大数据时代，医保智能监控的发展与展望

【编者按】今年7月，国务院发布《新一代 人工智能 发展规划》，明确人工智能作为国家战略的定位。虽然在 医保 智能监控领域内人工智能还处于新理念和新方法，也未应用在实际工作中，但对于行业内的参与者，从思想上做好准备至关重要。在不久的将来，也许人工智能会颠覆医保经办管理、医保智能监控。

本文来源于中国医疗保险，作者吴奎；经亿欧大健康编辑，供行业人士参考。

---

我国从1994年连入互联网的64K国际专线，实现了与国际互联网的全功能连接。20年间，中国互联网从无到有，从小到大，从最初的互联网1.0到今天的4.0，真正进入了数字时代。互联网、 大数据 技术的广泛应用，正在深刻影响社会和人民生活的各个领域，同样在医保领域，尤其是在医保智能监控领域也引起了巨大而深远的变革。

医保智能监控的发展历程

医疗保险监管顺应时代的发展，从2014年开始逐步推进智能监控，至今在全国所有医保统筹地区已实现了从传统的人工监管、监控到智能监控，全国已有320个统筹地区开展智能监控，监控人群达11亿，监控范围基本覆盖所有两定服务机构。医保智能监控的全面实现，使得医保监管效率大幅提升、医保监管工作更加公平、公正、经办管理廉政风险程度明显降低。

新时代背景下的新形势

医保基金是老百姓的救命钱，各级领导和人民群众高度关注。基金监管使用更是个社会热点，也是监管难点，如果监管不到位，发生骗保大案，比如沈阳发生的欺诈骗保，就成为舆论关注的焦点，震惊全国。

近年来，医保监管面临诸多新情况、新问题，医疗违规的手段越来越隐蔽，部分医疗机构开具大处方、阴阳处方、过度检查、挂床住院、伪造材料等违规行为屡禁不止；有的以义诊、赠物等方式降低入院指征，大量吸收参保患者入院；有的虚构检查化验，将同一检验报告用于多人或者将同一化验报告对应多次检化验等。

面对这系列新情况、新问题，有行业内专家将欺诈骗保行为总结成10类，并与孙子兵法《三十六计》里的计谋一一对应，足以显示出监管形势的严峻，同时也彰显医保监管从业者的无奈。故此，医保监管部门必需采取新的监控措施、手段来提升医保监管效能。

多纬度数据的采集及应用助力智能监控

维克托在《大数据时代》一书中提到，大数据时代思维变革的基础是数据，不是随机样本数据，而是要所有数据。尽力采集并应用多维度的数据至关重要。

目前，我国大部分统筹地区医保智能监控采集的数据仅来源于医保生产库，数据来源单一，且部分数据可能已被定点服务机构加工，不能充分发挥大数据监管系统的优势。当然，也有个别城市采集了参保人员以及定点服务机构的多维度数据，通过多维度数据的采集及应用来助力医保智能监控，提升监管效能。

比如，成都通过完善11个医保基础数据，建成全域医保数据中心，实时采集基础数据、行为数据（入院、出院、用药、治疗、手术）、结算数据（医疗费用明细），并建成医疗机构上传数据分析系统，判定医疗机构是否按规定进行数据上传。

今后，我们应加强数据多源性采集，第一步采集定点医院HIS、LIS、PACS系统数据，第二步争取利用卫计、公安、民政、工商、药监部门管理数据。通过数据碰撞、循环，生产新的数据，发挥大数据复杂计算功能优势。

智能监控引擎标志大数据监控时代的到来

医保监控引擎，也称为医保审核规则引擎，是将医保政策规定、临床用药诊疗常规与信息技术相结合的产物。以往，在商业保险寿险核保领域使用较为广泛。资料显示，80年代，美国就出现了自动核保技术的最早雏形；2000年开始英国、加拿大就开始普及使用这一技术；2006年澳大利亚、印度引入自动核保技术。

过去10年间，大多数商业保险公司都采用了核保引擎技术。在我国医保智能监控领域，绝大多数统筹地区已逐步使用审核引擎对医保费用清单开展监控审核。以成都为例，建立了宏观、微观引擎规则，在宏观维度，已有288项规则；在微观维度，已有58大类规则、180余万条明细。每一天引擎明细都对应一个监控审核决定，每一个监控审核决定都对应不同结果。

截至目前，成都监控审核明细27亿条，涉及申请拨付金额392亿元。我认为，对于审核引擎的研究应用仍处于不断探索阶段，随着人工智能和机器学习技术的不断发展，监控引擎与这些技术将进一步融合，未来能够更好的处理如图像识别、人脸识别、语音识别、自然语言技术等各种类型的信息，通过机器学习对各类信息加以分析并探寻其中的关联性和趋势性，医保智能监控的规则产生及设定将会实现从人工设定规则到机器自动产生规则并应用规则。

新技术的应用将逐渐成为趋势

1、大数据挖掘算法及建模技术的应用

医保数据是“金矿”，在全国医保系统内，仅成都专门成立市医保信息服务中心，该中心通过大数据算法（决策树、神经网络、KNN、随机森林）和模型（反欺诈、过度诊疗、超高费用、超长时间住院）对医保数据挖掘分析，为医保政策制定和评估提供数据支撑，为经办管理提供数据支持，全力推进医保治理体系和提升治理能力。从医保智能监控创新发展角度，大数据挖掘和建模将在以下方面发挥效能：

一是预测医保基金运行趋势。大数据的核心就是预测，利用海量医保数据，对医保基金运行趋势开展预测分析，为医保政策制度制定及调整提供数据支撑。同时，也可对住院人次、次均基金申请拨付金额等关键数据进行预测。

二是辅助决策。评估现行制度运行效能。建立医保起付标准调整模型、参保患者个性化报销模型、诊疗方案分组模型、药品价格及准入模型、医保筹资模型、医患网络模型、医疗行为模式模型、用药行为模式模型，提升监控决策能力。

三是风险分类。大数据和建模使得对医保基金运行风险分类成为可能，比如通过建模对统筹地区内各经办分中心基金运行风险分级，同时计算医保基金运行风险指数（FRI），定量监测预警基金运行风险情况。同时查找出对基金运行风险较高的强关联性因素。

四是精准监控。通过对海量医疗数据进行多维度、长周期的深度挖掘分析。从医疗行为是否合理、数据是否真实可信、医疗是否存在过度治疗、医疗费用是否虚高、药品耗材是否存在滥用等角度精准监控真实性、合理性。即挂床、大处方、过度检查、阴阳处方等，保障医保基金安全。

2、人工智能在智能监控的应用

今年7月，国务院发布《新一代人工智能发展规划》，明确人工智能作为国家战略的定位。虽然在医保智能监控领域内人工智能还处于新理念和新方法，也未应用在实际工作中，但对于行业内的参与者，从思想上做好准备至关重要。在不久的将来，也许人工智能会颠覆医保经办管理、医保智能监控。

人工智能在医保智能监控的主要发展及应用方向：

一是完善监控审核引擎。通过人工智能、机器学习对海量的医保数据、线上线下产生的各类监测数据不断学习，不断完善监控引擎。

二是完善学习算法。利用人工智能的学习算法，分析医保自身现有数据或结合民政、交通及公安等数据源进行欺诈识别，进而形成符合自身特点的动态医保反欺诈模型。

3、视频监测、人脸识别、可穿戴设备的应用

应用视频、可穿戴设备采集参保患者图片、影像数据、生命活动体征数据，实现对参保患者机构购药行为和定点服务机构医保服务行为的精准画像，精准监控。比如在慢病管理领域内，通过向慢性病患者提供心电监护仪等便携式可穿戴式医疗设备，实现对患者的“7×24”小时生命体征监管，随时对患者进行观察、测量和全程干预，在保证医疗救护时效的同时，提升患者的满意度。结合慢病管理APP的使用情况与医疗费用支出进行跟踪对比，督促、教育和引导参保人员加强自身健康管理，提升自我健康管理意识和能力，在提升参保人员就医质量的同时，减少医保基金的不合理支出。

此外，随着区块链技术应用的成熟，在医保智能监控领域内，定点服务机构的每一个医保服务行为，参保患者的每一次就诊购药行为都可以通过区块链技术记账存档，有效保证医保数据的真实性。

总体上看，既往医保智能监控成效明显，但在新形势下出现诸多新问题，医保监管必须从思想上充分认识到大数据、云计算、算法模型、人工智能等技术对智能监控的积极作用。

当然以上技术不是孤立存在，而是相互促进、相互作用。我们须从技术上思考完善新信息技术对医保智能监控的战略性规划，同时在确保数据安全及个人隐私的前提下，实时采集更多维度数据，建立A（人工智能）B（大数据）M（行业专家）立体监控体系，实现对医保经办管理机构、医疗机构、医保医生、参保人、病种、处方、诊疗项目明细的全覆盖、全时段实时监控预警，不断提升医保智能监控水平效能，切实保障医保基金运行安全。