黃陽(yáng) 彭濤 劉偉

摘要：結(jié)合深圳市某三甲醫(yī)院一個(gè)月真實(shí)數(shù)據(jù)，對(duì)醫(yī)保欺詐行為進(jìn)行研究。方法：（1）了解原始數(shù)據(jù)中各屬性的含義，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，采用數(shù)據(jù)挖掘的方法對(duì)數(shù)據(jù)進(jìn)行研究，分析詐騙行為。（2）對(duì)一個(gè)病人持有多張卡、單張卡多人使用、病人死后仍有拿藥記錄這三種欺詐手段開(kāi)展統(tǒng)計(jì)分析。（3）以科室和醫(yī)生為對(duì)象進(jìn)行欺詐分析。結(jié)論：基于統(tǒng)計(jì)分析和AGNES聚類(lèi)算法可以成功檢測(cè)出部分醫(yī)保欺詐行為。

關(guān)鍵詞：醫(yī)保欺詐；統(tǒng)計(jì)分析；AGNES；粒子群優(yōu)化算法

中圖分類(lèi)號(hào)：TP3016 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）08-0114-03

隨著社會(huì)保障信息系統(tǒng)的廣泛應(yīng)用和醫(yī)保制度推廣范圍的擴(kuò)大，醫(yī)保數(shù)據(jù)呈現(xiàn)指數(shù)級(jí)別的增長(zhǎng)。這些數(shù)據(jù)中蘊(yùn)含著醫(yī)保行業(yè)極其重要的資金信息，此外，還有病人的就診信息、醫(yī)生的醫(yī)囑信息、病癥的治療方案、就診費(fèi)用等。如果這些數(shù)據(jù)能夠被挖掘出來(lái)加以利用，將對(duì)醫(yī)療行業(yè)具有重要意義。可是，目前國(guó)內(nèi)對(duì)這些重要的民生數(shù)據(jù)只能做一些簡(jiǎn)單的處理，例如增加、修改、圖表顯示，沒(méi)有進(jìn)行深層次的數(shù)據(jù)分析。

國(guó)外的醫(yī)保行業(yè)起步較早，醫(yī)保檢測(cè)研究較為深入，數(shù)據(jù)挖掘技術(shù)在國(guó)外醫(yī)療保險(xiǎn)行業(yè)的應(yīng)用日益廣泛。但目前國(guó)外大多數(shù)更加側(cè)重于在數(shù)據(jù)挖掘中使用的技術(shù)方法，很少與醫(yī)保欺詐者進(jìn)行聯(lián)系。如何利用醫(yī)保數(shù)據(jù)，分析其中的隱含信息，找出不同醫(yī)保欺詐行為的特征，設(shè)計(jì)不同的檢測(cè)方法就變得尤為重要。

1 基于統(tǒng)計(jì)分析的醫(yī)保欺詐行為識(shí)別

1.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于深圳市某三甲醫(yī)院一個(gè)月的真實(shí)數(shù)據(jù)。在所提供的數(shù)據(jù)集中，包括病人資料數(shù)據(jù)58017條，費(fèi)用明細(xì)數(shù)據(jù)289799條，醫(yī)囑項(xiàng)目數(shù)據(jù)29434條，醫(yī)囑子類(lèi)數(shù)據(jù)215條，核算分類(lèi)58條，患者費(fèi)別29條，本文主要研究病人資料表與費(fèi)用明細(xì)表。

1.2 數(shù)據(jù)預(yù)處理

原始數(shù)據(jù)中包含了諸多屬性和復(fù)雜的關(guān)系，而且存在很多屬性缺少數(shù)據(jù)。為了讓數(shù)據(jù)更適合挖掘，算法的執(zhí)行效率更高，在進(jìn)行數(shù)據(jù)分析之前，需要先進(jìn)行數(shù)據(jù)預(yù)處理。

本文對(duì)數(shù)據(jù)預(yù)處理的具體步驟如下：

（1）數(shù)據(jù)準(zhǔn)備階段。將Excel表格中的數(shù)據(jù)導(dǎo)入到MySQL中，生成對(duì)應(yīng)的表。

（2）醫(yī)?？ㄌ?hào)為1的病人是普通病人，這類(lèi)病人不存在欺詐嫌疑，所以用函數(shù)delete_PAPMI_IDNAME3_1（）去刪除醫(yī)?？╥d為1的數(shù)據(jù)，得到pa_patmas_new表。

（3）用函數(shù)delete_dhc_workload_not_in_pa_patmas_new（）刪除藥費(fèi)明細(xì)表dhc_workload中病人ID不在pa_patmas_new中的數(shù)據(jù)，得到dhc_workload_new表。

（4）對(duì)藥費(fèi)明細(xì)表進(jìn)行降維處理，去除其他無(wú)關(guān)屬性，使用函數(shù)create_bills（）創(chuàng)建新的賬單表bills，該表有賬單號(hào)、病人ID、部門(mén)ID、醫(yī)生ID、總費(fèi)用、拿藥次數(shù)6個(gè)屬性。其中，總費(fèi)用和拿藥次數(shù)是判斷是否有欺詐行為的直接因素，科室、醫(yī)生和病人也可能存在合伙欺詐的行為，所以引入部門(mén)ID和醫(yī)生ID進(jìn)行分析。

（5）由于dhc_workload_new表中同一個(gè)賬單號(hào)擁有多條記錄，我們需要將同一個(gè)賬號(hào)的多條記錄合并為同一條記錄。根據(jù)賬單號(hào)進(jìn)行分類(lèi)，統(tǒng)計(jì)每個(gè)賬單號(hào)的總費(fèi)用，使用函數(shù)insert_bills_some_ data（）插入賬單號(hào)、病人ID、科室ID、醫(yī)生ID、總費(fèi)用。使用函數(shù)insert_times（）統(tǒng)計(jì)每個(gè)病人ID的購(gòu)藥次數(shù)。

（6）最后采用函數(shù)standardData（），將數(shù)據(jù)矩陣標(biāo)準(zhǔn)化為0或1。

經(jīng)過(guò)預(yù)處理后，得到bills表數(shù)據(jù)一共54113條。數(shù)據(jù)預(yù)處理流程如圖1所示：

1.3 統(tǒng)計(jì)分析

對(duì)預(yù)處理后的數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析方法判斷是否存在一個(gè)病人持有多張卡、單張卡多人使用和病人死后仍有拿藥等欺詐行為。

1.3.1 一個(gè)病人持有多張卡

將新生成的病人資料表pa_patmas_new按照病人ID進(jìn)行分組，然后統(tǒng)計(jì)每個(gè)病人擁有的醫(yī)?？ǖ臄?shù)量，最后將擁有多張卡的病人ID和醫(yī)?？ㄌ?hào)打印出來(lái)。

檢測(cè)結(jié)果：該數(shù)據(jù)集中無(wú)病人持有多張卡。

1.3.2 單張卡多人使用

對(duì)pa_patmas_new表按照醫(yī)保卡號(hào)進(jìn)行分組，然后統(tǒng)計(jì)每一組病人的個(gè)數(shù)，最后將使用人數(shù)大于1的病人ID和醫(yī)?？ㄌ?hào)打印出來(lái)。

檢測(cè)結(jié)果：一共找到186張醫(yī)?？ū恢辽賰蓚€(gè)人重復(fù)使用，375個(gè)病人之間存在2個(gè)或者3個(gè)共用一張卡。

1.3.3 病人死后仍有拿藥記錄

部分病人在死后，醫(yī)?？ㄈ匀焕^續(xù)被使用。針對(duì)這一欺詐手段，首先需要在病人資料表pa_patmas_new中找到被標(biāo)注為死亡的病人，查詢(xún)出已經(jīng)標(biāo)注死亡的病人ID，醫(yī)保卡號(hào)，死亡日期，然后在費(fèi)用明細(xì)表dhc_workload_new中找到該病人的拿藥記錄，比較醫(yī)囑日期與死亡日期的前后，判斷此條消費(fèi)記錄是否有欺詐。

檢測(cè)結(jié)果：pa_patmas_new表中一共有2位標(biāo)注為死亡，拿藥日期在死亡日期之后記錄均0條，不存在醫(yī)保欺詐。

1.3.4 統(tǒng)計(jì)分析結(jié)論

在一個(gè)病人持有多張卡、單張卡多人使用、病人死后仍有拿藥記錄這三種欺詐手段中，只有第二種欺詐手段有欺詐記錄。在pa_patmas_new中，總共有35651張醫(yī)保卡，有186張卡被至少兩個(gè)病人共同使用，占總卡數(shù)的0.52%。

2 AGNES層次聚類(lèi)算法及應(yīng)用

2.1 使用粒子群算法求解屬性權(quán)重最優(yōu)解

2.1.1 改進(jìn)歐式距離

經(jīng)過(guò)預(yù)處理后數(shù)據(jù)集設(shè)為X={X1，X2，…，Xn}，其中，n表示數(shù)據(jù)集的個(gè)數(shù)，Xi（1≤ i ≤ n）由m個(gè)屬性組成，即Xi=（xi1，xi2，…，xim）。為了描述兩個(gè)樣本點(diǎn)Xp和Xq在數(shù)據(jù)集X上的相似度，通常使用歐式距離，一般定義為：

考慮不同屬性對(duì)于聚類(lèi)效果的影響，以此歐氏距離去計(jì)算兩個(gè)樣本點(diǎn)的距離，可能導(dǎo)致聚類(lèi)分析的結(jié)果不準(zhǔn)確。故在歐式距離的計(jì)算公式中加入權(quán)重的概念，其定義為：

2.1.2 屬性權(quán)重評(píng)價(jià)函數(shù)

為了讓聚類(lèi)的結(jié)果具有模糊性相對(duì)較小的性質(zhì)，通過(guò)調(diào)整ω的值，使得分類(lèi)的模糊程度盡量小，不相似的數(shù)據(jù)間距離更大，我們引入了屬性評(píng)價(jià)函數(shù)，用來(lái)評(píng)價(jià)聚類(lèi)結(jié)果的相似度，使得總體可以達(dá)到模糊性最小。通過(guò)求取該函數(shù)的最優(yōu)解，得到一組權(quán)重值。定義度量樣本點(diǎn)Xp和Xq的相似度的函數(shù)為Spq和，在普通的歐式距離下：

2.1.3 粒子群優(yōu)化算法

粒子群優(yōu)化（Particle Swarm Optimization， PSO）算法是一種搜索算法，其基本步驟如下：

（1）初始化粒子群中群體規(guī)模N，每個(gè)粒子的速度vi和粒子位置xi；（2）計(jì)算每個(gè)粒子的適應(yīng)度值Fit[i]；（3）比較各粒子的適應(yīng)度值Fit[i]與個(gè)體極值Pbest[i]，若Fit[i]>Pbest[i]，則Pbest[i]=Fit[i]；（4）比較各粒子的適應(yīng)度值Fit[i]與全局極值gbest，如果Fit[i]>gbest[i]，則gbest=Fit[i]；（5）更新粒子的速度vi和位置xi；（6）如果誤差足夠好或者達(dá)到最大循環(huán)次數(shù)，則程序退出。否則返回步驟2。

通過(guò)計(jì)算，最終各屬性權(quán)重的分布情況如圖2所示。

由圖2可知，醫(yī)保欺詐行為與賬單的總費(fèi)用和拿藥次數(shù)關(guān)系較大。

2.2 AGNES聚類(lèi)算法

AGNES（Agglomerative Nesting） 是凝聚型層次聚類(lèi)算法的一種，通過(guò)合并距離較近的簇、自底向上逐步進(jìn)行數(shù)據(jù)聚類(lèi)。本文在運(yùn)用AGNES算法中，在計(jì)算類(lèi)距離公式時(shí)采用平均距離：

在公式7中|Ci|表示類(lèi)i中樣本的數(shù)目，|p-q|表示樣本p，q之間的距離。

AGNES算法的基本步驟如下：

（1）將數(shù)據(jù)集每個(gè)樣本都當(dāng)做一個(gè)類(lèi)，放入集合C中，計(jì)算任意兩個(gè)類(lèi)之間的距離，設(shè)置聚類(lèi)后的類(lèi)的個(gè)數(shù)k；（2）得到當(dāng)前類(lèi)的個(gè)數(shù)m；（3）找到當(dāng)前距離最近的兩個(gè)類(lèi)ci和cj，并合并成一個(gè)類(lèi)，計(jì)算新類(lèi)與其他類(lèi)的距離；（4）m大于k時(shí)，重復(fù)2、3。否則、返回集合C。

算法流程如圖3所示。

2.3 聚類(lèi)結(jié)果分析

將經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)運(yùn)用到AGNES算法中，考慮到內(nèi)存溢出等問(wèn)題，我們以5000個(gè)數(shù)據(jù)為一組，分別對(duì)其進(jìn)行聚類(lèi)。由于層級(jí)聚類(lèi)缺乏目標(biāo)函數(shù)，我們將k從[2，15]聚類(lèi)結(jié)果顯示出來(lái)，從而判斷最佳聚類(lèi)數(shù)，總共檢測(cè)出疑似欺詐點(diǎn)109個(gè)，部分疑似欺詐點(diǎn)如表1所示。

同樣以科室和醫(yī)生為對(duì)象進(jìn)行分析，在本次檢測(cè)結(jié)果中，科室191以64次地高次數(shù)的出現(xiàn)，另外科室423也有22次。因此，這兩個(gè)科室很有可能存在為了自身利益騙取醫(yī)保基金的行為。在本次檢測(cè)結(jié)果中，檢測(cè)結(jié)果中醫(yī)生出現(xiàn)醫(yī)保欺詐中。醫(yī)生次數(shù)較多的有1180（23次）、2928（8次）、1060（7次）、794（6次）、1028（6次），總共50次，在本次檢測(cè)結(jié)果中占46%。與醫(yī)生1180相關(guān)的數(shù)據(jù)占總數(shù)據(jù)的21%，醫(yī)生1180給病人452114、病人230476、病人523612的拿藥次數(shù)分別是21、20和18，遠(yuǎn)遠(yuǎn)超過(guò)正常水平。另外，給病人191054一次性拿藥價(jià)格1338.08元。醫(yī)生2928的數(shù)據(jù)中，要么病人的費(fèi)用為負(fù)數(shù)，要么病人單次拿藥記錄高昂，表明該數(shù)據(jù)也存在異常，有待進(jìn)一步人工審查。

3 結(jié)語(yǔ)

本文對(duì)預(yù)處理后的醫(yī)院真實(shí)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，針對(duì)一個(gè)病人持有多張卡、單張卡多人使用、病人死后仍有拿藥記錄這三種欺詐手段設(shè)計(jì)相應(yīng)的檢測(cè)函數(shù)。其中檢測(cè)到一個(gè)病人持有多張卡0條記錄，單張卡被多人使用的醫(yī)?？ü?86張，病人死后仍有拿藥的記錄為0條；采用AGNES對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)分析，檢測(cè)疑似欺詐點(diǎn)109個(gè)，分析了檢測(cè)結(jié)果中的部門(mén)ID和醫(yī)生ID與欺詐行為的關(guān)系。

本文應(yīng)用統(tǒng)計(jì)分析與AGNES聚類(lèi)對(duì)比分析，通過(guò)在聚類(lèi)過(guò)程中引入屬性權(quán)重能夠分析不同屬性的對(duì)聚類(lèi)的影響程度，有效提高了聚類(lèi)效果，避免了主觀評(píng)價(jià)對(duì)分類(lèi)的影響。不足之處在于選取的算法時(shí)間復(fù)雜度和空間復(fù)雜度都較大，運(yùn)行時(shí)間較長(zhǎng)，在今后的工作中將進(jìn)一步優(yōu)化和完善。

參考文獻(xiàn)

[1]陳真，秦偉，徐緒堪，房道偉.大數(shù)據(jù)環(huán)境下醫(yī)保數(shù)據(jù)監(jiān)測(cè)和預(yù)警模型構(gòu)建[J].現(xiàn)代商業(yè)，2014，（20）：101-103.

[2]史徑宇，冉松靈，李晨萍.醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn)——基于引進(jìn)指標(biāo)權(quán)重的聚類(lèi)分析算法[J].數(shù)學(xué)建模及其應(yīng)用，2016，5（01）：54-59.

[3]李華，陳寧江.基于PSO的WFCM算法研究及其在醫(yī)保欺詐行為發(fā)現(xiàn)中的應(yīng)用[J].廣西科學(xué)院學(xué)報(bào)，2017，33（01）：32-39.

[4]Musal， R. M. Two models to investigate medicare fraud within unsupervised databases [J].Expert Systems with Applications，2010，37（12）：8628-8633.

[5]楊維，李歧強(qiáng).粒子群優(yōu)化算法綜述[J].中國(guó)工程科學(xué)，2004，（05）：87-94.