醫保監管制度目的是提升醫療服務的品質，而不是一味降低價格。
近年來，多省市改革按疾病診斷相關分組（DRG）付費後，醫療費用增長得到明顯控制。但是面對醫療這種複雜問題，這個世界上沒有任何完美的監管方法，随着改革的深入，新問題又出現了，那就是部分醫療機構不願接收病情複雜的病人。
這是因為病人最初主訴隻是普通疾病，确定标準後，一查下來發現有多種合并症，就會導緻對标DRG後，費用明顯超标。費用超标後，醫保支付金額超出部分由醫院自己承擔，有的醫院則會要求科室或醫生個人承擔。責任一步步地下壓，結果就造成醫生辛辛苦苦做了一個月，結果核算下來還要被倒扣錢。
DRG最早源于1967年的耶魯大學，發明者将用于工業生産的成本和品質控制的方法，應用于服務績效評價及醫保付費管理。1983年美國聯邦醫療保險啟動DRG付費制度。随後，DRG付費制度在德國、法國等世界上很多國家廣泛應用。
簡單地說，DRG/DIP就是确定是什麼病，然後醫保按病種付費。當然，這隻是最簡化的說法，實際上，還需要考慮地區總費用、地區醫療服務總量等。DRG點數法與DIP在方法學上相似，實行DRG/DIP支付方式改革的地區，醫院通過醫療服務擷取點數/分值，然後醫保局根據本年度的醫院總點數/分值、點值等資料，給醫院結算相應的醫保資金，類似一種“工分制”。即病種點值（單價）醫保基金用于DRG/DIP支付的費用（總費用）/該區域所有醫院的總分值（服務量）。
當醫生需要承擔超額部分時，為了避免自己利益受損，醫生就要控費。醫生的辦法很多。比如，避開那些複雜的病，這就是文章開頭的現象。
解決這些問題的辦法就是更多地編碼法規。簡單地說，就是把病種的分類更仔細，盡可能多地把所有病種、複雜病情都列舉出來。比如，德版DRG模式下中風患者被分為10組，中風護理級别、全身溶栓、顱内出血和死亡等因素都被考慮在内。這可以讓醫生面對複雜病情，也可以找到對應的編碼，不用再推诿複雜病情。
實際上，DRG還會産生另一問題，那就是醫生會盡量向分值更高的病種去靠。比如社群獲得性肺炎和重症肺炎，醫生會盡量向重症肺炎靠，這樣獲得更多的醫保資金，結餘下來就是醫院利潤。但是，這就會推高地區醫療服務的總分值，把整個地區帶入另一個困境。
如果地區醫保資金下降，地區醫療服務總分值升高，也就是說分母變大，病種點值就會下降。這就會導緻所謂的DRG/DIP點數法點值貶值現象。知名醫管專家仲崇海在自己文章裡所舉的一所鄉鎮衛生院的案例：“去年DIP點值一分還能值9元，今年就變成了6元。”這就形成醫院雖然不斷控費、工作量更大，但收入卻減少的怪圈。
某種程度上，DRG就是算法。說到算法，自從那篇《困在系統裡》之後，社會對算法似乎有了一種莫名的反感。算法驅使騎手更快，而系統發現騎手可以更快後，又會提高标準。某種程度上，醫生也面臨類似的困境。知乎上有醫生吐槽：DRG最令人窒息的一點是，根據當地前幾年某病種治療花費權重平均得出今年的該病種報帳花費後，各醫院想盡量合理或不合理的手段将費用減下來以保證利潤生存時，明年該病種報帳比例又降低了。
本質上，這些行為、現象都是人和管理方法的互動。DRG面對的是一個非常複雜的系統。人體疾病本身就是極其複雜的，然後，病人訴求、醫生行為，在複雜的疾病之上，又會加上更加複雜的人性。這往往就會違背DRG系統的初衷。
DRG發明于20世紀70年代，當時計算機才剛剛出現，人類對于資料的把握能力還沒有得到質的飛躍，是以，某種程度上，DRG的方法論本質還是簡化。雖然現在DRG也大量使用了計算機，但本質上，仍然是在過去的“簡化”這個方法論上加上新技術。
當下，随着計算機、大資料、人工智能的出現，人類從浩瀚資料中發現蛛絲馬迹的能力有了質的飛躍。對于醫生、醫療機構的行為，也可以不需簡化，直接把握海量資料。更直接地說，在人工智能、大資料的介入下，哪怕沒有任何模型去簡化、無需簡化為點數，從醫生的每一個醫療行為，基本可以判斷醫生是否在濫用醫保。是以，現在完全可以在DRG的基礎上，進行方法論的根本創新，讓模型、點數消失于無形，讓醫生不必再去算各種點數，隻需一心一意對病人好，系統自然可以得到正确的結論。在這個基礎上，就可以把醫生的醫療勞動和醫療費用脫鈎，不再讓醫生不公平地承擔多出來的費用。
從更大層面上看，醫保監管制度目的是提升醫療服務的品質，而不是一味降低價格。任何交易、支付行為，都不可能窮盡，一旦價格逼近成本邊緣，必然會伴随品質下降。這一點不管是DRG，還是集采制度，都不可不察。
撰文丨劉遠舉
來源丨羊城晚報