В одной из наших статей мы затрагивали тему классификации (кодирования) услуг.

Тема унификации услуг, препаратов, расходных материалов не нова, но всё также актуальна. В этот статье нас будут интересовать всего 3 вида кодирования: кодирование услуг, препаратов и медицинских изделий с точки зрения полезности для участников медицинского страхования: органов страховых компаний, клиник и государственного контроля. Кодирование — это не просто способ отчётности, это инструмент:

тарификации;
предотвращения мошенничества;
прогнозирования убытков;
и даже правовой защиты в спорных ситуациях.

Соль кодирования заключается не в отсутствии подробных номенклатур, так как они разрабатываются с середины XX века, а в том, что хозяйственная деятельность человечества оцифровывается стремительно, но неравномерно. Для страховых компаний кодирование — не просто вопрос отчётности, а основа от расчета тарифов, управления рисками, предотвращения убытков до борьбы с мошенничеством.

Ошибочный, отсутствующий или нечитаемый код превращает заявку в риск — будь то отказ в оплате, судебное разбирательство или искажение актуарной модели.

Во многих странах мира цифровизация здравоохранения опережает стандартизацию. Особенно это ощущается в таких регионах, как Ближний Восток (MENA), ЮАР, Индия, Латинская Америка, Юго-Восточная Азия.

Идёт активная цифровизация, но стандартизация и инфраструктура ещё находятся в процессе формирования. Даже при наличии электронного документооборота до 30-40% заявок поступают в свободной неструктурированной форме. Это усложняет автоматическую обработку, исключает валидацию и снижает прозрачность.

В условиях активного развития фармацевтики, процессов, реформирующих системы здравоохранения на государственном уровне, появление новых видов услуг (например, телемедицина), а также постоянных изменений в системах кодирования, строгое соблюдение стандартов зачастую невозможно. Это влечёт за собой проблемы в формировании актуарных расчётов, отказах в возмещении, регуляторным санкциям, сложностям в интеграции и поддержке программного обеспечения и тому подобным следствиям.

Системы кодирования

Существуют десятки систем для кодирования, например:

Кодирование препаратов

ATC, NDC (США), WHODrug, TUSS (Бразилия), Реестр лекарственных средств на основе АТХ-классификации (Россия)

2 Кодирование медицинских изделий

UDI, GTIN, GMDN

3 Кодирование услуг

ICHI (ВОЗ), ACHI (Австралия), OPCS (Великобритания), Nomenclador Nacional (Аргентина), Номенклатура медицинских услуг (Россия)

1

Свой велосипед ближе

В отличие от клинических рекомендаций, о которых мы писали ранее, система кодирования может быть сугубо национальной — и это преимущество:

наличие национального законодательства;
поддержка исчерпывающих номенклатур, охватывающих все применяемые манипуляции и препараты, имеющие хождение в стране;
детализация по формам выпуска, дозировкам, регистрационным статусам и пр.

Поддержка такого национального подхода проще и надёжнее. Практика интеграции решается в каждой стране по-своему. Например, в Саудовской Аравии национальная платформа обмена медицинской информацией (NPHIES), разработанная CHI и NHIC, с 2023 года стандартизирует взаимодействие между поставщиками и страховщиками. Она требует строгого использования Saudi Billing System (SBS) и кодов GTIN/GMDN для лекарств и девайсов. Несмотря на значительный прогресс, сложности с интеграцией и нехватка квалифицированного персонала для кодирования по новым правилам пока являются вызовами для участников системы.

Снижение потерь

Сокращение времени обработки

Усиливающая обратная связь от экспертов

Подготовка персонала: система обучения на кейсах

Преимущества для страховой компании очевидны:

Улучшение актуарных моделей

Автоматизация верификации

Автор: Alexander Petrov

Добавим огонька

С появлением потребности, приходят решения, которые начинают конкурировать и эволюционировать. Уже с 1970-х начали появляться решения для стандартизации обмена медицинскими данными: лабораторными протоколами, изображениями, страховыми документами, медицинскими картами пациентов. В процессе развития отдельные решения избавились от недостатков: ограниченной гибкости, специализации на отдельных направлениях, сложной реализации и поддержке.

В настоящее время лидером среди стандартов обмена медицинскими данными является система FHIR (Fast Healthcare Interoperability Resources) от HL7 (Health Level Seven International), использующая модульность, современные технологии для разработчиков и поддерживающая совместимость между различными информационными системами.

FHIR определяет формат, структуру данных, способы передачи данных. Это простой, гибкий и совместимый с веб-технологиями стандарт, позволяющий ускорить внедрение и упростить интеграцию, который ориентирован на:

разработчиков (поддержка REST, JSON, OAuth);
реальную клиническую практику;
масштабируемость от мобильных приложений до крупных информационных систем.

Стандарт FHIR удобен, а также поддержан крупнейшими компаниями: Apple, Google, Microsoft, Amazon, Epic, Cerner, и используется в национальных системах США (US Core), Саудовской Аравии (NPHIES), ЕС (X-eHealth).

Впрочем, FHIR сам по себе не содержит конкретных кодов лекарств, диагнозов, процедур. Это, в первую очередь, система, определяющая техническую и структурную сторону обмена информацией, и помогающая в интеграции различных систем. Например, Daman Health (ОАЭ) работает над упрощением процесса обмена медицинскими данными между страховыми компаниями и медицинскими учреждениями, используя стандартизированные API и протоколы.

Костыли или стероиды

Интеграции между страховыми компаниями, клиниками и / или государственными сервисами, которые мы видим, в основном, итерационные, включающие чек-листы и участие человека: экспертов, медиков, чиновников. Особенно, если не используются системы, типа FHIR. Это необходимые «костыли».

Можно использовать ИИ, но его применение возможно только с условием, что где-то в цикле будет находится группа экспертов для выборочной верификации результатов онлайн. Так хоть как-то можно гарантировать качество. Это «стероиды».

Сервисы, использующие ИИ, в том числе разработанные Mains Lab, позволяют перейти от ручной работы к полуавтоматической:

на входе: свободный текст назначения, базовые сведения о пациенте, диагноз;
на выходе: точные коды по целевой номенклатуре (ICHI, ACHI, SBS и др.).

Это достигается за счёт:

машинного обучения;
NLP для извлечения смысла;
медицинских экспертов, в том числе локальных, — для достижения отличного качества.

Таким образом, система не просто подбирает коды — она предсказывает, какие назначения логично следуют из диагноза, исключая попытки фрагментации комплексных услуг. Это уже не «костыли» на «стероидах», а решение.
Также на основе результатов таких решений формируется база для обучения сотрудников и повышения экспертности участников процесса — это усиливающая обратная связь, позволяющая сделать систему более устойчивой и предсказуемой.

Выводы

Применение правильных инструментов и методологий помогает компенсировать разрыв между практикой, использующей неструктурированные данные, и возрастающими требованиями стандартов. Для страховой компании — это уже не опция, а основа устойчивости, надежности и точности прогнозов.

Сегодня, с развитием цифровизации и наличием специализированных компаний, сделать это могут не только глобальные игроки, но и региональные страховые компании, если у них есть соответствующая цель, видение перспективы и надёжные партнёры.

НАЗАД К НОВОСТЯМ