隨著DRG支付方式的逐漸落地，醫(yī)院將從“點餐”模式向“自助餐”經(jīng)營模式實現(xiàn)巨大的轉(zhuǎn)變。

近日，雷鋒網(wǎng)醫(yī)療科技·未來投資云峰會揭幕。 本次峰會邀請到紅杉中國、軟銀中國、高榕資本、聯(lián)想創(chuàng)投、點石資本、磐霖資本、啟明創(chuàng)投、國科嘉和、遠毅資本的多位頂級觀察者，以云峰會形式，從專業(yè)投資人的角度剖析醫(yī)療大數(shù)據(jù)、藥企創(chuàng)新服務(wù)、醫(yī)療機器人等多個醫(yī)療科技新領(lǐng)域的投資邏輯和項目經(jīng)驗。來自遠毅資本的唐軼男以《AI病案質(zhì)控在DRG支付和醫(yī)院精細化管理領(lǐng)域的應(yīng)用》為題，發(fā)表了主題演講。 她表示，隨著DRG支付方式的逐漸落地，醫(yī)院將從“點餐”模式向“自助餐”經(jīng)營模式進行轉(zhuǎn)變。 在此背景下，醫(yī)院病案數(shù)據(jù)的重要性呈指數(shù)級上升，因為病案數(shù)據(jù)起到了一個連接臨床系統(tǒng)和支付體系的橋梁作用，承載了醫(yī)保支付績效考核多層次的重任，關(guān)乎醫(yī)院的面子和里子。 然而，醫(yī)院病案數(shù)據(jù)的質(zhì)量卻面臨很大的問題，因此，數(shù)據(jù)驅(qū)動的精細化管理是未來的一大方向，以“質(zhì)控”為核心的AI系統(tǒng)將為醫(yī)院帶來巨大的經(jīng)濟價值和管理價值。

以下為唐軼男的峰會演講內(nèi)容，雷鋒網(wǎng)《醫(yī)健AI掘金志》作了不改變原意的編輯及整理

感謝雷鋒網(wǎng)的邀請，我是遠毅資本的唐軼男。 從三年前起，我開始關(guān)注醫(yī)保支付改革。當(dāng)時特別興奮，因為只有變化才能給新事物帶來成長的機會。 作為一個早期的醫(yī)療投資機構(gòu)，我們的任務(wù)就是在一個賽道成為行業(yè)共識之前，識別并提前布局。未來十年，醫(yī)療行業(yè)最大的一個變量就是醫(yī)保改革。幸運的是，通過對DRG的研究，我發(fā)現(xiàn)了一個新的賽道——AI的病案質(zhì)控。 首先，先介紹一下遠毅資本。 我們是一家專注于醫(yī)療早期風(fēng)險投資的基金，有四大投資方向：流通觸達、保險科技、器械設(shè)備和精準診療。其中，保險支付和流通觸達是遠毅資本比較獨特的兩個投資方向。 下面是我們的一些代表性投資企業(yè)，很多已經(jīng)成為細分賽道的領(lǐng)先者。

病案數(shù)據(jù)質(zhì)量是新時代醫(yī)院管理的重中之重首先，我想談?wù)劄槭裁磿霈F(xiàn)新的賽道 醫(yī)保支付改革也就是DRG，未來5年將從現(xiàn)在的模擬運行走到更廣泛的全方位落地，這已經(jīng)成為醫(yī)療行業(yè)的明確共識。 按照目前采用按項目付費的體系，醫(yī)院賺的是藥品、耗材加成的錢。理論上來說，這種體制會引導(dǎo)醫(yī)院產(chǎn)生過度醫(yī)療的行為。 而目前正在推廣的DRG，也就是按病種付費，未來會給醫(yī)院的經(jīng)營模式帶來一個底層的顛覆。在DRG的模式下，會根據(jù)患者的疾病嚴重程度以及診療過程的資源消耗情況，對醫(yī)療服務(wù)進行一系列的標準化分類，產(chǎn)生上千種DRG的組別。 如果一個闌尾炎患者所在DRG組別的支付標準在1萬元，那么醫(yī)院會盡量減少藥品、耗材等成本的浪費。該用的還得用，但是不需要的就盡量不用。如果只花掉6000元的成本就可以治好病，那么節(jié)余的4000元可以給醫(yī)生發(fā)工資或者發(fā)展新的技術(shù)。 做一個通俗的比喻：醫(yī)院將從點餐模式向自助餐經(jīng)營模式進行轉(zhuǎn)變。之前按項目付費的方式，醫(yī)院沒有經(jīng)濟風(fēng)險，做什么都有加成的收入，所以不會虧損。但等到DRG以后，醫(yī)院會面臨更大的經(jīng)濟風(fēng)險。

虧損的原因通常有兩類：第一類就是治療的成本超支，由于疾病的復(fù)雜性或者醫(yī)療質(zhì)量問題。例如，術(shù)后感染導(dǎo)致患者多住一個星期院，費用肯定超支。 一個5萬塊錢的DRG分組，如果醫(yī)院的治療花費在1.5萬到15萬這個區(qū)間內(nèi)，通通都只能拿到5萬塊錢的總收入。而這5萬是所有的自費部分加醫(yī)保部分的總和。 所以，只要費用落在圖中綠色部分，醫(yī)院虧損的風(fēng)險就很大。而剩下的兩端是費用極低和極高的部分，會按項目結(jié)算的方式來覆蓋一些比較少量的特殊案例。第二種虧損是由于病案質(zhì)量和編碼的問題，這種就比較可惜。一個8萬元的治療只在病案上體現(xiàn)出了5萬元的難度，從而進入了一個更低的DRG組別。無論醫(yī)院怎么縮減成本，這個病例大概率都會嚴重虧損。

有院長表示，在DRG的大背景下，病案數(shù)據(jù)的重要性呈指數(shù)級上升。 因為病案首頁和醫(yī)保結(jié)算清單承載了醫(yī)保支付績效考核多層次的重任，關(guān)乎醫(yī)院的面子和里子，生存還有發(fā)展。病案數(shù)據(jù)起到了一個連接臨床系統(tǒng)和支付體系的橋梁作用。在按項目付費的模式下，醫(yī)院什么樣的數(shù)據(jù)是最準的？肯定是費用數(shù)據(jù)。同樣的道理，在未來DRG付費的模式下，只有準確的病案才能帶來準確的支付。 病案數(shù)據(jù)的質(zhì)量現(xiàn)狀如何？ 中國的大三甲醫(yī)院，臨床質(zhì)量在世界范圍內(nèi)都很高，但臨床質(zhì)量和數(shù)據(jù)質(zhì)量是一個高度不匹配的狀態(tài)。而未來的醫(yī)保支付是按照數(shù)據(jù)質(zhì)量來付。 數(shù)據(jù)質(zhì)量鴻溝產(chǎn)生的原因是什么？ 醫(yī)院的臨床質(zhì)量是高年資醫(yī)生、主任們來把關(guān)，但是寫病歷的都是誰？是低年資醫(yī)生甚至是規(guī)培生，往往無法在病案中體現(xiàn)完整的臨床思維過程。 從病案到病案首頁、編碼，信息會層層失真。臨床質(zhì)量提升10%是非常難的。但是在數(shù)據(jù)生產(chǎn)的過程中，損失20%-30%是極為簡單的，這是目前普遍存在的狀態(tài)。 因此，無論從醫(yī)保還是醫(yī)療質(zhì)量評價的角度，數(shù)據(jù)質(zhì)量的提升都是關(guān)鍵中的關(guān)鍵。 除了支付，病案數(shù)據(jù)也是醫(yī)院精細化管理的核心情報之一。 醫(yī)療服務(wù)是高度非標的，醫(yī)生群體是一個知識密集型的專家組織，這兩點因素會加大醫(yī)院精細化管理的難度，企業(yè)常用的流程管理方法不適合醫(yī)療管理。 因此，數(shù)據(jù)驅(qū)動的精細化管理是未來的一大方向。

在新的支付體系下，醫(yī)院的精細化管理需求會從之前的“nice to have”變成一個“must have”。病案數(shù)據(jù)包含了醫(yī)療服務(wù)過程所有的核心信息，將會成為管理決策的核心依據(jù)。 如果數(shù)據(jù)不準確，會帶來一系列的問題，打擊臨床工作的積極性。所以，只有基于準確的數(shù)據(jù)才能推動高效的管理。

DRG推廣后，又會對醫(yī)院的發(fā)展產(chǎn)生什么影響？ 目前，中國大、小醫(yī)院并沒有在CMI指數(shù)，也就是疾病的難度系數(shù)上拉開差距，有兩方面的原因：首先，分級診療并沒有真正落地，大醫(yī)院看了很多的常見?。黄浯?，頭部醫(yī)院的臨床水平?jīng)]有在病案數(shù)據(jù)上得到準確的體現(xiàn)。但是，DRG支付已經(jīng)在美國運行了30年，醫(yī)院間的CMI指數(shù)以及發(fā)展的差距會不斷加大。有些醫(yī)院實現(xiàn)了跨越式發(fā)展，有些醫(yī)院最終關(guān)停，病案數(shù)據(jù)質(zhì)量起到很關(guān)鍵的作用。 在數(shù)據(jù)中，如果能找回5%的CMI損失，就可以幫醫(yī)院提升5%的營收。國內(nèi)三甲醫(yī)院的營收普遍在十億甚至幾十億的量級，5%將會是一個巨大的數(shù)字。 如果把這些錢投入到?？平ㄔO(shè)、引進新技術(shù)、人才激勵等方面，就可以幫助醫(yī)院實現(xiàn)持續(xù)發(fā)展。AI病案質(zhì)控產(chǎn)品的應(yīng)用價值A(chǔ)I病案質(zhì)控是什么，能給醫(yī)院帶來怎樣的價值？

首先，聊聊什么是病案。 病案是在醫(yī)療過程以文字的方式再現(xiàn)患者在住院期間完整的病情變化以及所有的診療過程。因此，想要做病案質(zhì)控，除了醫(yī)院的財務(wù)數(shù)據(jù)，需要把醫(yī)院幾乎所有的核心臨床數(shù)據(jù)都要接進來。 第二個基礎(chǔ)的概念是編碼員編碼。 編碼員這個工作很有意思，是目前少有的一項沒有任何電子化工具輔助的工作。 編碼員的標配就是三本厚厚的字典，外加一個保溫杯，每天坐在編碼科里編碼，工作方式也極為原始：閱讀病案、翻工具書、查詢編碼、驗證編碼，每份病案首頁都有少則幾個、多則幾十個的編碼需要確認，工作強度極大。 臨床技術(shù)是不斷發(fā)展的，所以編碼并不是一成不變，它會定期推陳出新，進行版本迭代。 目前，國際上的版本已經(jīng)更新到了ICD11，編碼的總體數(shù)量和復(fù)雜度又大幅增加。

根據(jù)國家病歷質(zhì)控中心的病案大數(shù)據(jù)來看，全國平均首頁數(shù)據(jù)的完整率為71.93%，費用信息是完整度最高的，接近90%；診療信息的完整度最差，不到60%。其中，低編的現(xiàn)象普遍存在，占總體錯誤的8成以上。 低編意味著什么？意味著臨床的成績被低估，醫(yī)院的收入受到損失。 高編發(fā)生的頻率比較低，但未來隨著DRG的正式落地會有一些變化。高編不代表醫(yī)院可以獲益，如果被醫(yī)保認定為騙保，不僅會遭受拒付，還會受到罰款。 因此，準確的編碼是醫(yī)院實現(xiàn)收益最大化的最好方式。 顧名思義，病案質(zhì)控就是對診療過程進行醫(yī)學(xué)邏輯的梳理和驗證。想要深入的質(zhì)控病案和編碼，往往需要工作人員有深厚的臨床經(jīng)驗。 中國每年產(chǎn)生的病案數(shù)超過2億份，而病案質(zhì)控的專業(yè)人員處于高度缺乏的狀態(tài)。約有4萬名的質(zhì)控醫(yī)生和編碼員在醫(yī)院工作，但大部分未經(jīng)過專業(yè)培訓(xùn)，也不是持證上崗，同時不具有臨床經(jīng)驗。 在歐美，平均1000張床的醫(yī)院對應(yīng)的編碼統(tǒng)計人員是40位；而在中國全國范圍內(nèi)，目前持證的質(zhì)控員和編碼員總數(shù)量小于2000人，處于嚴重供需不匹配的狀態(tài)。 幸好，NLP技術(shù)的發(fā)展，可以為這個行業(yè)的困局提供一個新的解決方案。

左邊的案例中，患者的主要問題是動脈硬化并斑塊。從臨床角度來看，這個診斷名稱是沒有問題。 但是從ICD編碼以及DRG支付的角度看不夠具體，因為沒有說明具體的病變部位。不同部位的病變，診療過程及醫(yī)療資源消耗是不一樣的，必須要在編碼中明確表示出來，不然就會產(chǎn)生損失。 在病案的病程記錄部分，AI質(zhì)控系統(tǒng)發(fā)現(xiàn)了一個關(guān)鍵信息——頸部血管彩超。 因此，系統(tǒng)推斷這是一個頸動脈的病變，對應(yīng)的編碼應(yīng)該是I70.806，系統(tǒng)會將這個缺陷提示給臨床醫(yī)生，由臨床醫(yī)生做最后的確認并更正。 可以看到，NLP技術(shù)可以通過理解并按內(nèi)容模仿臨床專家的思維，來發(fā)掘病案的缺陷并反饋給醫(yī)生，進而構(gòu)建一個高效的病案質(zhì)量提升閉環(huán)。 我們來對比一下傳統(tǒng)的質(zhì)控方式。 傳統(tǒng)方式只能實現(xiàn)抽查還有形式的質(zhì)控——即有沒有漏填，完全無法滿足新形勢下醫(yī)保以及醫(yī)院管理的業(yè)務(wù)需求。 而AI質(zhì)控不僅可以達到病案的全覆蓋、找出形式有沒有漏填，更可以找出深入的內(nèi)涵錯誤，幫醫(yī)院找回病案上費用的損失。系統(tǒng)可以及時反饋結(jié)果，在患者出院前夕就及時發(fā)現(xiàn)問題、修改問題，而不是事后亡羊補牢。 我分享三個案例，幫助大家進一步理解。

病案首頁上的主要診斷選擇，對DRG的入組影響極大，入錯組一定會造成費用上的損失。 在病案里，主要診斷的選擇是化療，但是AI系統(tǒng)在病案數(shù)據(jù)里發(fā)現(xiàn)，患者在入院后進行了一個全喉的切除術(shù)，之后才進行化療。 按照主要診斷選擇的原則，應(yīng)該選擇咽喉癌這個診斷，而不是化療。化療在DRG支付里的權(quán)重和付費是極低的。所以，這是一個典型的低編，把一個3萬元難度的治療寫成了5000元，除了主要診斷，其它診斷的漏填、錯填也會影響入組和費用。

根據(jù)病案可以發(fā)現(xiàn)，患者是入院后進行的腦血管造影檢查，被診斷為腦動脈瘤急性伴動脈瘤破裂，從而引導(dǎo)蛛主網(wǎng)膜下腔出血。 所以，蛛網(wǎng)膜下腔出血并不是患者本次入院的主要就診原因，主診的選擇應(yīng)該改為大腦動靜脈有畸形的破裂，對應(yīng)的編碼是I60.8。 病案首頁中的很多錯誤，根本原因是臨床體系和支付體系間存在的差別。 從臨床的角度看，醫(yī)生選擇的主要診斷和編碼是沒有問題的，但是它不符合疾病分類學(xué)的要求。這就是一個典型的跨領(lǐng)域、跨學(xué)科的任務(wù)帶來的痛點。 想要解決這個問題，是讓醫(yī)生學(xué)習(xí)編碼，還是讓編碼員學(xué)習(xí)臨床？這兩條路都不容易走通，好的技術(shù)和好的產(chǎn)品的價值極大。 最后一個例子，手術(shù)和操作編碼的漏填。

這也是目前醫(yī)院損失的一大原因。 漏填出現(xiàn)的原因很多，因為臨床情況很復(fù)雜，比如患者在診療過程中曾經(jīng)轉(zhuǎn)過科，后續(xù)的科室醫(yī)生往往不知道轉(zhuǎn)科前的治療過程，漏填手術(shù)直接會把這個病例從外科組變到內(nèi)科組，付費差異也是極大。 我們可以看到，想要做首頁質(zhì)控，對于病案內(nèi)容的理解是前提，NLP技術(shù)是核心關(guān)鍵。業(yè)內(nèi)有不少做首頁質(zhì)控的企業(yè)和產(chǎn)品，但很可惜都沒有能力對接并分析完整的病案數(shù)據(jù)，無法進行病案和首頁的前后一致性核查。 這樣的產(chǎn)品會遺漏絕大部分的重要缺陷，只能找到一些基礎(chǔ)錯誤，無法滿足醫(yī)院的業(yè)務(wù)需求。

我們看看國外的案例。 DRG支付在歐美各國已經(jīng)推廣多年，因而AI病案和編碼質(zhì)控已經(jīng)成為各級醫(yī)院的必備工具，最主要的價值是保障準確的保險支付，減少醫(yī)院損失。 AI病案質(zhì)控在美國的興起可以追溯到2015年。當(dāng)時，美國的編碼系統(tǒng)要從ICD-9升級到ICD-10，復(fù)雜度大大提升，傳統(tǒng)的人工質(zhì)控方法無法維系，只能通過技術(shù)來解決問題。 截止到2019年，美國超過50%的醫(yī)療機構(gòu)都配備了病案質(zhì)控和編碼系統(tǒng)。醫(yī)院平均每年支付百萬美元級別的費用，可以帶來千萬美元級別的收益。 這個系統(tǒng)的ROI極高，在120的水平。也就是說，醫(yī)院一個月左右就可以回本。 M&Modal是美國病案質(zhì)控領(lǐng)域的一家新興公司，2018年底被3M以10億美元的價格收購。該公司可以實現(xiàn)5%的CMI指數(shù)提升，意味著幫醫(yī)院增加了5%的總營收，以及找到漏填的并發(fā)癥、嚴重并發(fā)癥，降低了出院診斷不明確的病例。

目前，在美國病案質(zhì)控系統(tǒng)最大的兩家供應(yīng)商是3M和United Health旗下的Optimum，行業(yè)集中度很高，前兩名的產(chǎn)品占據(jù)了市場的絕大多數(shù)份額。 經(jīng)常有朋友問，這個系統(tǒng)未來會不會成為HIS系統(tǒng)的一個子集？言外之意，廠商會不會很容易就做出來？在美國Epic和Cerner這么強大，也沒有進入這個賽道，其實背后有很多深層次的原因。 在德國也是“Code = Money”，在DRG推行后，類似的系統(tǒng)成為醫(yī)院的標配。

AI病案質(zhì)控的技術(shù)特點和行業(yè)展望從投資人的角度來看，投資AI賽道有兩個核心的問題：技術(shù)壁壘如何判斷？如何甄別不同公司產(chǎn)品的成熟度？我認為，不同的應(yīng)用場景對于系統(tǒng)性能的要求不同，系統(tǒng)性能要求越嚴苛的應(yīng)用場景，技術(shù)門檻也最高。 很多行業(yè)都有質(zhì)控系統(tǒng)，作為生產(chǎn)安全和產(chǎn)品質(zhì)量保障的終極守門員，質(zhì)控系統(tǒng)的可靠性要求往往極高。

對于病案質(zhì)控系統(tǒng)，95%的準確率只是一個最基礎(chǔ)的要求。 舉一個例子，一家病床數(shù)2000張的三甲醫(yī)院，每天需要質(zhì)控的運行中和終末病案數(shù)量大約也是2000份。假設(shè)每份病案平均只會出現(xiàn)一個質(zhì)量缺陷，一天下來就會產(chǎn)生2000個缺陷；如果是5%的錯誤率，就意味著100份病案質(zhì)控出錯。 因此，醫(yī)院病案質(zhì)控系統(tǒng)是極其慎重的。系統(tǒng)的精準度是產(chǎn)品成功的關(guān)鍵，而保障一個系統(tǒng)精準度的就是底層的NLP引擎。 如果對醫(yī)學(xué)文本理解的顆粒度和準確度不高，那么無論如何打磨上層產(chǎn)品，都不可能實現(xiàn)性能的顯著提升。 病案質(zhì)控的第一步就是理解病案的語言，NLP技術(shù)的三個重要環(huán)節(jié)：分詞命名、實體識別、語義關(guān)聯(lián)分析的提取。醫(yī)學(xué)語言的NLP有特殊的技術(shù)難點，需要通過構(gòu)建專用的語料庫進行針對性的算法訓(xùn)練。

第一步是分詞，從第一部分開始，醫(yī)學(xué)語言的特殊性就已經(jīng)體現(xiàn)得淋漓盡致。

我們只看最后一句話，里面不包含任何一醫(yī)學(xué)的專業(yè)術(shù)語，我們感受一下：患者病來，患者神志清，精神可，睡眠可，二便無殊，體重?zé)o明顯變化。 如果直接把其他領(lǐng)域訓(xùn)練出來的NLP算法，通過簡單的調(diào)參就用于醫(yī)療，結(jié)果的準確度可想而知。

第二部分，命名實體識別，因為醫(yī)學(xué)語言專業(yè)的屬性很強，存在大量的專業(yè)術(shù)語，性能可靠性要求又極高。 行業(yè)里有很多醫(yī)療NLP領(lǐng)域的先行者，最早的核心應(yīng)用場景定位在科研。從技術(shù)的角度來看，先做科研是對的。因為技術(shù)難度相對較小。 科研的應(yīng)用場景很好理解，就是從完整的病案中抽取一部分的信息來進行分析和整理?？蒲袘?yīng)用并不需要對病案進行100%的后結(jié)構(gòu)化，只需從中挑選部分的信息。 因此，科研NLP的標簽類型在8-20類即可滿足要求，同時會有大量的文本不需要被識別。 但是醫(yī)療質(zhì)控的應(yīng)用需求又如何呢？

單單說現(xiàn)病史的質(zhì)控，就需要把一個癥狀的描述拆分到非常之細的程度：嘔吐的性狀是不是噴射狀，以及內(nèi)容物的差別，都會影響主診醫(yī)生對診斷大方向的判別，這些都需要被算法進行識別。 病案質(zhì)控是尋找醫(yī)生在病案書寫中的缺陷，其前提就是，算法必須有能力對病人進行一個100%的后結(jié)構(gòu)化。如果沒有完整理解全部的病案，又哪來的自信，拍著胸脯說醫(yī)生你寫錯了呢。 所以，質(zhì)控NLP算法的分詞顆粒度和命名實體識別的標簽類別要遠遠超過科研NLP的要求。

第三部分，語義關(guān)聯(lián)分析提取。 一個真正智能的算法，必須能夠容忍真實病案中出現(xiàn)的各種各樣的問題：同義詞、錯別字、丟字造字、語法錯誤等等，不能遇到問題的時候就卡殼。算法需要和人一樣能夠識別、容忍還有理解。 作為投資人，我們經(jīng)常聽到，某個醫(yī)療AI項目說自己的算法是最好、最精準的，因為用于訓(xùn)練算法的數(shù)據(jù)都是用標準流程生產(chǎn)出來的。我并不是很認同這個觀點。 我認為，一個能廣泛應(yīng)用于真實世界的產(chǎn)品，必須要通過技術(shù)來解決這些不完美。一個在真空環(huán)境中訓(xùn)練出來的算法，不可能被臨床廣泛接受。

下面這個是關(guān)聯(lián)分析提取后的結(jié)果，找到標簽間的邏輯關(guān)系后結(jié)構(gòu)化完成的。 AI病案質(zhì)控是一個典型的AI產(chǎn)品，而不是一個信息化的產(chǎn)品，所有底層算法和產(chǎn)品架構(gòu)不可能通過一、兩個醫(yī)院項目就能打磨完成。而要在產(chǎn)品研發(fā)的初期，根據(jù)應(yīng)用場景的任務(wù)目標來打造專用的語料庫，進行算法的訓(xùn)練和迭代。因此，研發(fā)周期會比較長。另外，投資人如何判斷某個項目的技術(shù)成熟度？我的經(jīng)驗是從研發(fā)的流程入手，看團隊是否在用正確的方法研發(fā)、每一步研發(fā)要用的時間是否符合科學(xué)規(guī)律。 對于醫(yī)療產(chǎn)品來說，對于品質(zhì)的追求永遠要優(yōu)先于速度。用科學(xué)的方法正確的方法做事，是基礎(chǔ)中的基礎(chǔ)。如果方法錯了，基本上可以一票否決。對于已經(jīng)上市的產(chǎn)品又如何判斷產(chǎn)品的成熟度呢？這就要找對驗證產(chǎn)品性能的金標準。醫(yī)療AI行業(yè)有個亂象，大家都喜歡玩概念，什么都打上AI的標簽。 60分的AI和95分的AI是一回事嗎？可能中間差了好幾個太平洋。但是驗證系統(tǒng)性能的基本標準又是什么呢？不同的產(chǎn)品可能不太一樣，需要NMPA證的產(chǎn)品還好，至少有一個底線就是拿證。 但是，今天分享的AI病案質(zhì)控、CDSS這一類不需要拿證的產(chǎn)品，找到金標準就顯得特別重要。

對于病案質(zhì)控，臨床采納率可以作為一個金標準，系統(tǒng)給醫(yī)生指出錯誤，醫(yī)生改就表示采納意見，沒改或者申訴就是不認可算法結(jié)果，這應(yīng)該是一個終極檢驗的標準。 遠毅資本投資的國內(nèi)首家專注于病案質(zhì)控的企業(yè)——頤圣智能，公司的系統(tǒng)目前臨床應(yīng)用得很好，已經(jīng)達到了98%的臨床采納率，給這條賽道起了一個好頭，也給未來的進入者定了一個比較高的門檻。

根據(jù)市場測算，我們認為AI質(zhì)控是一個典型的、被暫時低估的醫(yī)療AI賽道。在國外，這是一個60億美金規(guī)模的成熟市場。 隨著DRG支付的逐步推開，AI病案質(zhì)控賽道即將進入一個發(fā)展的快速期。 AI病案質(zhì)控的特點非常明確：第一，可以幫助醫(yī)院開源增收，醫(yī)院的付費意愿明確。隨著DRG試點支付的落地，我們對產(chǎn)品的議價空間十分樂觀。在美國病案基礎(chǔ)質(zhì)量已經(jīng)非常出色的情況下，類似的系統(tǒng)還可以找回5%的營收損失。在中國數(shù)據(jù)質(zhì)量基礎(chǔ)更加薄弱的情況下，我們認為，這個數(shù)字會相當(dāng)?shù)捏@人。第二，產(chǎn)品在臨床應(yīng)用中可以持續(xù)得到醫(yī)生的反饋，幫助迭代算法。同時，由于不需要注冊，沒有NMPA的束縛，產(chǎn)品用的越多性能就會越好，形成強者恒強的網(wǎng)絡(luò)效應(yīng)。 我們判斷，未來賽道的集中度會比較高，頭部企業(yè)具有極大的投資價值。

醫(yī)療數(shù)據(jù)的應(yīng)用潛力和商業(yè)價值是巨大的，但底層的數(shù)據(jù)質(zhì)量問題，就像一座大山阻擋了行業(yè)未來發(fā)展的道路。 DRG改革或許會給行業(yè)帶來一些變化，讓醫(yī)院有主動提升數(shù)據(jù)質(zhì)量的意愿，而NLP技術(shù)又帶來了相當(dāng)成熟的數(shù)據(jù)質(zhì)量提升方案，在數(shù)據(jù)產(chǎn)生的過程中就保證了數(shù)據(jù)的質(zhì)量。 AI病案質(zhì)控將是未來醫(yī)療行業(yè)的重要基礎(chǔ)設(shè)施之一，可以幫助更多、更豐富的應(yīng)用場景加速生根落地。

責(zé)任編輯：lq