首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于医保病种付费制ICD编码人工智能审核质控模式与系统_袁素华_202110227398.2 

申请/专利权人:袁素华

申请日:2021-03-01

公开(公告)日:2024-05-24

公开(公告)号:CN112992366B

主分类号:G16H50/70

分类号:G16H50/70;G16H10/60;G06F16/2458;G06F16/25;G06Q40/08

优先权:

专利状态码:有效-授权

法律状态:2024.05.24#授权;2021.07.06#实质审查的生效;2021.06.18#公开

摘要:本发明公开了一种基于医保病种付费制ICD编码人工智能审核质控模式与系统,包括数据采集处理单元、知识库单元、规则库单元、预警单元、人工内涵质控单元、云质控单元、交互单元和分析单元。本发明属于医保病种付费技术领域,具体是基于医保病种付费制ICD编码人工智能审核质控模式与系统,应用大数据挖掘技术从历史数据形成ICD编码相关识库,运用知识融合术抽取和转换获得隐藏在数据资源中ICD编码知识因子及其关联关系;通过自然语言处理技术,建立动态的ICD编码表与各相关知识库的结构化审核逻辑判别数据库,理念是辩证地将特殊病历全质控和其他随机抽查相结合;应用大数据深度挖掘、人工智能技术先进技术和编码经验相结合。

主权项:1.基于医保病种付费制的ICD编码人工智能审核质控模式,其特征在于,包括数据采集处理单元、知识库单元、规则库单元、预警单元、人工内涵质控单元、云质控单元、交互单元和分析单元,所述知识库单元和规则库单元分别与数据采集处理单元相连,所述预警单元与知识库单元和规则库单元相连,所述人工内涵质控单元和云质控单元分别与预警单元相连,所述交互单元与预警单元相连,所述分析单元与交互单元相连;所述质控模式,包括如下步骤:1临床数据采集:通过数据采集处理单元与本院相关数据系统的数据库对接,抽取历史数据,通过连接医院省病案统计软件、EMR、HIS系统的数据库,按照接口规范采用视图的方法,使用主索引病人ID关联院内这些系统数据,并抽取近五年首页信息、收费信息、医生书写的诊疗术语相关历史数据,为了保证数据的质量,对数据进行清洗、转换、装载至数据仓库;2建立基础ICD编码匹配知识和逻辑审核基础库:结合编码质控实践经验、文献检索、专家咨询方式,包括ICD编码知识规则表、审核逻辑表、四个版本ICD编码映射合一表、国家统一临床术语知识表;所述的四个版本ICD编码为本院、省版、医保版和国家临床版;3建立ICD审核数据质控判别库:①对数据仓库中的历史数据统计分析,并形成相关知识表,包括需要填写手术栏的手术费用和高值耗材收费项目表、院内规范临床诊疗术语表、院内与国家诊疗术语映射表;所述的院内规范临床诊疗术语表为疾病诊断表、病理诊断表和手术名称表;②运用知识融合术抽取和转换获得隐藏在ICD疾病诊断手术表与相关知识表中编码知识因子及其关联和逻辑关系,建立各种关系模型:包括国家统一临床诊疗术语表和ICD关系模型、手术和高值耗材收费与诊疗术语关系模型、手术和高值耗材收费项目与ICD编码关系模型、手术编码与疾病编码相互对应关系模型、病种与平均费用住院日关键指标关系模型、DRG未入组及QY分组模型、年龄与病种分组的关系模型;所述的关系模型,涉及多种诊断描述对应多种ICD疾病及手术、关联药品材料诊疗项目收费代码,以治疗组合的方式存储于数据库;所述的病种为市医保单病种和省版DRGs病种;4应用AI形成动态ICD云质控库:云质控单元包括上述各类逻辑关系的表,各表至少包括审核的条件、质控内容、质控病例类别,各类逻辑关系是动态的,定期与不定期更新,政策稳定则定期更新,政策变动可实时调整或更新,关系的范围一般以区域医院编码质控数据进行统计,小概率事件为假设异常;所述AI形成动态ICD云质控库包括医学术语集、区域编码集、病种手术集、诊疗组合集、编码依据集、ICD加码集、收费项目集、疑难编码集,通过对多医院ICD编码质控数据模型分析,采用地区性质控系数+国家质控规范相结合的方式进行映射;5建立维护医保付费质控库:整理融合各地市医保付费相关的政策及专项检查项目,从付费方式匹配、医保结算计算、诊疗收费规范扫描、院内ICD疾病编码与物价收费关系模型维度,综合质控预警问题病历;6普通病历质控预警:根据ICD审核质控逻辑判别库、编码相关知识库,应用计算机技术对需质控编码病例的ICD编码、年龄、费用信息进行智能判别质控类别及提示质控内容,对于特殊病例全质控,对于普通病例按合适抽样方式进行抽查质控;所述的质控类别为特殊病例质控和普通病例质控7编码员抽检算法:选取近五年各编码人员质控资料,统计每年各编码人员常见及多发病病例编码正确率,采用多重线性回归方法,收集影响编码正确率的编码人员关键因素资料,并应用SPSS21.0软件进行单因素和多因素回归分析,确定合适的抽样模式,包括抽查率和抽查方式;所述的编码人员关键因素资料为医学背景、学历、擅长专业、工作年限、工作中主要章节编码、易错编码类目;8应用基于医保病种付费制的ICD编码人工智能审核质控系统:编写API通用接口融合不同的ICD编码系统,通过通用接口将智能审核质控模式融合于医院,ICD编码功能的系统进行实时抽查质控;API含数据接口及前端封装模块,支持其他系统一键调用且用户质控体验一致;编码质控成效分析:通过分析单元对ICD编码智能审核质控模式实施前后半年主要成效指标进行对比评估。

全文数据:

权利要求:

百度查询: 袁素华 基于医保病种付费制ICD编码人工智能审核质控模式与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。