[发明专利]基于改进生成对抗网络的存在骗保行为的患者识别方法

说明书

本发明公开了基于改进生成对抗网络的存在骗保行为的患者识别方法，包括：获取普通住院与普通门诊类型的发生骗保行为医院的年度医保报销数据；对该医院所有患者住院和门诊数据进行预处理；构建患者训练数据集D₁和测试数据集D₂；利用训练数据集D₁训练改进生成对抗网络模型；利用训练后的改进生成对抗网络模型，输入测试数据集D₂，得到异常分值集合，据此挑选异常阈值；利用异常阈值构建分类识别模型；定期更新医院新的结算数据，更新训练集与测试集中的样本。本发明能够在骗保样本较少的情况下训练识别模型，极大缩小了当地医保部门基金监管审查数据的范围，提高工作效率。

技术领域

本发明涉及数据挖掘技术领域，具体涉及一种基于改进生成对抗网络的存在骗保行为的患者识别方法。

背景技术

医疗保险是我国社会保险的重要组成部分，医保资金有着保障民生的重要作用，国家对其财政补助金额也日益增长。对于医保基金的欺诈盗用会对基金的正常运行造成影响，是一种十分恶劣的行为，造成的社会影响非常不好。在我国医保覆盖范围广，医保基金监管难度大的情况下，医院患者欺诈骗取医保基金的违规行为频发。由于骗保存在主体多，环节多，行为隐秘性强，骗保方式层出不穷的特点，因此打击治理欺诈骗保形势依然严峻。传统的基金监管方式多以依靠监管人员已有经验与规则进行人工监管，但这类规则一般较为简单，只对已知的欺诈策略起作用，无法自动发现新的欺诈策略；难于维护和更新，当新政策出台时，必须手动更新规则库，新的欺诈策略很容易绕过内部定义的规则。CN107145587A设计了一种基于大数据挖掘的医保反欺诈系统，但其系统涉及的内部结构及调度算法复杂，且搭建成本较高。CN111028088设计了一种基于频繁集挖掘的团伙骗保行为识别，但由于识别目标不明确，并且未将医院结算信息用于骗保识别，在面对新的骗保行为出现时缺乏灵活性。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的上述缺陷，从而提供一种基于改进生成对抗网络的存在骗保行为的患者识别方法。

为此，所述基于改进生成对抗网络的存在骗保行为的患者识别方法，具体包括如下步骤：

S1：获取普通住院与普通门诊类型的发生骗保行为医院的年度医保报销数据，数据属性包括患者就诊行为信息字段、医保目录内患者费用组成字段、患者医疗费用组成字段；

S2：对该医院所有患者普通住院和普通门诊的报销数据进行预处理；

S3：构建患者训练数据集D₁和测试数据集D₂；

S4：利用训练数据集D₁训练改进生成对抗网络模型；

S5：利用训练后的改进生成对抗网络模型，输入测试数据集D₂，得到异常分值集合，据此挑选异常阈值；

S6：利用异常阈值构建分类识别模型；

S7：定期更新医院新的报销数据，更新训练集与测试集中的样本，重复S4至S6，分别对应更新改进生成对抗网络模型的参数和分类识别模型的参数。

优选地，步骤S1中，所述患者就诊行为信息字段包括就诊时间、住院天数，所述医保目录内患者费用组成字段包括甲类药品费用、乙类药品费用，所述患者医疗费用组成字段包括西药费、材料费。

优选地，步骤S2具体包括如下步骤：

S21：删除普通门诊和普通住院报销数据单笔报销费用中显著异常费用；

S22：删除重复记录；