基于大数据的医院DRGs信息化管理模式研究
[摘要] 经过多年的研究和探索应用，DRGs信息管理系统试运行已经积累了海量的数据资源，传统的人工分析方法已经无法满足需求，亟需引入BP神经网络、支持向量机、K均值算法等，利用大数据分析技术构建一个良好的管理系统，实现信息的再加工和利用，具有重要的作用和意义。该文重点描述大数据在DRGs试运行中的应用情况，同时分析了K均值、BP神经网络、支持向量机等大数据技术的应用特点和发展趋势，为DRGs试运行的普及使用和效率改进体用支撑。
[关键词] 大数据；DRGs；数据挖掘；BP神经网络
[中图分类号] R197 [文献标识码] A [文章编号] 1672-5654（2017）09（b）-0051-02
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
[Abstract] 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.
[Key words] Big data； DRGs； Data mining； BP neural network
隨着“互联网+”技术的发展和改进，“互联网+医疗”已经成为当前科研机构、政企单位、医院研究应用的热点，利用计算机技术开发HIS医院信息系统，包括LIS（实验室信息系统或检验信息系统、PACS（医学影像存档和通信系统）、EMR（电子病历系统）、CIS（临床信息系统）、NIS（监护信息系统）等，大大地提高了医院的信息化、智能化和自动化水平，更好地满足医疗诊断服务。DRGs是一个综合考虑患者疾病严重程度、复杂性，同时结合医疗需求和医疗资源的使用强度，设计和开发的以患者为中心的病历组合系统，该系统一经投入使用，便能得到了迅速的普及，可以有效地为卫生管理部门评价医疗机构的服务绩效提供支撑，同时也可以为医疗保险部门根据分组划分结果进行医疗费用管理[1]。
DRGs运行需要引入海量的数据，传统的人工、半人工分组模式已经无法满足需求，因此利用大数据技术，可以取代传统的人工或半人工分析模式，利用大数据挖掘分析技术，从大数据中挖掘潜在的、有价值的信息，形成一个个的信息类，信息类之间具有较大的相异性，信息类内部具有较高的同质性，因此可以利用信息类进行分类操作，提供一个合理的知识解释和决策信息[2]。但是，大数据时代，数据量呈现出指数级上升特点，同时数据的评价维度也逐渐丰富，如何提高大数据挖掘结果的准确性和价值性，已经成为许多人的研究热点。该文重点描述大数据在DRGs试运行中的应用情况，同时分析了K均值、BP神经网络、支持向量机等大数据技术的应用特点和发展趋势，为DRGs试运行的普及使用和效率改进体用支撑[3]。
1 DRGs信息化管理实践分析
疾病诊断相关分组（Diagnosis Related Groups，简称DRGs）是上个世纪70年代美国学者研发的一种先进的、科学的病例组合系统，该系统能够以出院患者的病历为基本依据，综合考虑患者的诊断模式、治疗方式，结合患者的个体特征进行分组，个体特征可以包括并发症、伴随病、年龄、性别等，同时结合患者疾病的复杂程度、诊断治疗的费用划分病例分组，是一个真正以患者为中心、精细化管理的工具[4]。2015年，广东省成立DRGs管理中心，近年来经过省卫生计生委的领导下，DRGs管理中心开始研究、实施、应用和管理工作，逐渐探索出一条适合广东医院实施的DRGs，促进医院从管理随意化向规范化、粗放经营向精细化管理转变。开展DRG付费改革是促进公立医院运行机制改革，破除以药养医的有效手段，是建立分级诊疗制度的有效途径，通过医保打包付费，将药品和耗材等转化为医疗机构的成本要素，这种激励机制的转变，有利于调动医疗机构主动的调整结构和机制，充分调动医务人员主动有效地降低医疗成本、提高医疗效率和提升服务质量的积极性。
①管理随意化向规范化转变。随意化管理是在机构的初创期所采取的一种管理方式，一般缺乏规则意识和制度约束，无法支撑机构的正常发展和壮大。机构想要继续发展，必须是管理走上规范化、制度化道路。DRGs试运行之后，能有效规范医院管理模式，由经验型、随意化向科学化、正规化、制度化管理模式转变，顺应时代的发展潮流。
②由粗放型经营向精细化管理发展。医疗机构开展过程中，由于医疗科室很多，各个科室均有自己的业务，因此长期粗放型经营模式已经无法满足需求，仅仅靠投资、需求拉动增长无法提升医疗服务水平，许多医疗结构领导过于务虚，管理流程流于形式。DRGs试运行强调管理的数据化、精确化，管理流程得到了持续优化和改进，实现了以人为核心的医疗诊断服务模式，提升了医院的持续创新精神[5]。
2 大数据在DRGs信息化管理中的应用
DRGs信息化管理试运行期间已经积累了海量的数据资源，从病历信息中可以提取药物使用、诊断模式、患者个人信息等，这些数据为提高医疗诊断服务水平具有重要的作用，但是海量的数据搜索工作非常耗费人力，不能够匹配最优化的分组，因此，大数据分析技术诞生之后，可以利用BP神经网络、支持向量机、K均值等数据挖掘技术，从DRGs信息化管理试运行积累的海量数据中寻找有价值的信息，从而可以更好的调整和改进工作水平。大数据在DRGs信息化管理中地应用如图1所示。
①BP神经网络。BP神经网络又被称为连接机模型，模仿人的大腦神经系统活动的规律建立起来的计算模式，是对众多需要处理的单元进行互联形成的网络系统。BP神经网络在运行时可以将DRGs信息划分为多层层次，每一个层次都需要进行计算，计算过程中可以针对不同的特征映射进行操作完成，每一个特征操作映射都采用二维平面的形式存在，这些平面中拥有很多的神经元，这些神经元都可以在约束情况下完成权值集合操作。卷积神经网络在卷积层完成相关的信息计算服务处理之后，系统可以实现一个强大的局部平均操作处理，这样就可以实现信息处理和加工操作，经过多层次的平移变换操作，可以产生相关的敏感度，这些敏感度正在逐渐下降，可以更好地进行子抽样操作服务。
②支持向量机。支持向量机是一种性能强大的数据分析技术，其可以解决样本数量较少、非线性或高维模式数据分析的问题，比如推广到函数拟合的其他类型数据分析问题中，可以更好地分析数据、识别模式，用于分类和回归分析。支持向量机作为一种先进的数据挖掘技术，在DRGs分组中也存在严重的精确度较低问题，因此可以引入自适应共振理论，进一步利用数据中蕴含的有价值信息，将这些信息进行分类和挖掘，从而可以从不同的角度进行分类和操作。
③K均值。K均值（K-means）算法是一种基于距离的聚类算法，其可以把DRGs中的患者对象数据之间相似程度作为度量指标，采用无监督学习模式，通常两个患者对象数据的距离越近，这两个数据对象的相似性就会越高，不需要指定数据的类别标签就可以获取内部结构，将数据汇聚在一起，实现数据解释。
3 结语
DRGs作为一种疾病诊断相关分组管理模式，其需要根据历年患者的信息，按照某种规则或需求划分患者到组中。DRGs分组划分过程中，由于数据量非常大，传统管理模式无法满足需求，该文探讨了在DRGs分组中引入BP神经网络、K均值和支持向量机，可以大幅度提升分组的准确度，具有重要的作用和意义。
[参考文献]
[1] 李婧，胡光宇.DRGs在医院精细化管理中的应用[J].中国管理信息化，2016，19（14）：72-73.
[2] 简伟研，胡牧.基于诊断相关组（DRGs）付费的工作模式和运作机制[J].中华医院管理杂志，2015，31（11）：812-816.
[3] 刘会勋，刘超然.大数据时代的医院信息化建设研究[J].中医药管理杂志，2015（5）：56-58.
[4] 王鹏，陈仲强，胡牧.基于DRGs制定平均住院日指标的方法[J].中国医院，2009，13（5）：23-27.
[5] 王鹏，金昌晓，胡牧.诊断相关组促进医院管理[J].中国社会保障，2016，12（10）：41-43.
（收稿日期：2017-06-18）
