陳亞琳++王旭明

摘要：為識(shí)別醫(yī)療保險(xiǎn)中的欺詐行為，提出了一種基于數(shù)據(jù)挖掘的醫(yī)保欺詐預(yù)警模型。首先運(yùn)用ACCESS數(shù)據(jù)庫(kù)軟件和SQL查詢語(yǔ)句，篩選出能運(yùn)用于醫(yī)保欺詐行為檢測(cè)的數(shù)據(jù)；其次根據(jù)醫(yī)保數(shù)據(jù)的特點(diǎn)，結(jié)合SPSS Modeler軟件，采用聚類分析方法和分類決策樹(shù)算法，建立預(yù)測(cè)判別模型，識(shí)別某位病人在一段時(shí)間內(nèi)是否存在醫(yī)保欺詐行為；最后通過(guò)數(shù)據(jù)映射關(guān)系來(lái)找到與嫌疑人有關(guān)的嫌疑科室、嫌疑醫(yī)生等。從而為醫(yī)療保險(xiǎn)機(jī)構(gòu)的決策者和醫(yī)?；疬\(yùn)營(yíng)監(jiān)管人員進(jìn)行科學(xué)決策提供客觀依據(jù)，提升社會(huì)預(yù)測(cè)力和科學(xué)決策力。

關(guān)鍵詞：醫(yī)保欺詐；SQL查詢語(yǔ)句；聚類分析；C5.0決策樹(shù)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）11-0001-04

隨著近年來(lái)參保覆蓋面和基金規(guī)模的迅速擴(kuò)大、定點(diǎn)服務(wù)機(jī)構(gòu)的大量增加、社會(huì)對(duì)醫(yī)療保險(xiǎn)的認(rèn)知度增強(qiáng)以及信息管理的薄弱，導(dǎo)致了醫(yī)療保險(xiǎn)欺詐問(wèn)題日趨嚴(yán)峻。欺詐手段也開(kāi)始呈現(xiàn)出復(fù)雜性與多樣性。這些欺詐行為嚴(yán)重?fù)p害著廣大參保人員的利益，制約醫(yī)療保險(xiǎn)公平可持續(xù)發(fā)展。面對(duì)日益膨脹的醫(yī)保基金數(shù)額，以及其廣泛的影響力，僅靠人工檢測(cè)已明顯不能滿足需求。目前，國(guó)內(nèi)醫(yī)療保險(xiǎn)信息化日漸完善，在醫(yī)療保險(xiǎn)信息化過(guò)程中操作型數(shù)據(jù)庫(kù)記錄了大量詳細(xì)的醫(yī)保相關(guān)的交易信息，為數(shù)據(jù)挖掘的研究與應(yīng)用提供了廣闊的空間。因此通過(guò)選取醫(yī)保數(shù)據(jù)中的相關(guān)屬性特征，利用數(shù)據(jù)挖掘技術(shù)進(jìn)行欺詐行為的識(shí)別和預(yù)警，建立合理的醫(yī)保欺詐預(yù)警模型，是一項(xiàng)極其重要的研究，能為醫(yī)保管理決策者提供支持。

1 醫(yī)保數(shù)據(jù)的預(yù)處理

由于醫(yī)療保險(xiǎn)數(shù)據(jù)的來(lái)源廣泛和涉及內(nèi)容多，其主要有四大特點(diǎn)：（1）數(shù)據(jù)類型多、動(dòng)態(tài)性、數(shù)據(jù)量大；（2）存放數(shù)據(jù)的表繁多且關(guān)系復(fù)雜；（3）數(shù)據(jù)相對(duì)完整，空缺值較少；（4）存在大量不一致和沒(méi)有價(jià)值的數(shù)據(jù)。因此，數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的極其重要的一部分，能剔除大量“臟數(shù)據(jù)”，提供更為干凈、準(zhǔn)確、具有針對(duì)性的數(shù)據(jù)。本研究采用的數(shù)據(jù)主要是某地區(qū)一個(gè)月的醫(yī)保數(shù)據(jù)，包括病人資料、醫(yī)療費(fèi)用明細(xì)、醫(yī)囑表等6個(gè)Excel表格約30余萬(wàn)條記錄，數(shù)據(jù)量符合數(shù)據(jù)挖掘的要求。

1.1 醫(yī)保數(shù)據(jù)的清洗

基于課題的研究背景、研究意義和研究方向，并結(jié)合6個(gè)excel表格，進(jìn)行數(shù)據(jù)清洗，刪除大量對(duì)于本次數(shù)據(jù)挖掘沒(méi)有意義的數(shù)據(jù)。從這些表中選取的屬性數(shù)目如表1所示。

表1 原有數(shù)據(jù)與所用數(shù)據(jù)屬性數(shù)對(duì)比表

[表名＼&病人資料表＼&費(fèi)用明細(xì)表＼&醫(yī)囑表＼&醫(yī)囑子類＼&核算分類＼&患者費(fèi)別＼&原有屬性數(shù)＼&86＼&20＼&158＼&33＼&11＼&17＼&所選屬性數(shù)＼&4＼&14＼&5＼&5＼&4＼&3＼&]

1.2 醫(yī)保數(shù)據(jù)的轉(zhuǎn)換

上面清洗得到的數(shù)據(jù)表中的數(shù)據(jù)并不能直接使用，還需要轉(zhuǎn)換為需要的形式，首先將日期一律采用“年-月-日”格式；接著通過(guò)出生日期和就診日期得到患者年齡；最后將醫(yī)囑ID號(hào)精簡(jiǎn)成數(shù)字型。

1.3 醫(yī)保數(shù)據(jù)的集成

由于數(shù)據(jù)分別儲(chǔ)存在數(shù)據(jù)庫(kù)的幾個(gè)表中，因此需要將相關(guān)的表通過(guò)SQL查詢語(yǔ)句進(jìn)行連接，生成一個(gè)初步的集成表“醫(yī)保數(shù)據(jù)表”。

但是該表格的屬性繁多，冗余較大，還需進(jìn)一步的處理。下面這些情況都有可能是醫(yī)保欺詐：?jiǎn)螐執(zhí)幏剿庂M(fèi)偏高，就醫(yī)次數(shù)偏多，多人合伙進(jìn)行欺詐等。因此，可計(jì)算病人就診時(shí)的單次賬單費(fèi)用、每一個(gè)病人所看病的總消費(fèi)額和就醫(yī)次數(shù)。生成兩個(gè)新的表格分別為“賬單費(fèi)用表”和“綜合費(fèi)用表”。

2 醫(yī)保欺詐模型的建立與求解

2.1 參保人騙保行為識(shí)別

根據(jù)相關(guān)知識(shí)和文獻(xiàn)可知，對(duì)參保人騙保行為的識(shí)別主要通過(guò)以下兩種情況：一是單次處方費(fèi)用偏高的識(shí)別；二是就醫(yī)次數(shù)偏多的識(shí)別。然后結(jié)合醫(yī)保數(shù)據(jù)的特點(diǎn)，本模型將采用聚類的方法對(duì)問(wèn)題進(jìn)行研究。具體的研究流程圖如圖1。

1） 對(duì)所有病人聚類——Modeler的異常診斷方法

圖1 研究流程圖

根據(jù)病人的就醫(yī)特征，從“醫(yī)保數(shù)據(jù)表”中選取病人ID號(hào)、醫(yī)保手冊(cè)號(hào)、年齡、性別、就醫(yī)費(fèi)用、就醫(yī)次數(shù)6個(gè)相關(guān)屬性，構(gòu)建異常檢測(cè)聚類模型，對(duì)就醫(yī)人群進(jìn)行聚類，判別出各類的異常點(diǎn)，從而找出就醫(yī)行為存在異常的參保人，即Modeler的異常診斷方法。

① SPSS Modeler的操作過(guò)程

先將醫(yī)保數(shù)據(jù)表導(dǎo)入到SPSS Modeler中，并將除病人ID號(hào)、醫(yī)保手冊(cè)號(hào)、年齡、性別、就醫(yī)費(fèi)用、就醫(yī)次數(shù)外的字段過(guò)濾掉；接著從表中的醫(yī)保手冊(cè)號(hào)這個(gè)字段中可看出，有一部分人在醫(yī)院的記錄中使用了醫(yī)?？ǎ徊糠秩藳](méi)有使用，具體表現(xiàn)為：未使用醫(yī)?？ǖ娜酸t(yī)保手冊(cè)號(hào)為1，因此將“醫(yī)保手冊(cè)號(hào)”屬性轉(zhuǎn)換成“是否參?！睂傩裕覍⒃摗搬t(yī)保手冊(cè)號(hào)”屬性過(guò)濾；然后選擇字段類型；最后利用Modeler的異常診斷方法，構(gòu)建異常檢測(cè)聚類模型，找出就醫(yī)行為存在異常值。并設(shè)定訓(xùn)練集中異常的記錄百分比為5%，SPSS Modeler的具體操作過(guò)程如下圖2。

② 運(yùn)行結(jié)果如表2

通過(guò)表5可以篩選出就醫(yī)行為存在異常的病人，并將研究的對(duì)象從58010名病人縮小到2047名異常的參保病人。為了方便之后的研究，在醫(yī)保數(shù)據(jù)庫(kù)的綜合費(fèi)用表中新增一列“異常情況”，并導(dǎo)入“異常情況”這一屬性，得到“新綜合費(fèi)用表”，通過(guò)該表，就可以很容易的查找出就醫(yī)行為存在異常的參保病人。

2） 對(duì)異常參保人聚類——Modeler的K-means聚類

通過(guò)步驟一的Modeler異常診斷方法，可以得到異常參保人有829人，但這并不代表就醫(yī)行為存在異常的參保病人都會(huì)進(jìn)行醫(yī)保欺詐，因此本文將對(duì)這些異常參保病人進(jìn)行K-means聚類分析，找出不同類群的異常就醫(yī)行為的病人行為特征，并定義醫(yī)保欺詐手段，從而識(shí)別出存在醫(yī)療保險(xiǎn)欺詐的類群，再?gòu)闹姓页隹赡艽嬖卺t(yī)保欺詐的參保人員。

① SPSS Modeler的操作過(guò)程

首先由于利用Modeler的K-means聚類方法時(shí)，首先需要給出聚類的類數(shù)，但是聚類的類數(shù)難以確定，因此選擇Modeler的自動(dòng)聚類方法。

Modeler的自動(dòng)聚類方法主要是Kohonen聚類、兩步聚類、K-means聚類，綜合本文實(shí)際情況、數(shù)據(jù)的特點(diǎn)以及聚類的質(zhì)量，對(duì)比情況如圖4所示。因此最終選擇K-means聚類方法，從而找出不同類群的異常就醫(yī)行為的病人行為特征。

② 運(yùn)行結(jié)果

聚類結(jié)果顯示：聚類數(shù)為5類時(shí)最為適合，且聚類質(zhì)量較好，操作結(jié)果如表3所示。

根據(jù)表3聚類結(jié)果可以初步得知：

對(duì)于聚類-1，該類參保異常人平均年齡為5.78，屬于少年群體，平均就醫(yī)次數(shù)6次，平均單次就醫(yī)費(fèi)用69.5元，此費(fèi)用較低，屬于正常范圍，這與少年本身身體素質(zhì)有關(guān)，治療費(fèi)用并不需要太高，因此認(rèn)為這類人群不存在醫(yī)保欺詐的行為；

對(duì)于聚類-2，該類參保異常人的平均年齡為46.06，屬于中年群體，平均就醫(yī)次數(shù)5次左右，平均單次就醫(yī)費(fèi)用達(dá)到788.6元，與正常就醫(yī)行為特征相差十分大，因此認(rèn)為該類人群存在醫(yī)保欺詐的行為；

對(duì)于聚類-3，該類參保異常人的平均年齡為35.70，也屬于青年群體，雖然平均單次就醫(yī)費(fèi)用僅77.34元，但其平均就醫(yī)次數(shù)達(dá)到9.52，由于就醫(yī)頻次過(guò)高，因此認(rèn)為該類人群存在醫(yī)保欺詐的行為；

對(duì)于聚類-4，該類參保異常人的平均年齡為68.44，已屬于老年群體，該類人群平均就醫(yī)次數(shù)3.42，平均單次就醫(yī)費(fèi)用301.03；就醫(yī)費(fèi)用較高，這與老年人體弱多病有關(guān)，一旦患病則需要較長(zhǎng)的治療周期，因此本文認(rèn)為該類人群不存在醫(yī)保欺詐的行為；

對(duì)于聚類-5，該類參保異常人的平均年齡為37.78，屬于青年群體，該類人群平均就醫(yī)次數(shù)3.31，平均單次就醫(yī)費(fèi)用256.7元；可認(rèn)為該類人群不存在醫(yī)保欺詐的行為。

根據(jù)以上的聚類結(jié)果和對(duì)各類人群的就醫(yī)行為特征進(jìn)行歸納分析，可發(fā)現(xiàn)，參保人就醫(yī)行為存在異常的病人中有醫(yī)保欺詐行為的僅163人，占參保異常人總數(shù)的7.96%，符合實(shí)際情況。本文將要探討的醫(yī)保欺詐行為定義為以下三類：

a.參保人頻繁到醫(yī)院就醫(yī)，超量購(gòu)藥，導(dǎo)致就醫(yī)次數(shù)偏高和就醫(yī)費(fèi)用偏高；

b.若干參保人同一時(shí)間到醫(yī)院頻繁刷卡，開(kāi)取昂貴藥，且開(kāi)取的藥物藥效相似。

c.參保人購(gòu)買(mǎi)的藥物類型與所屬的年齡段不相符；

3） 建立預(yù)測(cè)決策樹(shù)模型——Modeler的C5.0決策樹(shù)

根據(jù)步驟一、二，已識(shí)別出存在醫(yī)保欺詐行為的病人。因此，通過(guò)結(jié)合存在醫(yī)保欺詐行為病人的就醫(yī)行為和不存在醫(yī)保欺詐行為病人的就醫(yī)行為特征，運(yùn)用C5.0決策樹(shù)算法，建立了一個(gè)識(shí)別某位病人在一段時(shí)間內(nèi)是否存在醫(yī)保欺詐行為的判別分類模型。

① SPSS Modeler的操作過(guò)程

首先通過(guò)篩選建立參保病人表，確定決策樹(shù)的輸入變量為就醫(yī)次數(shù)、就醫(yī)費(fèi)用以及年齡，輸出變量為“是否騙?！保渲袑⒋嬖卺t(yī)保欺詐的病人變量賦值為1，其余病人賦值為0；然后，將所有的樣本隨機(jī)劃分為兩個(gè)數(shù)據(jù)集，其中70%的參保病人作為決策樹(shù)的訓(xùn)練集，用于進(jìn)行決策樹(shù)的訓(xùn)練，30%的參保病人作為決策樹(shù)的測(cè)試集，用于檢驗(yàn)決策樹(shù)的正確率。具體的操作步驟如圖5。

根據(jù)圖6所示，可以得到以下幾條判斷某位參保人在一個(gè)月內(nèi)存在醫(yī)保欺詐行為的5 條規(guī)則：

A. 如果 就醫(yī)次數(shù)>10，則存在醫(yī)保欺詐行為；

B. 如果 就醫(yī)次數(shù)>8 并且 年齡>55，則存在醫(yī)保欺詐行為；

C. 如果 就醫(yī)次數(shù)>7 并且 55>=年齡>15，則存在醫(yī)保欺詐行為；

D. 如果 就醫(yī)費(fèi)用>2097.38 并且 57>=年齡>32，則存在醫(yī)保欺詐行為；

E. 如果 就醫(yī)費(fèi)用>3305.02，則存在醫(yī)保欺詐行為。

為驗(yàn)證建模結(jié)果的準(zhǔn)確性，通過(guò)對(duì)模型添加矩陣節(jié)點(diǎn)和分析節(jié)點(diǎn)，可以得到模型的準(zhǔn)確率和損失率。結(jié)果見(jiàn)如表3和表4。

通過(guò)表4可知：在訓(xùn)練集里該決策樹(shù)的準(zhǔn)確率高達(dá)100%，在測(cè)試集里準(zhǔn)確率也高達(dá)99.94%，準(zhǔn)確率極高。再通過(guò)表8的損失矩陣中可知：本來(lái)不存在醫(yī)保欺詐行為但是被該決策樹(shù)誤判為存在醫(yī)保欺詐行為的人數(shù)僅有1人；本來(lái)存在醫(yī)保欺詐行為但是被該決策樹(shù)誤判為不存在醫(yī)保欺詐行為的人數(shù)也只有5人。因此，該模型的準(zhǔn)確率是非常高的，存在醫(yī)保欺詐行為的人數(shù)僅有163人，則該決策樹(shù)的適用范圍還是比較小的，具有可信度。

2.2 數(shù)據(jù)映射查找相關(guān)欺詐信息

通過(guò)對(duì)參保人騙保行為進(jìn)行識(shí)別，找出了參保病人中可能進(jìn)行醫(yī)保欺詐行為的病人。由醫(yī)保欺詐的欺詐對(duì)象來(lái)看，欺詐除了參保人還有醫(yī)生。因此，將繼續(xù)根據(jù)騙保人信息表的數(shù)據(jù)映射關(guān)系來(lái)找到與嫌疑人員有關(guān)的嫌疑科室、嫌疑醫(yī)生以及高頻醫(yī)囑子類、核算分類。從而可以確定協(xié)助作案的科室醫(yī)生以及醫(yī)保詐騙事故高發(fā)的醫(yī)囑項(xiàng)、醫(yī)囑子類以及核算類，便于以后的重點(diǎn)監(jiān)督和排查。

1） 查找嫌疑科室

根據(jù)醫(yī)保欺詐的欺詐方式來(lái)看，在某些情況下，科室可以通過(guò)偽造病歷、票據(jù)醫(yī)保等方式欺詐，以騙取醫(yī)保資金。顯然，通過(guò)這種操作方式會(huì)造成某些患者費(fèi)用和頻率較高。因此，可以通過(guò)騙保人信息表篩選出與嫌疑參保人有關(guān)的科室，并且統(tǒng)計(jì)他們與嫌疑參保人進(jìn)行操作的次數(shù)。本研究將采用醫(yī)保手冊(cè)號(hào)來(lái)統(tǒng)計(jì)下醫(yī)囑科室與嫌疑參保人進(jìn)行操作的次數(shù)。

最終由條形圖可知，前5個(gè)科室的交易次數(shù)明顯高于其他科室，并且和與其相鄰的科室樣本突然發(fā)生較大變化，因此將下醫(yī)囑科室為173、124、133、203、143的認(rèn)為是嫌疑科室。

2）查找嫌疑醫(yī)生

與嫌疑科室同理，嫌疑醫(yī)生可以通過(guò)偽造病歷、票據(jù)醫(yī)保等方式通過(guò)欺詐，以騙取醫(yī)保資金。因此根據(jù)同樣的方法查詢出嫌疑醫(yī)生，條形圖顯示，前2個(gè)醫(yī)生的交易次數(shù)明顯高于其他醫(yī)生，并且和與其相鄰的科室樣本突然發(fā)生較大變化，因此將開(kāi)囑醫(yī)生ID號(hào)為1180、794的認(rèn)為是嫌疑醫(yī)生。

3）查找高頻醫(yī)療作案項(xiàng)目

醫(yī)保欺詐通常選擇效率高、收益高、周期短的醫(yī)療項(xiàng)目作為作案目標(biāo)，因此可以通過(guò)查找記錄中高頻醫(yī)囑項(xiàng)、高頻醫(yī)囑子類、高頻核算分類來(lái)確認(rèn)醫(yī)保欺詐高發(fā)的作案項(xiàng)目。為更直觀地看到各高頻類在項(xiàng)目中所占的比例，將繪制成餅圖來(lái)統(tǒng)計(jì)。

由餅圖結(jié)果可以將醫(yī)囑項(xiàng)為6886、16428、5462等前十名，醫(yī)囑子類ID號(hào)為6、1、23，核算分類ID號(hào)為1的三個(gè)高頻項(xiàng)目認(rèn)為是參保人極易選擇的作案項(xiàng)目，其內(nèi)容具體意義為醫(yī)囑項(xiàng)：89SrCL2注射液[4mci]、重組人紅細(xì)胞生成素[5000IU/瓶]、0.9%氯化鈉注射液（直軟）[100ml]等，醫(yī)囑子類：針劑、口服藥、成藥口服，核算分類：西藥費(fèi)。對(duì)于這幾種效率高、收益高、周期短的醫(yī)療項(xiàng)目要重點(diǎn)監(jiān)督，防止醫(yī)保欺詐。

3 研究結(jié)論

本文的研究結(jié)果表明：基于聚類分析和決策樹(shù)的數(shù)據(jù)挖掘方法對(duì)醫(yī)保欺詐行為能夠進(jìn)行較為準(zhǔn)確的預(yù)警，無(wú)論是學(xué)習(xí)還是最后實(shí)踐的識(shí)別準(zhǔn)確率都達(dá)到了99%，可信度強(qiáng)。這種預(yù)警方法可以大大減少人工檢測(cè)，提高識(shí)別效率，為醫(yī)療保險(xiǎn)機(jī)構(gòu)的決策者和醫(yī)?；疬\(yùn)營(yíng)監(jiān)管人員進(jìn)行科學(xué)決策提供客觀依據(jù)，提升社會(huì)預(yù)測(cè)力和科學(xué)決策力。

但在取得一些研究成果的同時(shí)，還存在一些不足：1）本研究所使用的費(fèi)用相關(guān)數(shù)據(jù)都是只與藥物消費(fèi)有關(guān)，因此研究的醫(yī)保欺詐行為也只局限在與藥物方面異常的有關(guān)情況，這使醫(yī)保欺詐主動(dòng)發(fā)現(xiàn)的模型缺乏普遍性；2）在建立決策樹(shù)模型時(shí)，只利用到數(shù)據(jù)庫(kù)中的幾個(gè)相關(guān)屬性，具有局限性。若再進(jìn)一步研究，可以將更多的信息用于建立決策樹(shù)模型，使得模型更具有普遍性；3）由于數(shù)據(jù)中沒(méi)有給出病人是否存在醫(yī)保欺詐的屬性指標(biāo)，因此對(duì)模型的檢驗(yàn)存在一定的缺陷。

參考文獻(xiàn)：

[1] 甘櫪元.基于數(shù)據(jù)挖掘醫(yī)保系統(tǒng)的研究[J].信息安全與技術(shù)，2013（10）：67-68.

[2] 陳真，秦偉，徐緒堪，房道偉.大數(shù)據(jù)環(huán)境下醫(yī)保數(shù)據(jù)監(jiān)測(cè)和預(yù)警模型構(gòu)建[J].現(xiàn)代商業(yè)，2014（20）：101-102.

[3] 朱攀.基于人工神經(jīng)網(wǎng)絡(luò)的醫(yī)保定點(diǎn)醫(yī)療機(jī)構(gòu)信用等級(jí)評(píng)價(jià)模型[D].國(guó)防科學(xué)技術(shù)大學(xué)，2010.

[4] 高宇彤.基于離群點(diǎn)檢測(cè)的新農(nóng)合醫(yī)保欺詐識(shí)別的研究[D].哈爾濱商業(yè)大學(xué)，2015.

[5] 樓磊磊.醫(yī)療保險(xiǎn)數(shù)據(jù)異常行為檢測(cè)算法和系統(tǒng)[D].浙江大學(xué)，2015.

[6] 沈培，張吉?jiǎng)P.聚類分析在醫(yī)療費(fèi)用數(shù)據(jù)挖掘中的應(yīng)用[J].華南預(yù)防醫(yī)學(xué)，2012（1）.

[7] 馮麗蕓.數(shù)據(jù)挖掘在我國(guó)醫(yī)保方面應(yīng)用綜述[J].電腦知識(shí)與技術(shù)，2014（05）：880-881.

[8] 孫晶晶，魏俊麗，萬(wàn)昊，趙冠宏.數(shù)據(jù)信息在醫(yī)院醫(yī)療保險(xiǎn)管理中的應(yīng)用[J].中國(guó)醫(yī)院，2015（12）.

[9] 劉江超.數(shù)據(jù)挖掘算法在醫(yī)保數(shù)據(jù)上的應(yīng)用研究[D].國(guó)防科學(xué)技術(shù)大學(xué)碩士論文，2009（11）.

[10] 薛薇.基于SPSS Modeler的數(shù)據(jù)挖掘[M].北京：中國(guó)人民大學(xué)出版社，2014.