。实现医保机构从“出纳”升为“会计”，提高对医疗服务的监控能力。1.5降低看病率提升医疗效果应用医疗保险制度是世界上应用相当普遍的一种医疗费用管理模式，是构成社会保险的重要组成部分，它的完善与否关系到国民健康能否得到切实的保障。

11、医疗保险制度起源于西方，经过百余年的发展，欧美国家的医疗保险制度已经日臻完善，特别是在互联网医疗蓬勃发展的当下，保险公司也纷纷顺应时代，开始利用新技术和大数据来预测客户的健康状况。近期，美国国家公共电台（NPR）对一对经历了严重疾病的夫妻进行了采访，让我们一起来看看美国的保险公司是如何运用客户个人数据来帮助他们获得所需的医疗服务的。Carol 和John Iovine是一对普通的美国老年夫妇。在John 2014年生过一次大病后，他们的保险公司就为John指定了一位健康指导。健康指导不仅帮助Carol 和John获得了所需的医疗护理，还让John不需要再次住院。John Iovine开口说出的

12、第一句话就是道歉，“请原谅我，我对这事记得不是太清楚，”他说，“我那时中风了。”那次中风的迹象在他们家随处可见：餐厅里安放的床、厨房里的淋浴室等等。John身材瘦弱，穿着蓝色的睡裤坐在轮椅上。但是，他可能夸大了自己的记忆问题。 “我们是哈町大学（Harding）的同学就是离这儿不远的那所，”他说道。那是1952年，也就是在那年，他结识了他未来的妻子。“她穿着红色的长款毛衣，有着一头火红的头发。我对自己说，她就是我的真命天女。”John侃侃而谈与妻子Carol的初见。“皇天不负苦心人，让我最终得偿所愿，”他笑着说。Carol坐在她丈夫的旁边，向记者娓娓道来那场中风的始末。那时John的健康状况非

13、常不好。起先，他长了一个溃疡，然后进行了肠切除手术。再来就是中风以及接下来的更多。“他得了肺炎、黄疸、败血症；右肺还有血块。”她补充道。所有这一切都发生在2013年10月至2014年1月间。John曾是一名油漆工，那场大病让他在医院里呆了整整79天。在那段日子里，John时常处于无意识状态，也几乎没有离开过病床。“唉，那简直就是地狱。”他说道。去年四月，在康复机构治疗了几个月之后，John Iovine终于出院回家。当患者出院回家，开始“自生自灭”的这个时间点，正是现在的医疗系统特别关注的时期。长久以来，许多像John Iovine这样的患者在这一阶段都选择了故意失联；最终，他们不得不再次住院

14、。业内人士称，这类再入院都是可以避免的。单单此项，每年就会耗费150亿美元的联邦医疗保险，是财务上的巨大流失。这就是为何联邦医疗保险数年前发起了一项倡议，处罚那些太快重新接纳再入院患者的医院。而这也促使许多医院开始更为注重这个问题。现在，保险公司也正致力于提出它们的解决方案。Independence Blue Cross是一家总部位于费城的保险公司，它的首席情报官Somesh Nigam在接受记者采访时说道，“我们的目标是确定哪些病人有可能在未来三个月内住院，这是我们正在努力的方向。”他说，Independence Blue Cross正致力于查明其客户中的患病者或年老体弱者，即那些有可能入院

15、的潜在人群。为了做到这一点，公司对其掌握的大量医疗数据进行运算，数据内容包括理赔账单、实验室读数、药物、身高、体重、家族病史等。它还纳入了有关客户所在社区的信息，包括当地的贫困率等。“我们用来建立这些算法的医疗数据，大概相当于5个维基百科那么多，”Nigam说。计算机算法对所有的信息进行筛选，并为每名患者计算出得分，将他们按照得分的高低进行风险排序。随后，Independence Blue Cross为每位得分较高的客户分配一位工作人员，即“健康指导”。这些健康指导会免费为客户提供健康建议，并向他们推荐有益的附加服务。“这种协同努力对于患者非常有用。”Nigam说。健康指导可以为患者量身订制所

16、需的健康信息；帮助他们进行就诊预约；解决服药相关的问题，或者协助安排患者前去门诊的交通。有时，健康指导还可以为患者安排家庭护理护士。“所有这一切措施已经开始显示出成效。”Nigam说，“我们地区的住院率已经呈现出了相当显著的下降趋势。”在Independence Blue Cross的名单上，第一批需要额外关注的客户有18000名。而其初期成功的标志之一，便是将充血性心脏衰竭患者的预期住院率降低了4050。Iovines一家也是该公司初期成功的受益者。在丈夫中风之后，Carol Iovine的生活也有了极大的改变：她需要管理丈夫的新药物，并帮助他淋浴和如厕。夫妇二人需要参加许多门诊和治疗会议，

17、为此他们还得租用一台可供轮椅上下的面包车。Carol说，有了健康指导的帮助后，情况开始有了很大的变化。健康指导可以帮助她管理丈夫的各种需求。“有一次John需要检查血液，医院要我一个人带他去急诊室抽血，”Carol回忆，“我当下就回说，呃，这我可没办法做到。”她马上打给了他们的健康指导Donna Crockett，并告诉了她这个问题。“之后，便有一名护士来到我们这里为他取血。” Carol说道。重点是，医疗保险花在健康指导安排的来访护士或简化门诊流程上的钱远远不及再入院的成本。数据预测有望为保险公司节省保费，因此也使得越来越多的保健专家更加看重这些预测计算公式的潜力以及可能的缺陷。“现在这个领

18、域利益良多，”哈佛法学院教授Glenn Cohen如是说。Cohen曾就医疗保健和大数据碰撞引起的法律和伦理问题著书， “医疗领域、计算机科学领域以及患者体验领域正在进行着一场伟大的集结。”虽然对前景信心满满，但Cohen仍有一些疑虑。“对于那些个人数据被用于建立算法的客户，他们是否有权选择退出预测计划？”Cohen说， “他们是否只能选择参加？甚至，他们能否知道自己的数据被使用了？”Cohen表示，这些仍然是一个灰色地带；这个新兴领域还没有建立起对这些信息的处理标准。Independence Blue Cross宣称，它严格遵循联邦医疗隐私准则关于匿名的规定，且只会将这些信息用来更好地为其客户服务。但该公司的确并没有询问订购了其健康计划的客户是否选择加入数据预测。“这些数据仅会被用于改善或协调医疗护理，”Nigam说，“这是我们的职责，而大家都认同这一点。”从客户健康上来讲，护理协调彻底改善了John Iovine的生活。自Independence Blue Cross为他分派了健康指导之后，他一直没有再次住院。保险公司表示，因为数据预测的初期效果非常好，他们正打算扩大预测范围。该公司正与纽约大学的Langone医学中心针对下一个目标2型糖尿病进行合作，目的是在出现相关症状之前发现哪些人最有患上糖尿病的风险，然后再积极介入，帮助预防疾病的发生。