基于大數據的醫院DRGs信息化管理模式研究

陳曉鋮

廣東省中山市人民醫院信息科，廣東中山 528403

基于大數據的醫院DRGs信息化管理模式研究

陳曉鋮

廣東省中山市人民醫院信息科，廣東中山 528403

經過多年的研究和探索應用，DRGs信息管理系統試運行已經積累了海量的數據資源，傳統的人工分析方法已經無法滿足需求，亟需引入BP神經網絡、支持向量機、K均值算法等，利用大數據分析技術構建一個良好的管理系統，實現信息的再加工和利用，具有重要的作用和意義。該文重點描述大數據在DRGs試運行中的應用情況，同時分析了K均值、BP神經網絡、支持向量機等大數據技術的應用特點和發展趨勢，為DRGs試運行的普及使用和效率改進體用支撐。

大數據；DRGs；數據挖掘；BP神經網絡

隨著“互聯網+”技術的發展和改進，“互聯網+醫療”已經成為當前科研機構、政企單位、醫院研究應用的熱點，利用計算機技術開發HIS醫院信息系統，包括LIS（實驗室信息系統或檢驗信息系統、PACS（醫學影像存檔和通信系統）、EMR（電子病歷系統）、CIS（臨床信息系統）、NIS（監護信息系統）等，大大地提高了醫院的信息化、智能化和自動化水平，更好地滿足醫療診斷服務。DRGs是一個綜合考慮患者疾病嚴重程度、復雜性，同時結合醫療需求和醫療資源的使用強度，設計和開發的以患者為中心的病歷組合系統，該系統一經投入使用，便能得到了迅速的普及，可以有效地為衛生管理部門評價醫療機構的服務績效提供支撐，同時也可以為醫療保險部門根據分組劃分結果進行醫療費用管理[1]。

DRGs運行需要引入海量的數據，傳統的人工、半人工分組模式已經無法滿足需求，因此利用大數據技術，可以取代傳統的人工或半人工分析模式，利用大數據挖掘分析技術，從大數據中挖掘潛在的、有價值的信息，形成一個個的信息類，信息類之間具有較大的相異性，信息類內部具有較高的同質性，因此可以利用信息類進行分類操作，提供一個合理的知識解釋和決策信息[2]。但是，大數據時代，數據量呈現出指數級上升特點，同時數據的評價維度也逐漸豐富，如何提高大數據挖掘結果的準確性和價值性，已經成為許多人的研究熱點。該文重點描述大數據在DRGs試運行中的應用情況，同時分析了K均值、BP神經網絡、支持向量機等大數據技術的應用特點和發展趨勢，為DRGs試運行的普及使用和效率改進體用支撐[3]。

1 DRGs信息化管理實踐分析

疾病診斷相關分組（Diagnosis Related Groups，簡稱DRGs）是上個世紀70年代美國學者研發的一種先進的、科學的病例組合系統，該系統能夠以出院患者的病歷為基本依據，綜合考慮患者的診斷模式、治療方式，結合患者的個體特征進行分組，個體特征可以包括并發癥、伴隨病、年齡、性別等，同時結合患者疾病的復雜程度、診斷治療的費用劃分病例分組，是一個真正以患者為中心、精細化管理的工具[4]。2015年，廣東省成立DRGs管理中心，近年來經過省衛生計生委的領導下，DRGs管理中心開始研究、實施、應用和管理工作，逐漸探索出一條適合廣東醫院實施的DRGs，促進醫院從管理隨意化向規范化、粗放經營向精細化管理轉變。開展DRG付費改革是促進公立醫院運行機制改革，破除以藥養醫的有效手段，是建立分級診療制度的有效途徑，通過醫保打包付費，將藥品和耗材等轉化為醫療機構的成本要素，這種激勵機制的轉變，有利于調動醫療機構主動的調整結構和機制，充分調動醫務人員主動有效地降低醫療成本、提高醫療效率和提升服務質量的積極性。

①管理隨意化向規范化轉變。隨意化管理是在機構的初創期所采取的一種管理方式，一般缺乏規則意識和制度約束，無法支撐機構的正常發展和壯大。機構想要繼續發展，必須是管理走上規范化、制度化道路。DRGs試運行之后，能有效規范醫院管理模式，由經驗型、隨意化向科學化、正規化、制度化管理模式轉變，順應時代的發展潮流。

②由粗放型經營向精細化管理發展。醫療機構開展過程中，由于醫療科室很多，各個科室均有自己的業務，因此長期粗放型經營模式已經無法滿足需求，僅僅靠投資、需求拉動增長無法提升醫療服務水平，許多醫療結構領導過于務虛，管理流程流于形式。DRGs試運行強調管理的數據化、精確化，管理流程得到了持續優化和改進，實現了以人為核心的醫療診斷服務模式，提升了醫院的持續創新精神[5]。

2 大數據在DRGs信息化管理中的應用

DRGs信息化管理試運行期間已經積累了海量的數據資源，從病歷信息中可以提取藥物使用、診斷模式、患者個人信息等，這些數據為提高醫療診斷服務水平具有重要的作用，但是海量的數據搜索工作非常耗費人力，不能夠匹配最優化的分組，因此，大數據分析技術誕生之后，可以利用BP神經網絡、支持向量機、K均值等數據挖掘技術，從DRGs信息化管理試運行積累的海量數據中尋找有價值的信息，從而可以更好的調整和改進工作水平。大數據在DRGs信息化管理中地應用如圖1所示。

①BP神經網絡。BP神經網絡又被稱為連接機模型，模仿人的大腦神經系統活動的規律建立起來的計算模式，是對眾多需要處理的單元進行互聯形成的網絡系統。BP神經網絡在運行時可以將DRGs信息劃分為多層層次，每一個層次都需要進行計算，計算過程中可以針對不同的特征映射進行操作完成，每一個特征操作映射都采用二維平面的形式存在，這些平面中擁有很多的神經元，這些神經元都可以在約束情況下完成權值集合操作。卷積神經網絡在卷積層完成相關的信息計算服務處理之后，系統可以實現一個強大的局部平均操作處理，這樣就可以實現信息處理和加工操作，經過多層次的平移變換操作，可以產生相關的敏感度，這些敏感度正在逐漸下降，可以更好地進行子抽樣操作服務。

②支持向量機。支持向量機是一種性能強大的數據分析技術，其可以解決樣本數量較少、非線性或高維模式數據分析的問題，比如推廣到函數擬合的其他類型數據分析問題中，可以更好地分析數據、識別模式，用于分類和回歸分析。支持向量機作為一種先進的數據挖掘技術，在DRGs分組中也存在嚴重的精確度較低問題，因此可以引入自適應共振理論，進一步利用數據中蘊含的有價值信息，將這些信息進行分類和挖掘，從而可以從不同的角度進行分類和操作。

圖1 基于大數據的DRGs算法運行流程圖

③K均值。K均值（K-means）算法是一種基于距離的聚類算法，其可以把DRGs中的患者對象數據之間相似程度作為度量指標，采用無監督學習模式，通常兩個患者對象數據的距離越近，這兩個數據對象的相似性就會越高，不需要指定數據的類別標簽就可以獲取內部結構，將數據匯聚在一起，實現數據解釋。

3 結語

DRGs作為一種疾病診斷相關分組管理模式，其需要根據歷年患者的信息，按照某種規則或需求劃分患者到組中。DRGs分組劃分過程中，由于數據量非常大，傳統管理模式無法滿足需求，該文探討了在DRGs分組中引入BP神經網絡、K均值和支持向量機，可以大幅度提升分組的準確度，具有重要的作用和意義。

[1]李婧,胡光宇.DRGs在醫院精細化管理中的應用[J].中國管理信息化,2016,19(14):72-73.

[2]簡偉研,胡牧.基于診斷相關組(DRGs)付費的工作模式和運作機制[J].中華醫院管理雜志,2015,31(11):812-816.

[3]劉會勛,劉超然.大數據時代的醫院信息化建設研究[J].中醫藥管理雜志,2015(5):56-58.

[4]王鵬,陳仲強,胡牧.基于DRGs制定平均住院日指標的方法[J].中國醫院,2009,13(5):23-27.

[5]王鵬,金昌曉,胡牧.診斷相關組促進醫院管理[J].中國社會保障,2016,12(10):41-43.

Research on Hospital DRGs Information Management Model Based on Big Data

CHEN Xiao-cheng
Department of Information,Zhongshan People’s Hospital of Guangdong Province,Zhongshan,Guangdong Province,528403 China

With the advancement of medical reform and the development of hospital information,the introduction of DRGs management model for the general trend of the hospital,this model can achieve a more standardized,scientific and refined hospital.After many years of research and exploration and application,DRGs information management system has accumulated a large amount of data resources,the traditional manual analysis method has been unable to meet the needs of the urgent demand for introduction of BP neural network,supporting vector machine,K-means algorithm.Building a good management system to achieve the re-processing and use of information by data analysis technology has an important value and function.

Big data;DRGs;Data mining;BP neural network

R197

A

1672-5654（2017）09（b）-0051-02

2017-06-18）

10.16659/j.cnki.1672-5654.2017.26.051

陳曉鋮（1976-），男，廣東中山人，碩士，高級工程師，主要從事信息化建設管理工作。