浪费医疗资源?健保署揭14万笔头部电脑断层 恐4成白做

dafabet 2019-08-29 15:20182未知奚淑惠

浪费医疗资源?健保署揭14万笔头部电脑断层 恐4成白做

记者杨晴雯/台北报导

有头痛问题就照电脑断层?有些时候可能是非必要检查?健保署近日运用人工智慧(AI)科技开发NLP模型,针对放射诊断的检查,在14万笔头部电脑断层(CT)检查报告发现,与疾病无直接相关的异常率高达约40%。健保署长李伯璋表示,该模型未来将协助审查作业的精准化,并透过资讯回馈与医界共同合作,减少不必要的检查。

▲电脑断层检查示意图。(图与新闻内容无关/翻摄自网路)

健保署表示,全民健保自开办以来,即收载全国性医疗费用申报数值型结构化资料,其中每年门诊申报达3.6亿件,住诊也有344万件,并自103年起鼓励特约医疗机构上传检验与检查等非结构化文字型报告,截至108年7月,已累计收载检验检查报告24.7亿笔,资料量可谓非常庞大。

为使健保医疗费用审查作业更为精准并且提高效率,并减轻3,500位审查医药专家每年约需完成260万件专业审查案件的负担,运用检查报告资料可以更全面的评估检查的必要性,精准筛选执行量异常的医院或医师,再经由专业审查以合理给付医疗支出,增加审查效率。

健保署表示,从健保大数据分析,在各项检验检查医疗费用最高的项目为CT,并以头部为最常执行的检查部位,约占CT检查次数的40%,健保署因此优先将AI科技运用于放射诊断检查报告分析,以自行开发头部CT检查报告NLP模型,训练机器学习专家标注及判读的结果,并选取107年第2季医院上传CT头部检查报告1,000笔为模型资料,由电脑进行检查报告病灶标注及报告分类的任务,结果显示,NLP机器学习分析模型分析的结果与专家判读结果比较,正确率达99%。

▲健保署长李伯璋今日表示,NLP模型模型未来将协助审查作业的精准化。(图/记者杨晴雯摄)

健保署视察赖秋伶说,该署进一步分析,运用NLP模型分析107年第4季14万笔头部CT检查报告,结果显示约有4成左右的检查结果是与疾病无直接相关的异常,其可能因疾病排除或治疗后追踪的检查所致,但也有可能是不必要的检查。她说明,需要治疗和追踪异常的情况包含梗塞、血肿、肿块效应;与疾病直接相关的异常则如动脉硬化、脑白质病变、自然老化等。

依据健保大数据分析,108年(1至6月)全台各特约医院门诊(不含急诊)执行CT及MRI检查,约有2.3万件(占率3%)主次诊断都属于初级照护(如头痛、关节炎、咳嗽等),健保署将把执行量异常的报表回馈院所医师,与医界共同合作,减少不必要的检查与浪费,也会运用自行开发的NLP模型进行辅助分析。




dafabet官网 Copyright © 2014-2019 版权所有