[发明专利]基于深度自监督神经网络的医保小卡欺诈检测方法及系统

说明书

本发明属于医疗保险数据处理技术领域，尤其是涉及基于深度自监督神经网络的医保小卡欺诈检测方法及系统。基于深度自监督神经网络的医保小卡欺诈检测方法，包括以下步骤：S1、数据生成和脱敏；S2、数据分析；S3、信息提取；S4、数据划分；S5、归一化处理；S6、构建网络；S7、概率预测；S8、导出结果。本发明提供了一种解决实际应用中刷小卡医保欺诈检测不够准确、自适应程度差的问题的基于深度自监督神经网络的医保小卡欺诈检测方法及系统。

技术领域

本发明属于医疗保险数据处理技术领域，尤其是涉及基于深度自监督神经网络的医保小卡欺诈检测方法及系统。

背景技术

医保是指社会医疗保险，是国家和社会根据一定的法律法规，为向保障范围内的劳动者提供患病时基本医疗需求保障而建立的社会保险制度。医保具有“低水平，广覆盖”的特点，缴费以低水平的绝大多数单位和个人能承受的费用为基准，广泛覆盖城镇所有单位和职工，不同性质单位的职工都能享有基本医疗保险的权利。近年来，国务院推进城镇居民医保和新农合制度整合，逐步在全国范围内建立起统一的城乡居民医保制度，不断推进全民医保的实现，且参保人员完成缴费年限后可以终身享受医保待遇。其次基本医疗保险具有“双方负担，统账结合”的特点；以“以收定支，收支平衡”为原则。

医保对解决民生问题发挥着重要作用。但伴随着医保的推进，我国基本医疗保险制度不断健全，已经建立起覆盖广泛的全民基本医疗保险体系。医保基金收入的增长的同时，受人口老龄化加护、保障水平提升等方面因素的影响，为医保基金的长期稳定运营带来较大的压力。受监管制度体系不健全，激励约束机制不完善等因素制约，医保基金使用效率不高，欺诈骗保问题频发普发，基金监管形势较为严峻，而医保欺诈是指参保人或组织机构在参加医疗保险、享受医疗保险待遇的过程中，弄虚作假、虚假开药、盗刷套刷并隐瞒真实情况等造成医疗保险基金损失的行为。

为了提升医保基金使用效率，遏制欺诈骗保问题频发普发的现象，并促进医保的智能监管，医保智能监管服务平台应运而生。它是能够通过大数据智能分析手段实时地为医保局相关人员提供机构基金消费分析、收支余分析、控费监管、成效评估等医保基金相关服务的一款应用平台系统。在很大程度上，能够解决医保人员面对海量数据时数据复杂、分析难度过高、耗时等问题。利用我们的模型和大数据分析手段，可以直接对欺诈骗保可疑案例进行核验和处理，另外也能对各类医改成效进行直观评估，从而获得便利、快捷、高效的医保监管流程。在所有类型的医保欺诈案件中，可以分为小卡购药异常、大额购药异常、诊疗异常、住院异常等，刷小卡的异常是针对药店或机构进行的小额刷卡异常的行为的简称，这种情况下一般为集卡的黄牛收集了一堆卡，在不同或相同的机构进行刷卡，一方面为降低机构的均次费用，另一方面则是参保人利用医保报销低价购买药品套现医保资金。本文主要想用大数据和人工智能的方式方便、快捷、有效地识别发生此类行为的可疑人员和对应机构，以保障医保资金的有效利用。

由于刷小卡这种异常情况复杂、多变、且不具备稳定的特征，而其关键的不变特征‘小额’、‘多次’也是一个相对泛化的概念，若针对不同的属性变量进行阈值的设定，则会发生阈值设定不合理，阈值对地域和时间变换没有自适应性等特点，因此我们从大数据和深度神经网络技术的角度出发，提取相关特征，并进行自监督网络的特征融合处理，以预测可疑性的个人和机构联合的医保欺诈行为。