심평원 빅데이터 수상작 발표회
“청구 오류가 많은 병원과 의사들을 잡아내는 방식입니다.”
건강보험심사평가원이 빅데이터 인재 양성을 목적으로 6일 열린 빅데이터 활용 경진대회에서, 입상의 영예를 안은 K대 통계학과 대학원생들은 '건강보험 청구정보를 이용한 의료기관의 청구 경향의 적정성 예측 모델'을 개발, 발표했다.
이는 의료기관의 청구 경향을 분석하고, 의료 내용과 비용의 적정성을 평가, 과다 청구한 기관의 예측 모델을 개발하는 방식으로 이뤄졌다. 즉 과다, 과잉 진료하는 의료기관을 사전에 걸러내는 모형을 만든 것이다.
우선 이 모델의 변수는 기관정보와 기본 요약변수, 적정성평가 변수 등이 들어가며, 이 자료들을 수치화한 후 평이하지 않은 병원들을 추려내는 방식이다.
기관정보에는 △의료기관 종별, 병상규모 등이, 기본요약 변수에는 △65세 이상 환자비율, 악성신생물(암) 환자비율, 중증질환 환자비율, 다빈도 상병 환자 비율, 희귀질환 환자비율, 1인당 평균 진료비 등이 포함된다.
이에 따라 병원들을 넣으면 병원규모가 크고, 특정 질병군 비율 높으며, 평균 금액 많을수록, 또 노인환자 많은수록 조정되는 경향이 크다는 점이 발견됐다.
하지만 K대 통계팀 발표자는 “이같은 변수들만 포함시키면 병원들을 우범지대와 비우범지대로 크게는 나눌 수 있지만, 비우범지대, 즉 청구 오류 횟수가 평균 미만인 병원들 안에서 발생하는 세부적인 오류는 잡아내기가 힘들다”고 분석했다.
이같은 어려움을 해소하기 위해 '적정성 변수'를 추가했고, 적정성 변수에는 △과잉진료 여부를 알 수 있는 심결 요양 급여비 총액 기준, 의료기관별 이상진료건 비율과 △과다진료 여부를 가릴 수 있는 요양일수 기준, 의료기관별 이상진료건 비율 등이 포함된다.
이를 추가하면서 과다청구기관을 보다 정확하게 예측할 수 있고, 진료내용과 비용의 적정성을 판단할 수 있다고 밝혔다.
이들은 “적정성 변수까지 추가하면 세부적으로 상병별 적정 진료비, 진료일수 추정이 가능해 이상진료 건을 쉽게 감지할 수 있다”면서 “개발 모형 활용해서 청구 오류가 높으면 패널티를 주고, 따로 교육을 시켜야 한다”고 주장했다.
뿐만 아니라 이번 개발 모형을 청구 오류, 과잉 및 과다 진료를 잡아내는 데 그치지 말고, “신포괄수가제의 기초 자료로 사용할 것”을 제안했다.
K대 발표팀은 “의사는 왜 과다,과잉 진료를 하는가”라고 반문하면서, “이는 모두 행위별 때문이다. 전체 행위를 포괄수가제로 묶어야 한다”고 주장했다.
이어 이번에 (팀에서) 개발한 빅데이터 청구 경향 모형 변수로 당장은 행위별에서 과다 및 과잉 진료를 잡아내는 데 활용하고, 이후 모든 질병에서 포괄수가제를 시행할 때 수가 기준을 제시하는 기초 자료로도 사용할 수 있을 것이라고 내다봤다.
그러나 발표팀에서 행위별 수가제에 대한 정확한 이해없이 단순히 '과잉 진료의 원인'으로 보고, 무조건 '모든 질병을 포괄수가제로 전면 개정해야 한다'는 일방적 주장을 펴는 문제가 발생했다.
특히 청구오류를 낸 의사를 '범죄자''용의자' '사기범'으로, 해당 병원을 '우범지대'로 표현하는 등 발표자들의 인식이 먼저 개선돼야할 것으로 지적됐다.
서민지 기자
minjiseo@monews.co.kr