基于圖挖掘的醫(yī)療濫用欺詐檢測分析.pdf

1、近年來，健康中國逐步上升為國家戰(zhàn)略，醫(yī)保建設在經(jīng)濟社會發(fā)展中占據(jù)著重要的地位。隨著醫(yī)療信息化的不斷普及和推進，醫(yī)保欺詐也越來越被確認為一種嚴重的社會問題。醫(yī)療濫用是醫(yī)保欺詐中一種主要的欺詐方式，這種欺詐方式主要是指醫(yī)療機構或醫(yī)生提供的藥品或者醫(yī)療用品與實際治療所用的不一致或者違背醫(yī)療用藥標準，從而增加醫(yī)療保健支出。各種醫(yī)療保險欺詐案件屢見不鮮，大大損害了被保險人的利益，對醫(yī)?；鸬陌踩斐闪酥卮蟮膿p害，嚴重阻礙了醫(yī)保政策的實施和推廣。<

2、br>　　盡管，醫(yī)療欺詐不是最近發(fā)生的一種問題，并且各種欺詐檢測方法被提出來解決這個問題，但是醫(yī)療欺詐問題仍然沒有得到很好的解決。首先，一些基于檢測規(guī)則的傳統(tǒng)檢測方法通過專家定義的欺詐和非欺詐規(guī)則來找出違規(guī)的行為。這些方法往往受限于專家的知識水平。其次，雖然有許多文獻提出了各種不同的方法來解決欺詐問題，這些文獻中的監(jiān)督方法專注于將欺詐問題定義為一種二分類問題。醫(yī)保數(shù)據(jù)是一種分布很不均衡的數(shù)據(jù)集，其中包含大量的正常記錄以及較少量的欺詐記錄

3、，這種偏斜的類分布性使得從大量正常數(shù)據(jù)中區(qū)分出極少量的欺詐數(shù)據(jù)比較困難。隨著時間的推移，醫(yī)保數(shù)據(jù)集也根據(jù)內部或外部的因素動態(tài)變化，從而醫(yī)保欺詐檢測結果不是很理想。最后，監(jiān)督學習方法為了產(chǎn)生一個更準確欺詐檢測結果，需要對訓練數(shù)據(jù)中涉及的大量實體的屬性進行分析。這項工作花費了大量的精力和精力，甚者有些屬性違反了在醫(yī)療領域隱私政策。而基于聚類的離群檢測和聚類分析等無監(jiān)督方法由于輸入的參數(shù)較少，只需要了解少量的信息，所以獲得的結果的準確性往往達

4、不到欺詐檢測的要求。因此需要一種涉及較少量非隱私屬性、較高準確度的醫(yī)保欺詐檢測方法。本文的具體工作和貢獻概括如下:
　　1.提出了一個基于醫(yī)生信任度的醫(yī)保欺詐檢測方法GM-FP。這個方法通過醫(yī)生信任度這個關鍵特征將圖挖掘和頻繁模式挖掘結合起來，僅僅使用醫(yī)療記錄來訓練一個關于某種疾病的合理治療模型（藥品和醫(yī)療設施的種類、數(shù)量及之間的關系），并基于未知記錄與合理模型的相似程度來判斷記錄是否存在欺詐。
　　2.提出一種基于醫(yī)療記錄

5、數(shù)據(jù)集內部特征和網(wǎng)絡圖探索的異常檢測方法—IF-NE。對于每個醫(yī)保記錄，IF-NE通過分析該記錄的內部特征和基于網(wǎng)絡的特征，并根據(jù)特征選擇合適的分類器來對正常記錄和異常記錄進行分類，從而決定該醫(yī)保記錄是否是欺詐記錄。內部特征是基于RMF（新進度、頻率和花費金額）來獲取的?；诰W(wǎng)絡的特征提取豐富了醫(yī)生—病人二分圖網(wǎng)絡模型，將醫(yī)療記錄加入形成醫(yī)生—病人—醫(yī)保記錄三分圖模型;同時，利用了一種用于通過網(wǎng)絡從有限集合的標記邊（即欺詐醫(yī)保記錄）推斷