[发明专利]一种基于人工智能的DRG分组方法

说明书

本发明公开了一种基于人工智能的DRG分组方法，包括：1)获取病案数据与结算数据，利用AI技术自动获取数据特征集，并对获取数据进行裁剪处理；2)按照主诊断分为26个MDC，结合主要手术操作，对其中25个MDC进行细分成获得ADRG；3)在ADRG的基础上结合CC、MCC，将ADRG进一步细分成三组；4)在特征集中选择核心特征因子，利用聚类算法分别对ADRG细分三组的病案数据进行聚类，若干类得到DRG；5)利用决策森林对聚类后的DRG进行处理，合并部分分组，获得最终DRG分组。采用人工智能AI技术自动筛选疾病诊断分组DRG筛选特征因子，结合临床实际进行分组，打破了经验主义的约束，提升了分组的准确性与有效性。

技术领域

本申请涉及人工智能技术，尤其涉及一种基于人工智能的DRG分组方法。

背景技术

近年来，DRG(疾病诊断相关分组)在医疗服务行业获得了相当大的关注。1988年DRG引入到中国，展开了中国DRG系统技术研究的开端；2004年北京开始DRG付费研究到2015年国家卫计委牵头全国DRG研究工作，国内已经累计了十多年的DRG应用经验，覆盖了病案质控、疾病分组、基金拨付、绩效管理等各个方面。但是DRG分组在推广上一直受到限制，主要问题集中在三个方面。一是诊断编码与手术的适配与识别程度低，导致采集数据质量差，影响分组效果；二是分组中采取的方法严重依靠人工经验，带有严重的地区特色，对地区依赖性较大，推广性较差；三是分组后的处理方法不具有普适性，分组的效果和调整方法受到资源限制，导致分组效果难以保障，应用难度大。

发明内容

鉴于此，本本申请实施例提供一种基于人工智能的DRG分组方法，旨在利用人工智能技术填补数据识别与处理层面医疗资源不足等问题，提供普适性更强，使用便捷性更好的DRG分组方法，为DRG分组全面推广提供技术借鉴。

本申请所采用的技术方案如下：

本申请实施例提供一种基于人工智能的DRG分组方法如下：

1)获取病案数据与结算数据，利用人工智能AI技术自动获取数据特征集，并利用裁剪算法对获取数据进行裁剪处理；

2)按照主诊断分为26个主要疾病分类MDC，结合主要手术操作，对其中25个主要疾病分类MDC进行细分成获得核心疾病诊断相关分组ADRG；

3)在核心疾病诊断相关分组ADRG的基础上结合并发症、伴随病将核心疾病诊断相关分组ADRG进一步细分成三组；

4)在特征集中选择核心特征因子，利用聚类算法分别对核心疾病诊断相关分组ADRG细分三组的病案数据进行聚类，若干类得到DRG；

5)利用决策森林对聚类后的DRG进行处理，合并部分分组，获得最终DRG分组。

进一步的，所述步骤1)中，所述的数据特征集中的特征因素通过人工智能AI自动筛选获得，所述特征因素包括年龄、性别、住院时间、医疗总费用、新生儿体重、主手术操作级别和5天内转院或死亡。

进一步的，所述步骤1)中，对采集的数据进行裁剪，借鉴中间区间法，根据数据量与数据特点设置合适的裁剪范围，对数据进行降噪处理。

进一步的，所述步骤2)中，识别诊断与主要手术是利用训练良好的语义识别算法模型对病案数据中疾病诊断与诊断编码、手术操作及手术操作编码进行识别，并标注异常问题传递给医院专家进行审核议定。

进一步的，所述步骤3)中，所述核心疾病诊断相关分组ADRG细分的三组主要结合并发症伴随病分为重要合并症与伴随病MCC组、并发症与伴随病CC组及无并发症与伴随病NoCC组。

进一步的，所述步骤4)中，所述数据聚类主要是聚类算法为K-MEANS(K均值聚类方法)算法，按照年龄，性别，住院时间，医疗总费用，新生儿体重，主手术操作级别，5天内转院或死亡7个特征因素进行聚类，获得聚类后的分组。