|
2012年人社部发文明确要求在全国18个地区开展医保智能监控试点以来，国务院及各部委在2012-2017年间发布了12部政策文件，对医疗保险智能监控工作给予政策指导和大力支持。随着我国深化医改工作逐渐走向纵深，各地医保智能监控系统的应用与创新，不仅极大地提升了医保管理能力，而且还确保了医保基金安全。但是，在医保监控中仍存在一定的问题，致使我国医保支出以两位数高速增长。这既有惠民政策、人口老龄化、医疗技术进步、医疗成本上升等正常因素的影响，但更主要的还是受到大处方、乱检查等不合理医保支出的影响所致。 2011全年城镇基本医疗保险基金总收入5539亿元，支出4431亿元，分别比上年增长28.6%和25.2%，收入略高于支出。2012全年城镇基本医疗保险基金总收入6939亿元，支出5544亿元，分别比上年增长25.3%和25.1%，两者基本持平。截至2013年，城镇基本医疗保险基金总收入8248亿元，支出6801亿元，分别比上年增长18.9%和22.7%，收入增幅开始低于支出增幅。 去年，国家审计署发布的《医疗保险基金审计结果》显示：923家定点医疗机构和定点零售药店涉嫌通过虚假就医、分解住院等方式，骗取套取医疗保险基金2.07亿元，作为本单位收入核算，也有少数自然人涉嫌通过虚假异地发票等方式骗取医疗保险基金1007.11万元。由此可见，推进智能医保控费系统应用尤为重要，同时将医保对医疗机构的监管向医务人员延伸也是必然之举，事关我国深化医改工作能否顺利进行以及医保基金能否可持续发展问题。 随着基本医保管理信息系统逐步完善及医疗信息化程度不断提升，如何大力挖掘和利用医保大数据的需求更加迫切。通过大数据分析、基金风险防控等手段，控制不合理医疗费用、严厉打击欺诈行为，强化医保经办机构能力建设，提升医保管理服务水平，智能化医保控费势在必行。 目前医保控费实现上主要以专家规则驱动为主，而专家规则的硬边界、规则较为简单很难适应、检测复杂多变的欺诈、滥用行为，并且随着系统的深入推进，医院、医生及参保者均为随之规避规则限定行为，并采取新的方式方法进行欺诈，而且对于硬边界产生的大量可疑案例由于无法有效的控制准确率，而会浪费大量稽核人员的精力，久而久之则会产生规则需要更新、失效等问题。 AI数据驱动方式则先对现有数据进行梳理和清洗，利用各种适当的统计计算方法，大量广泛地提取和预测目标相关的特征信息后，系统性的分析、筛选特征，并将其输入至机器学习算法中进行训练。在训练过程中，根据测试效果好坏进行调参，使模型在测试集上达到最优。而该模型上线后还可通过人工稽核的样本数据作为负样本回填至系统中进行迭代训练，自动提高欺诈模型的检测精度，逐步减少人工稽核难度及参与度。 Aura医保控费解决方案提供了4个方面的能力：首先同时引入医保数据与医疗数据，极大的丰富了数据特征维度，给AI数据模型提供坚实的基础；其次针对驳杂的医疗数据提供丰富的、标准的信息抽取情景模型，给AI数据模型提供高效的特征工程能力；第三，提供高效的、向导式的建模功能。最后，提供全流程控费，事前以临床路径规则为基础，对医生的用药、处方进行辅助指导及智能提醒，让医生的医疗行为更为合理；在患者医保结算过程中，及时发现违规数据，将违规数据在结算前予以制止；事后针对结算数据和票据进行深度审核，挖掘违规病例。 对于现有的专家规则我们并不会直接抛弃，而是将其分成刚性规则与柔性规则两部分。刚性规则主要包括基本医保常识、国家硬性指标等，这部分抓取到的数据直接在次月医院医保报销时扣除；柔性规则主要以诸多参数、阈值进行控制的大部分规则，诸如重复收费、药品超量等欺诈、滥用行为参数化描述，该部分以人工审核后的样本为负样本作为输入，采用机器学习算法提供精准的决策支持及参数设置。 ——全文完—— 来源：亚信大数据【整理编辑：时英平】 |
|
|
