[发明专利]基于离群值分析的医疗保险欺诈检测装置及方法

说明书

本发明提供了一种基于离群值分析的医疗保险欺诈检测装置及检测方法，其中，基于离群值分析的医疗保险欺诈检测装置，包括：医保数据获取模块；医保数据预处理模块；相似度分数计算模块；离群值检测模块；病人欺诈检测模块。本发明通过数据预处理改进了现有的离群值分析方法，并调整了每个病人的相似性得分，使其适合医疗保险领域。基于该方法，通过计算病人的相似度分数，采用相似性和离群值相结合的方式，利用相似性为每个病人计算一个相似度分数，然后进行离群值分析，通过统计，可以发现相似度分数的分布与正态分布相似，采用阈值与置信区间相结合的方式，以确定检测离群值的灵活临界值。

技术领域

本发明属于医疗保险领域，尤其涉及一种基于离群值分析的医疗保险欺诈检测的方法。

背景技术

对于医疗保险欺诈，美国全国卫生保健反欺诈协会(NHCAA)的定义是：“个人或组织故意的欺骗或虚假的表述以使其本人或组织获得不法利益”。

传统医保欺诈行为检测方法，大部分是基于规则的。随着医疗保险事业的发展，医保领域内积累的大量的数据，包括医保结算系统中医疗诊断信息、诊疗明细、处方明细以及数字化医疗档案海量积累，形成了医疗服务大数据，其内部隐藏了大量的医疗服务知识和规律。本发明基于大数据，提出了一种基于离群值分析的医保欺诈行为检测方法。

发明内容

本发明为了提高欺诈检测的效果和精度，提出了基于离群值分析的医疗保险欺诈检测装置及方法。

本发明的目的是提供一种基于离群值分析的医疗保险欺诈检测的装置及方法。本发明的创新点在于通过为每个病人计算一个相似度分数，利用阈值与置信区间相结合的方式，设计一种评估算法在医疗保险领域实现欺诈检测。

为了实现上述目的，本发明采用如下技术方案：

一种基于离群值分析的医疗保险欺诈检测装置，包括：医保数据获取模块100，能够获取某地区医保机构的住院记录、用药记录和就诊记录，包括病人基本信息、用药信息、疾病信息和诊疗信息等；医保数据预处理模块200，能够利用数据清洗技术和药典对原始数据集进行数据预处理；相似度分数计算模块300，能够通过异构网络为每个病人计算一个相似度分数，并且考虑病人的药品能够治疗疾病的数量对相似度分数进行调整；离群值检测模块400，能够利用固定阈值与置信区间相结合的方式设置一个灵活的临界值进行离群值迭代查找；病人欺诈检测模块500，能够通过离群值分析将找到的离群值确定为疑似欺诈的病人。

一种基于离群值分析的医疗保险欺诈检测方法，包括以下步骤：步骤S1，获得某地区实际的医疗保险中就医记录；步骤S2，利用数据清洗和药典对数据集进行预处理；步骤S3，提取病人、疾病、药品信息构建异构网络；步骤S4，利用相似性计算不同病人的相似度分数；步骤S5，利用阈值与置信区间相结合的方式进行离群值分析，以区分正常和欺诈病人，最终确定疑似欺诈的病人。

优选地，所述的基于离群值分析的医疗保险欺诈检测方法，其中所述获得某地区实际的医疗保险中就医记录包括以下步骤：步骤S101，获取某地区医疗保险机构的大量就医相关数据，保留有用数据，移除无用数据；步骤S102，提取病人基本信息记录、用药记录、治疗记录等数据。

优选地，所述的基于离群值分析的医疗保险欺诈检测方法，其中所述利用数据清洗和药典对数据集进行预处理包括以下步骤：步骤S201，提取要进行欺诈检测的病人的就医数据；步骤S202，利用数据清洗技术，处理病人敏感数据和数据丢失率高的数据，保证每个病人的就医记录不少于三条；步骤S203，通过查询药典对药品信息进行类别处理，根据药品和类别之间的对应关系，将许多类似药品统一为同一类别。

优选地，所述的基于离群值分析的医疗保险欺诈检测方法，其中所述提取病人、疾病、药品信息构建异构网络包括以下步骤：步骤S301，对预处理之后的病人数据集进行分析，主要是分析病人基本信息、病人患病信息和病人用药情况；步骤S302，提取数据集中的病人基本信息、药品信息、疾病信息，构建病人的异构信息网络。