基本医疗保险控费模式研究

近年来，我国基本医疗保险相关医疗费用呈现快速增长的态势。数额巨大的不合理医疗费用支出，不仅影响了医保基金安全、加大了基金管理难度，同时也增加了参保群众负担，给政府带来了巨大的压力，控制相关医疗费用过度增长迫在眉睫。

1基本医保相关医疗费用的现状

近年来，我国医保基金支出快速增长，从2008年的2084亿元增长到2017年的14422亿元，增加了近6倍。与此同时，医保收入虽然也以较快速度增长，但增长速度低于支出。如果扣除财政补贴，医保收入的增长速度则更低（见表1）。除少数年份外，基金结余率下降明显，从长远来看，医保基金可能面临当期收不抵支甚至“穿底”的风险。医保基金的收支失衡恰恰与医疗费用的不合理增长过快密切相关。2017年与2008年相比，我国医疗卫生总费用由14535.4亿元增长到51598.8亿元，远远超出同期经济发展速度；卫生总费用占GDP的比重由2008年4.83%提高到2017年的6.20%。导致基本医保相关医疗费用快速增长的原因是多方面的。就客观原因而言，医保覆盖面逐步扩大和保障平逐渐提高、老龄化问题日益严重、物价不断上涨、人力成本逐年提升、医疗技术稳步发展、医疗设备不断更新等因素，都可能导致医疗费用的不断上涨。但总体而言，这些因素大多数属于可控和可接受范围内的合理因素，并非是导致医疗费用不合理增长的主要因素。相对而言，各种人为主观因素才是导致医保相关医疗费用快速增长的“幕后黑手”。主观因素大致包括：不合规医疗、过度医疗、医保欺诈和基金滥用等。其中，不合规医疗包括挂床住院、医疗机构违规加价销售药品和耗材、重复收费等；过度医疗包括小病大治、过度检查、过度用药、过度使用医用耗材等；医保欺诈包括个人骗取医保基金、定点医疗机构骗取套取医保基金等；基金滥用则包括挪用医保基金对外借款、扩大使用范围（将医保基金用于其他社保支出）、套取现金或将医保基金用于购买日用品等。这些原因导致的医疗费用不合理增长可谓触目惊心。以医保欺诈为例，2017年1月，国家审计署公布的医疗保险审计结果显示，仅2016年上半年，全国医保基金涉及违法违规多达189件，涉案金额高达15.78亿元。

2医保控费模式

面对日益严峻的医疗费用发展态势，近年来，国内逐步形成了基于知识库的智能控费、药品福利管理（PharmacyBenefitManagement,PBM）控费、DRG控费、人工智能（ArtificialIntelligence，AI）控费等多种医保控费模式。四种控费模式各有优缺点（见表2），如能进一步优化，对有效控制医疗费用的不合理增长、维护医保基金安全和参保群众的切实利益、促进社会医疗保险可持续健康发展等，必然大有裨益。2.1基于知识库的智能控费。基于知识库的智能控费模式，是指在建立核心知识库（如临床知识库、药学知识库、政策法规知识库、医保知识库、医药标准知识库等）的基础上，通过构建医保智能审核监控系统，利用自动分析算法，对定点医疗机构不符合诊疗常规和临床规范的医疗服务行为、用药行为以及不符合报销标准的医疗费用和支付行为进行全面管理，从而形成事前提示、事中预警和事后审核的医保全流程智能化监控。2015年，人力资源与社会保障部印发了《关于全面推进基本医疗保险医疗服务智能监控经办规程》，要求用两年时间在全国推开基本医疗保险医疗服务智能监控。2016年底该监控模式全面实施以来，目前已在全国大多数地区开展，取得了良好的效果。2.1.1优点在智能控费模式下，医保经办机构对医保费用进行全面、精准、高效的智能审核与监控，如若发现不合规单据，系统会自动提示该单据需人工审核，并对审核结果进行统计分析。不仅极大提高了医保经办机构的医保费用管理效率，而且依托该模式积累的基础数据和统一的费用核算标准，势必为将来实现医保费用第三方管理打下坚实的基础。此外，通过该模式还可掌握每个患者的就诊信息和医生的诊疗服务信息，从而建立完备的医护人员和参保人员信息库，为将来完善医保信用体系奠定基础。2.1.2缺点第一，核心知识库的构建有一定难度。核心知识库的内容比较广泛，涉及临床手术、诊疗行为、药品使用、检验检测、健康护理、法律法规、政策制度等，而且随着政策法规和临床知识的不断变化，核心知识库的内容也必须随时做出相应调整。第二，审核结果的可靠性有待提高。一方面，受实际情况千变万化的影响，标准化审核模式有时可能导致审核结果出现偏差；另一方面，审核结果无法做到一步到位，当遇到不确定的审核结果时，最终还是要人工确认。第三，审核成本难以确定。该控费模式必须建立在医保智能审核监控系统的基础上，无论从专业知识还是硬件设施而言，医保经办机构都不具备开发、维护该系统的能力，必须借助第三方机构。这就意味着医保经办机构必须对系统的使用、维护和升级进行投入，势必会增加监控审核成本的不确定性。此外，该模式虽然能审核药品支出等主要费用，但对于整体医疗服务的精细化管理则显得力不从心。2.2PBM控费。PBM控费又称“医疗福利管理控费”，是一种专业化第三方控费模式。该控费模式基于业务范围涉及非常广泛（如药品目录管理、处方赔付、药品评价和健康管理）的第三方中介机构———药品福利管理公司，对患者就诊数据进行采集分析、审核药品处方，通过与药品生产企业、药品流通企业、医疗服务机构或保险机构等签订合同，对整个医疗服务流程进行管理和引导，从而有效监督医疗服务行为、控制医疗费用不合理支出。药品福利管理作为医保控费的重要模式，最早诞生于上世纪60年代的美国。在我国，该控费模式还处于初级阶段，目前国内仅有为数不多的企业涉足该领域。这些企业大致来自三大领域：医药流通领域，如瑞康药业、嘉事堂等；医疗IT领域，如海虹控股、万达信息、卫宁软件等；健康保险领域，如平安保险、人保健康等[1]。2.2.1优点。其一，能有效减轻政府职能部门和医疗机构的负担。由于其业务范围几乎涵盖了医疗服务全流程，包括药品目录管理、药房管理、药品集中采购、药品邮购服务、药品使用评价、处理处方赔付申请、各种疾病的初级管理、医疗检查监督、报销管理以及为医院提供各种增值服务等[1]，因此不仅可以减轻政府相关机构的管理压力，节省其人力、物力和财力方面的成本；同时，依托药品福利管理机构的工作经验与专业技能，还能有效提高控费效率。其二，能有效控制药品价格，破解药品价格虚高问题。我国药品流通环节错综复杂，从生产、流通到消费，要经历多个流通环节，每个环节都存在严重的信息不对称，导致药品价格虚高。而药品福利管理机构对药品流通环节的全程参与，使其在药价控制方面具有其他机构所不具备的排他性优势，能有效破解因信息不对称而导致的药品价格虚高。2.2.2缺点。首先，受人才、技术和制度的约束，成立药品福利管理机构本身具有较大的难度，不仅前期需要投入大量的人力、物力、资金和技术，而且目前国内缺乏比较成熟的运用模式，相关机构的赢利能力不足，一定程度上制约了药品福利管理机构控费能力的发挥。其次，当前我国医疗、保险及健康管理体制不完善、不成熟，药品福利管理机构在缺乏谈判话语权和议价能力的情况下，控费能力及其市场接受度有待提高。再次，该模式的建立及作用的发挥，必须建立在大量与医药、健康及保险相关的基础数据的获取上，但我国目前无论是医疗机构之间、还是保险机构之间，亦或是医疗机构与保险机构之间，其数据与信息都是相互独立的，信息孤岛十分严重。不兼容、不共享的信息系统势必给药品福利管理机构获取基础数据带来难以克服的困难。2.3DRG控费。DRG控费主要应用于住院患者付费领域，医疗费用的支付不是以医院投入的设备和医生投入的时间为依据，而是以医院的产出为衡量标准。放眼全球，DRG支付方式是当今世界公认的可以全面控制医疗费用增长和改善医疗服务质量的最为典型的控费模式[2]。2.3.1优点。（1）对监管机构而言，通过DRG支付方式不仅能使医院主动降低医疗服务成本、缩短平均住院天数、减少诱导性医疗费用支出，同时有助于医院加强医疗质量管理，激励医院和医生提高医疗服务水平。（2）对医保经办机构而言，DRG支付方式有利于宏观预测和控制医疗费用，还能降低管理难度和成本，提高工作效率。（3）对医疗机构而言，DRG支付方式客观上要求其增强成本控制与管理意识，加强对医疗服务成本的计划、控制、核算和考核，降低成本的同时实现经营效益最大化。（4）对患者而言，DRG控费模式下，医疗服务更透明、卫生资源利用更科学、卫生服务更有效，患者能享受到更公平合理的医疗服务。2.3.2缺点。作为一种全新的控费方式，构建DRG支付方式的前期，医院需要投入大量经费做好基础研究、人员培训、信息系统建设、病案首页等工作，会增加医院的工作量和经营成本。同时，DRG支付方式可能增加医院的财务风险。该风险可能来源于诊疗服务项目所导致的成本增加，也可能来源于服务数量变化所导致的经营成本提高[3]。另外，对外部因素的过度依赖可能使DRG支付方式的构建陷入困境。此外，DRG支付方式下医疗收费虽然更精准透明，但未必能真正反映医疗费用的客观事实。2.4AI控费。近年来，随着人工智能的快速发展，将AI技术引入医保控费逐渐被社会各界所关注。AI控费模式对弥补现有控费方式的短板、构建完备的医保控费体系、促进医保可持续健康发展，有着十分重要的意义。AI控费就是利用AI关键技术和特有功能，模仿人脑机制对与医疗服务行为及社保医疗费用支付相关的海量数据进行自动读取和采集分类，形成基于CNN、DNN等多种神经网络及算法的训练库；以训练库为依托，对采集的数据进行深度挖掘、全面研究和智能分析，探寻数据背后隐含的医疗行为与医保支付规律，为保障医保基金安全提供创新方法与途径[4]。2.4.1优点。AI技术的优点，一是智能化水平高。与其他控费模式相比，人工智能最大的优势在于，依托人脑机制，不仅具有执行命令的能力，还有自我学习、自我创造的能力，因此人工智能能有效提高医保智能审核和监控效率，辅助医保管理部门规范诊疗服务行为、强化医保基金监管。二是计算速度快。人工智能可以在较短时间内对海量的医保数据进行深度挖掘和精准分析，从而为医保控费提供科学依据。三是便捷。有些人工智能设备（如智能可穿戴设备）可随身携带，能做到及时、准确、无限地为参保人提供必要的健康管理咨询、形成海量的健康管理数据、跟踪参保人健康管理状况，从而有效提高其身心健康[5，6]。2.4.2缺点。AI技术的缺点，主要体现为对数据尤其是高质量医保数据的依赖性太强。截至2017年底，我国基本医保（包括城乡居民医疗保险及城镇职工医疗保险）和城乡居民大病保险的参保人数已超过13亿人，定点医疗机构数万家，医保数据呈现出数据量大、涉及范围广、临床信息丰富的特点。随着人工智能由“弱智能”向“强智能”的深度发展，对数据的依赖性越来越强，全面、及时、完整的医保数据会直接影响AI控费的效果。然而，受医保统筹层次偏低、数据标准化建设滞后、网络技术欠发达、政策法规不完善等多种因素的影响，当前我国医保数据呈现碎片化和孤岛化的特点，各地参保人员信息、缴费信息、支付待遇、医保目录、疾病分类、治疗程序、药品分类和药品编码等数据的完整性差、质量参差不齐，严重影响了人工智能对相关数据的深度挖掘和分析，进而影响了AI控费的效果。

3讨论

四种控费模式各有其特色与优势，但同时都存在不足。为提升各控费模式的功能与效果，应重点做好以下几方面工作。3.1构建多部门联动控费机制。有效控制基本医疗保险相关医疗费用的不合理增长是一项极其复杂的工程，不仅仅是政府部门的单方行为，而是涉及面广、工作量大的系统工程，需要多领域、多部门通力合作。特别需要卫生与健康部门、医保监管与经办机构、医疗机构、商业保险机构、药品生产企业、药品流通企业等群策群力，同时也需要第三方控费机构和技术开发部门的积极参与，共同构建多部门联动的医保控费机制。当前亟需解决的关键性同时也是基础性问题，就是要打破医保数据壁垒、提升医保数据质量，构建一体化、标准化数据库，实现数据资源的开放共享，为构建多部门通力合作的医保控费机制奠定基础。3.2建立多元化医保控费体系。单纯依托某一种控费模式，其效果有局限性。要打造智能控费、PBM控费、DRG控费、AI控费衔接互助、优劣互补的多元化医保控费体系，形成政府、医疗机构与第三方机构的整体合力，从而切实保护参保群众的合法权益。3.3推进医保控费立法。医保控费事关国计民生，不能马虎了事。各部门要强化对医保控费重要性的认识，积极推进医保控费立法，强化药品生产、流通、定价及医疗服务行为的全流程监管。从法律的角度严厉打击小病大治、挂床、骗保、虚开发票、招标行为弄虚作假等助推医疗费用不合理增长的违规行为；同时还要培养全社会的法律意识，引导各部门、各机构、各人员依法行政、依法办事。3.4加强复合型医保控费人才培养无论是制度的构建、政策的实施，还是技术的升级、软件的开发，都离不开人才。当前我国医保控费人才严重欠缺，既精通医学和信息科技，又熟悉医保及药品生产流通政策的相关复合型人才较少，相应的人才培养机制还未健全，人才培养的数量与质量与日益增长的控费需求相距甚远。为此，医保监管与经办部门有必要从基本医保的长远发展出发，制定相关人才培养计划，加大人才培养与引进力度，以满足医保控费对相关专业人才的需求。

作者:吴海波 刘统银 朱文芝 单位:江西中医药大学经济与管理学院