[发明专利]通过数据分析推断医疗保险违规行为的风控方法

说明书

本发明涉及通过数据分析推断医疗保险违规行为的风控方法，包括：步骤1、获取风控对象的当前及历史就诊行为数据、与风控对象相关的个人信息和公共数据；步骤2、从在步骤1获取的数据中提取与风控对象的就诊行为相关的特征；步骤3、根据所提取的特征，将风控对象的当前及历史就诊行为中的每次就诊行为划分到相应的就诊类别，形成就诊类别序列；步骤4、将步骤3中形成的就诊类别序列作为观测序列，将就诊目的作为隐含状态，根据隐马尔可夫模型计算出最可能的隐含状态序列，其中包含了风控对象最可能的就诊目的；步骤5、如果隐含状态序列中包含的风控对象最可能的就诊目的对应于异常目的，则输出与风控对象的当前及历史就诊行为相关的医疗数据。

技术领域

本发明涉及互联网数据处理技术领域，尤其涉及通过数据分析推断医疗 保险违规行为、为系统审核或人工稽核提供依据的风控方法。

背景技术

在医保社会体系中，每天都有数以万计的门诊、医院医疗行为的交易数 据发生，主要包括病人与医疗机构的交易、医疗机构与保险机构的交易等。 目前，现有医保处理系统在处理支付交易时难以精准识别病人的真正需求， 参保人或医疗机构有从中谋取不当利益的可能性。医疗欺诈行为的存在严重 影响了医疗保险基金的收支平衡，侵害了参保人的利益和社会公益。

政府和相关部门已致力于采用大数据方法鉴别医保欺诈行为，控制医保 风险。然而，现有的医保风控方案多基于设定阈值红线以达到监测欺诈、浪 费、滥用等违规行为，而因违规行为常随医保政策、支付方式及监管力度变 化，故简单的阈值划分不适合多场景、参保人员组成、政策更替的实际应用 环境。

发明内容

有鉴于此，针对现有技术的上述缺点，存在采用机器学习和分类器建模 等技术手段来解决上述问题的需要。

根据本发明的实施例，提供了一种通过数据分析推断医疗保险违规行为 的风控方法，其特征在于，风控对象的就诊目的被划分为正常目的和异常目 的，所述方法包括以下步骤：步骤1、获取风控对象的当前及历史就诊行为 数据、以及与风控对象相关的个人信息和公共数据；步骤2、从在步骤1获取 的数据中提取与风控对象的就诊行为相关的特征；步骤3、根据所提取的特 征，将风控对象的当前及历史就诊行为中的每次就诊行为划分到相应的就诊 类别，形成就诊类别序列；步骤4、将在步骤3中形成的就诊类别序列作为观 测序列，将就诊目的作为隐含状态，根据隐马尔可夫模型计算出最可能的隐 含状态序列；步骤5、如果所述最可能的隐含状态序列中包含的一个或多个 隐含状态对应于异常目的，则输出与所述风控对象的当前及历史就诊行为相 关的医疗数据。

根据本发明的实施例，提供了一种用于进行如权利要求1至7中的一个 所述的方法的风控系统，包括：风控对象数据获取模块，被配置用于获取风 控对象的当前及历史就诊行为数据、以及与风控对象相关的个人信息和公共 数据；特征提取模块，被配置用于从所述风控对象数据获取模块获取的数据 中提取与风控对象的就诊行为相关的特征；就诊分类模块，被配置用于根据 所提取的特征，将风控对象的当前及历史就诊行为中的每次就诊行为划分到 相应的就诊类别，形成就诊类别序列；就诊目的推测模块，被配置用于将在所述就诊类别序列作为观测序列，将就诊目的作为隐含状态，根据隐马尔可 夫模型计算出最可能的隐含状态序列；异常输出模块，被配置用于在所述隐 含状态序列中包含的隐含状态中的一个对应于异常目的的情况下，输出与所 述风控对象的当前及历史就诊行为相关的医疗数据。

根据本发明的实施例，提供了一种计算机可读存储介质，其上存储用于 执行通过数据分析推断医疗保险违规行为的风控方法的程序，所述程序在被 处理器执行时，实现根据所述方法的步骤。

本发明的有益效果主要在于：

1、提高了医保基金风控的灵活性与适应性；

2、通过现有行为组合预演可能发生的违规；

3、在风险识别和控制的过程中自动存留相关证据链，以供后序处理。

附图说明