基于Hadoop平臺(tái)下醫(yī)保智能控費(fèi)系統(tǒng)的設(shè)計(jì)

陳復(fù)興 湯亮 涂茂明

（九江市第三人民醫(yī)院信息科 江西省九江市 332000）

自2018年3月國家醫(yī)療保障局成立以來，國家醫(yī)保基金監(jiān)管條例陸續(xù)出臺(tái)，全國公立醫(yī)院不定期飛行檢查，醫(yī)?；鸬墓芾硪呀?jīng)立法，觸犯了醫(yī)?；鸬墓芾韺⒚媾R法律的處罰。醫(yī)?；鸬膰?yán)格管理是維護(hù)全國人民群眾的醫(yī)療保障合法權(quán)益，醫(yī)?；鹗抢习傩盏纳让X，各醫(yī)療機(jī)構(gòu)應(yīng)充分利用信息化技術(shù)加強(qiáng)對(duì)醫(yī)?；鸬谋O(jiān)管。作為醫(yī)保監(jiān)管的主體公立醫(yī)院，必須轉(zhuǎn)變管理思維及方式，以往很多可通過人工審核發(fā)現(xiàn)的醫(yī)保基金違規(guī)情況，在當(dāng)前醫(yī)保管理規(guī)則越來越細(xì)化、全民參保的形勢(shì)下，人工審核已無法適應(yīng)。隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，特別在公立醫(yī)院信息化中，大數(shù)據(jù)技術(shù)已逐漸開始運(yùn)用于各臨床業(yè)務(wù)及醫(yī)院決策支持。在醫(yī)保監(jiān)管條例日益加緊背景下，利用大數(shù)據(jù)技術(shù)實(shí)時(shí)分階段分析醫(yī)保費(fèi)用數(shù)據(jù)已成為公立醫(yī)院信息化發(fā)展的方向。

1 醫(yī)保規(guī)則

2020年12月9日《醫(yī)療保障基金使用監(jiān)管條例》通過審議，2021年5月1日起施行，這是關(guān)于醫(yī)?；鹗褂玫牡谝徊糠ㄒ?guī)，為醫(yī)保部門提供了有法可依、有規(guī)必追的依據(jù)，結(jié)合近年來醫(yī)保部門飛行檢查涉案案例及地方醫(yī)保政策異同，臨床在違規(guī)使用醫(yī)保基金主要有超范圍用藥、重復(fù)收費(fèi)、分解住院、藥品進(jìn)銷存、耗材進(jìn)銷存、過渡醫(yī)療、串換對(duì)照等類型。具體解析：

（1）超范圍用藥：門診/住院診斷、治療與醫(yī)保用藥說明不相符。

（2）重復(fù)收費(fèi)：門診/住院收費(fèi)項(xiàng)目超檢查次數(shù)、超住院天數(shù)等。

（3）分解住院：2 次入院相同診斷、相同治療相隔時(shí)間較短。

（4）藥品進(jìn)銷存：藥品進(jìn)銷存量與門診/住院實(shí)際收費(fèi)量只差。

（5）耗材進(jìn)銷存：耗材進(jìn)銷存量與門診/住院實(shí)際收費(fèi)量只差。

（6）過渡醫(yī)療：一次住院期間發(fā)生檢查費(fèi)、檢驗(yàn)費(fèi)超出比例。

（7）串換對(duì)照等類型：醫(yī)院端診療項(xiàng)目上傳醫(yī)保編碼與醫(yī)保收費(fèi)項(xiàng)目編碼不相符。

在醫(yī)?；鸨O(jiān)管日益嚴(yán)格的趨勢(shì)下，仍有大部分公立醫(yī)院發(fā)生違規(guī)使用醫(yī)?；稹⒁环矫媸怯捎谂R床在診療活動(dòng)中無法及時(shí)掌握醫(yī)保政策、無法實(shí)時(shí)確定診療費(fèi)用是否符合醫(yī)保政策規(guī)定；另一方面醫(yī)保管理部門無法及時(shí)掌握臨床診療費(fèi)用，僅僅依靠人工審核，人工審核只能粗略審核醫(yī)保規(guī)則，較潛在的醫(yī)保規(guī)則無法發(fā)現(xiàn)如分解住院、串換對(duì)照、藥品進(jìn)銷存、耗材進(jìn)銷存。

2 Hadoop大數(shù)據(jù)技術(shù)

Hadoop 是一個(gè)由Apache 基金會(huì)所開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)，因?yàn)榉€(wěn)定、高效等特性Hadoop 已是常用云計(jì)算平臺(tái)之一，越來越受國內(nèi)外知名企業(yè)廣泛應(yīng)用如谷歌、百度、騰訊、網(wǎng)易。Hadoop 的運(yùn)算架構(gòu)由主節(jié)點(diǎn)、分節(jié)點(diǎn)、Client 機(jī)器節(jié)點(diǎn)三部分組成，其中HDFS、MapReduce 兩大Hadoop 核心任務(wù)模塊由主節(jié)點(diǎn)監(jiān)督、分配。在Hadopp 架構(gòu)系統(tǒng)中HDFS、MapReduce、HBae、Pig、Hbase 等成員組成Hadoop 運(yùn)算底層架構(gòu)。

2.1 HDFS分布式文件存儲(chǔ)系統(tǒng)

HDFS(Hadoop File System)是Hadoop 系統(tǒng)數(shù)據(jù)存儲(chǔ)和管理中心，具有高穩(wěn)定、高容錯(cuò)、高效率等特性。它是基于GFS 發(fā)展實(shí)現(xiàn)的分布式文件存儲(chǔ)系統(tǒng)，其集群分NameNode和DataNode 兩部分組成，通常單個(gè)NameNode 節(jié)點(diǎn)配合多個(gè)DataNode 節(jié)點(diǎn)組成的集群是一個(gè)HDFS 架構(gòu)的典型集群方式。NameNode 負(fù)責(zé)管理文件系統(tǒng)的元數(shù)據(jù)和 DataNode節(jié)點(diǎn)，DataNode 是文件系統(tǒng)的實(shí)際工作節(jié)點(diǎn)，負(fù)責(zé)存儲(chǔ)和檢索數(shù)據(jù)，并定期將存儲(chǔ)的塊信息發(fā)送給 NameNode。

2.2 MapReduce編碼模型

MapReduce 編程模型是當(dāng)前大數(shù)據(jù)流行的數(shù)據(jù)集處理的編程模型。其基本思想是將數(shù)據(jù)運(yùn)算任務(wù)分解成Map 和Reduce 兩部分實(shí)現(xiàn)，MapReduce 編程模型先在Map 階段對(duì)用戶輸入的請(qǐng)求數(shù)據(jù)進(jìn)行分解，根據(jù)集群運(yùn)算資源大小、請(qǐng)求數(shù)據(jù)資源大小分解成M 個(gè)分解任務(wù)，每個(gè)分解任務(wù)對(duì)應(yīng)一個(gè)Map 任務(wù)，這M 個(gè)分解任務(wù)分別獨(dú)自處理；在第二部分Reduce 運(yùn)算部分中，將M 個(gè)Map 分解任務(wù)匯總并得到最終結(jié)果。

MapReduce 具體實(shí)現(xiàn)方式為：當(dāng)用戶請(qǐng)求任務(wù)時(shí)，Map分拆分多個(gè)分片，每個(gè)分片都以鍵值對(duì)形式(),Map 方法對(duì)其進(jìn)行計(jì)算，其運(yùn)算結(jié)果也以鍵值對(duì)輸出(),輸入鍵值對(duì)經(jīng)Reduce 階段匯總后輸出最后結(jié)果，如圖1。

圖1 ：MarReduce 編程模型

3 傳統(tǒng)統(tǒng)計(jì)醫(yī)保診療費(fèi)用效率分析

患者在公立醫(yī)院診療過程中，任何一項(xiàng)診療過程中均產(chǎn)生醫(yī)保基金費(fèi)用如門診/住院診查費(fèi)、門診/住院檢驗(yàn)費(fèi)、門診/住院檢查費(fèi)，門診/住院藥品費(fèi)。在具體費(fèi)用業(yè)務(wù)系統(tǒng)中，涉及HIS、EMR、LIS、PACS、手術(shù)計(jì)費(fèi)等系統(tǒng)。HIS、LIS、手術(shù)計(jì)費(fèi)業(yè)務(wù)系統(tǒng)均為關(guān)系型數(shù)據(jù)庫，費(fèi)用信息查詢可通過SQL 查詢語句。如；EMR、PACS 等結(jié)構(gòu)化結(jié)果業(yè)務(wù)系統(tǒng)均為非關(guān)系型結(jié)果集，核對(duì)費(fèi)用信息時(shí)必須先通過自然語言處理解析結(jié)構(gòu)化結(jié)構(gòu)集，再核對(duì)相關(guān)費(fèi)用。如在關(guān)系型數(shù)據(jù)庫：

（1）查詢重復(fù)收費(fèi)SQL 語句：

select ztmc,count(*) a from (select ztmc,yzzh from zy_bqyz where zyh=:as_zyh and zxks<>檢查科室代碼 and ztmc is not null group by ztmc,yzzh)group by ztmc

（2）過渡醫(yī)療SQL 語句：

select (select sum(zjje)from zy_fymx where zyh=? and xmlx=1)/(select sum(zjje)from zy_fymx where zyh=?) from dual

（3）串換對(duì)照等類型SQL 語句：

select ylmlbm,sybxmbm from syb_fymx

在非關(guān)系型結(jié)構(gòu)化結(jié)果中：

（1）EMR 病程中查詢記錄特殊用藥情況：

Begin

Select(病程記錄) //查詢病程記錄

NLP(病程記錄) //自然語言處理病程記錄

Spilt(病程記錄) //自然語言分詞病程記錄

ConvertHIS(病程記錄) //轉(zhuǎn)換HIS 費(fèi)用信息

End

在關(guān)系型數(shù)據(jù)庫，為了提高查詢效率，各關(guān)系型數(shù)據(jù)庫均提供關(guān)鍵字段上建索引功能，而索引實(shí)質(zhì)是一種樹形結(jié)構(gòu),查詢算法復(fù)雜度為O(LogN),根據(jù)查詢數(shù)據(jù)量及網(wǎng)絡(luò)傳輸帶寬，關(guān)系型數(shù)據(jù)庫中查詢效率為公式（1）：

其中：T 查詢總時(shí)間；S 請(qǐng)求查詢數(shù)據(jù)量；P 網(wǎng)絡(luò)帶寬

在非關(guān)系型結(jié)構(gòu)化結(jié)果，查詢效率依賴于自然語言解析效率，不同自然語言解析方法其效率不同，非關(guān)系型結(jié)構(gòu)化結(jié)果中查詢效率為公式（2）：

其中：T 查詢總時(shí)間；S 請(qǐng)求查詢數(shù)據(jù)量；P 網(wǎng)絡(luò)帶寬

4 智能控費(fèi)系統(tǒng)設(shè)計(jì)

本智能化控費(fèi)系統(tǒng)基于Hadoop 平臺(tái)設(shè)計(jì)，主要運(yùn)用到Hadoop 中HDFS、MapReduce 兩核心組件。其中HDFS 負(fù)責(zé)分布式存儲(chǔ)醫(yī)保診療費(fèi)用統(tǒng)計(jì)信息，MapReduce 負(fù)責(zé)對(duì)這些醫(yī)保診療費(fèi)用統(tǒng)計(jì)信息并行計(jì)算并輸出結(jié)果。如圖2 所示，智能控費(fèi)系統(tǒng)的處理流程科分為抽取、存儲(chǔ)和計(jì)算。智能控費(fèi)系統(tǒng)運(yùn)算集群采用四臺(tái)物理機(jī)組成虛擬化環(huán)境，通過虛擬化環(huán)境搭建15 臺(tái)虛擬服務(wù)器，每臺(tái)虛擬服務(wù)器安裝Centos 7.0操作系統(tǒng)，15臺(tái)虛擬服務(wù)器搭建Hadoop大數(shù)據(jù)運(yùn)行環(huán)境。

圖2 ：智能控費(fèi)系統(tǒng)架構(gòu)

4.1 醫(yī)保規(guī)則數(shù)字化

根據(jù)《醫(yī)療保障基金使用監(jiān)管條例》將所有醫(yī)?；鸨O(jiān)管條例數(shù)字化，轉(zhuǎn)化計(jì)算機(jī)可識(shí)別，為了提高轉(zhuǎn)化效率，需聯(lián)合醫(yī)保、物價(jià)科、藥劑科、醫(yī)務(wù)科預(yù)先維護(hù)如下基礎(chǔ)信息：

（1）醫(yī)保用藥說明，每種藥品均維護(hù)對(duì)應(yīng)具體適應(yīng)癥，如檢驗(yàn)結(jié)果、檢查結(jié)果、治療方案。

（2）收費(fèi)項(xiàng)目次數(shù)，每類收費(fèi)項(xiàng)目均維護(hù)其收費(fèi)次數(shù)。

（3）過渡醫(yī)療標(biāo)準(zhǔn)，診療活動(dòng)中藥占比、檢驗(yàn)、檢查占比。

（4）收費(fèi)項(xiàng)目醫(yī)保編碼對(duì)照，提供醫(yī)保收費(fèi)項(xiàng)目編碼庫。

（5）藥品庫與耗材庫與收費(fèi)藥品、耗材間對(duì)照。

根據(jù)基礎(chǔ)信息，醫(yī)?；鸨O(jiān)管條例可轉(zhuǎn)化計(jì)算機(jī)數(shù)字化，如超范圍用藥根據(jù)維護(hù)用藥說明即可判斷是否合規(guī)；重復(fù)收費(fèi)可根據(jù)項(xiàng)目對(duì)應(yīng)次數(shù)判斷是否合規(guī)；藥品進(jìn)銷存可根據(jù)對(duì)照關(guān)系分別統(tǒng)計(jì)收費(fèi)藥品與藥品庫中消耗只差判斷是否合規(guī)。

4.2 分階段控費(fèi)

為了分階段控費(fèi)，各臨床業(yè)務(wù)系統(tǒng)改造系統(tǒng)將產(chǎn)生醫(yī)保診療費(fèi)用后實(shí)時(shí)主動(dòng)推送至Hadoop 平臺(tái)中，平臺(tái)接受到請(qǐng)求后，轉(zhuǎn)發(fā)至NameNode 節(jié)點(diǎn)，NameNode 節(jié)點(diǎn)根據(jù)權(quán)限分配集群DataNode 節(jié)點(diǎn)。MapReduce 并行運(yùn)算框架根據(jù)醫(yī)?；鸨O(jiān)管條例規(guī)則數(shù)字化Map 階段逐個(gè)統(tǒng)計(jì)，Reduce 階段匯總最終結(jié)果。 在事前控費(fèi)中，如開立醫(yī)保用藥時(shí)，智能控費(fèi)系統(tǒng)實(shí)時(shí)從Hadoop 平臺(tái)中獲取藥品適應(yīng)癥，根據(jù)適應(yīng)癥智能診斷是否合規(guī)；在事中控制中，根據(jù)Hadoop 平臺(tái)并行運(yùn)算結(jié)果，將不合規(guī)結(jié)果主動(dòng)推送至臨床業(yè)務(wù)系統(tǒng)中，如過渡醫(yī)療、重復(fù)計(jì)費(fèi)、分解住院；在事后控費(fèi)中，當(dāng)患者結(jié)算時(shí)，業(yè)務(wù)系統(tǒng)發(fā)送醫(yī)保費(fèi)用診斷請(qǐng)求時(shí)，Hadoop 平臺(tái)返回串換項(xiàng)目、藥品進(jìn)銷存、耗材進(jìn)銷存等不合規(guī)提示。

4.3 決策支持統(tǒng)計(jì)

為了醫(yī)保部門、院領(lǐng)導(dǎo)及時(shí)掌握醫(yī)?；饎?dòng)態(tài)，Hadoop平臺(tái)根據(jù)實(shí)時(shí)醫(yī)保診療費(fèi)用數(shù)據(jù)，統(tǒng)計(jì)個(gè)各類報(bào)表，如全院醫(yī)?；鹗褂寐?、全院藥品進(jìn)銷存、全院耗材進(jìn)銷存、全院過渡醫(yī)療等分布。

4.4 查詢效率分析

Hadoop 平臺(tái)下醫(yī)保費(fèi)用控制由于醫(yī)保診療費(fèi)用在個(gè)臨床業(yè)務(wù)產(chǎn)生已實(shí)時(shí)推送至Hadoop 平臺(tái)中，由Hadoop 平臺(tái)根據(jù)醫(yī)?；鸨O(jiān)管條例動(dòng)態(tài)判斷是否合規(guī)，在事前、事中、事后醫(yī)保診療費(fèi)用判斷合規(guī)僅依賴于網(wǎng)絡(luò)帶寬，如圖3 和圖4 所示：

圖3 ：事中醫(yī)?？刭M(fèi)提示

圖4 ：事后醫(yī)?？刭M(fèi)提示

其中： S 請(qǐng)求查詢數(shù)據(jù)量；P 網(wǎng)絡(luò)帶寬。

5 總結(jié)

傳統(tǒng)醫(yī)保控費(fèi)僅僅依靠關(guān)系型數(shù)據(jù)庫SQL 查詢語句判斷診療行為是否合規(guī)，不僅查詢效率低、部分規(guī)則無法通過SQL 語句判斷，還直接影響臨床日常工作效率，基于Hadoop 平臺(tái)下智能控費(fèi)系統(tǒng)的設(shè)計(jì)是對(duì)傳統(tǒng)方式的徹底改良，從單機(jī)運(yùn)行轉(zhuǎn)化多節(jié)點(diǎn)并行運(yùn)行，大大提高了運(yùn)行速度，在臨床業(yè)務(wù)中”零”干擾實(shí)現(xiàn)醫(yī)保費(fèi)用控制。