醫保基金智能監管系統研究

摘要：醫保基金作為民生大計，尤其重要的是合理規范地使用。充分利用智能化、自動化等信息手段，創建智能監管平臺，可大幅提升醫保審核的難度，減少違規行為的發生。本研究立足于現階段醫保實際問題，設計了一個智能化監管系統平臺。從軟硬件需求、系統架構設計、數據庫建立、智能審核、監管應用全方面闡述所設計的智能化監管平臺。

關鍵詞：醫保監管；智能審核；大數據；人工智能

人民健康是社會發展的重要保障，為解決人民就醫問題，我國于2018年成立醫療保障局，并致力于建立具有中國特色的智能化、統一化醫療保障信息系統。隨著信息技術的發展，自動化技術在各行各業廣泛應用，醫保基金智能監管平臺也逐漸形成。但現階段的醫保基金監管系統仍存在不完善的問題，自動化和集成化程度不高[1]。針對目前國內醫保基金監管系統存在的問題和弊端，本研究從醫保監管系統現狀和需求逐步分析，提出并設計更加完善和智能化的監管平臺。該平臺以方便人民需求為主要目標，進一步規范和智能化醫保基金監管系統的使用，有效抑制亂開單據、過度診療等違規行為[2]。智能化監管包括常態化監管、預警和判斷以及監管和治理。常態化監管是利用大數據技術，通過數據模式來推動監管工作的全過程，包括準入、管理、評級、合規整改和退出等環節，形成閉環監管模式。預警和判斷是利用大數據和人工智能等技術，對風險行為進行監測、量化、預警和判斷，并協助監管部門查明更大的問題，從而有效防范違規風險。監管和治理則通過多維度的網格管理方法，如投訴和報告的智能分析，以及多層次的變化監控，為醫保部門的監管治理創造一個新的樣本[3]。這些智能化監管手段有助于提高監管的效率和準確性，更好地保障人民的健康權益。

一、醫保基金智能化現狀及需求

（一）智能化現狀

人工智能主要依賴于數據驅動的感知，但智能開發又會受到算法效率和硬件性能等因素的限制。深度學習算法嚴重依賴于海量數據和超強的計算能力設備。現階段硬件性能呈指數級增長，支持人工智能的發展是無法長久持續的。因此，人工依賴深度學習的智能在未來可能會遇到瓶頸。醫保基金智能化是指以醫保信息化、標準化為基礎，全面結合云計算、人工智能、大數據、物聯網等多種信息化技術融合到醫保基金監管中，確保醫保基金全過程的透明化和數字化[4]。我國人口體系龐大，現階段醫保基金智能化監管平臺僅僅是試點運行，未能全民化建立數據庫，且票據的審核仍依靠人工操作，耗費大量的人力物力，具有一定的局限性。該模式下的監管系統重點關注事后監察，缺少事前和事后實時信息，且政策偏差大，人工審核對政策規范理解不夠客觀，監管作用具有局限性，對違規行為制止不及時，增加用戶負擔。

（二）智能化需求

國務院辦公廳印發的《“十四五”全民醫療保障規劃》明確指出“五個醫保”，其中包括智慧醫保，并強調加強完善“建設智慧醫保”。結合十四五規劃需求，完善智慧醫保建設，建立數字化、智能化醫保基金監管體系已成為提升我國現代化醫保監管強度的必要手段。因此，智能化醫保基金監管系統不僅需要完善全民體系的龐大數據庫，還需要打好硬件系統的基礎。同時，要充分利用云計算、大數據等超高速數據計算和存儲方案，在確保醫保信息安全可靠的前提下，進一步利用計算機來監管醫保的審核工作。

二、醫保基金智能監管系統設計和應用

通過分析現階段醫保基金監管系統的現狀和未來智能化需求，本研究設計了一套基于人工智能、大數據、云計算、互聯網等多種信息技術融合的智能化監管系統。充分利用智能化、自動化技術平衡有效的醫保基金和無限醫療需求之間的動態平衡。

（一）系統軟硬件配置需求

為達到全面智能化醫保基金監管，需要在監管機構部署一套硬件設備，包括一臺數據庫服務器、一臺Web應用服務，以及匹配的大屏監控顯示平臺。這些硬件設備能夠實時反饋醫保基金的機構位置、審核實時情況、審核結果，并對違規行為進行預警。服務器具體配置情況如表1。

（二）總體架構設計

整套系統的整體架構分為數據層、審計服務以及監管應用三部分。其中數據層包括業務型數據、醫保審計規則庫以及醫保審計知識庫。審計服務是對用戶數據進行審核的過程，包括對藥品收費、材料收費、診療項目收費以及診斷合理性等進行規則校驗。應用層是整套系統落實的部分，完成醫保基金的事前提醒、事中監控以及事后核查。智能化監管平臺與傳統監管流程和目標幾乎相同。智能化監管平臺通過分析收集和患者醫院數據，并與數據庫中的內容、醫療環境和行業趨勢進行對比，自動生成審計評估報告，供審計員評估。同時，人工智能技術結合語音識別，記錄、總結和制作與用戶行為數據相關的信息。然后使用深度學習技術檢查提交的材料文件是否符合數據庫中的規則庫和知識庫準則。在這一階段，可以利用人工智能技術自動化審計常規流程，節省時間。最后，進行驗收環節和分析程序，以發現重大違規行為。

（三）數據庫構建

數據庫系統是一種用于組織和管理數據的平臺，可以方便地長期存儲、搜索、查詢、檢索和修改數據。數據庫的關鍵特征是以某種方式組織數據，尤其適用于需要長期存儲和在線訪問的互聯網應用程序。高效、有用的數據庫需要遵循以下步驟：需求分析、確定數據庫用途、將數據整合到系統中、確定并分析數據的關系，以及標準化數據。數據庫是醫保基金監管系統的核心，并且是實現智能化監管的基礎。除了整合現有的醫院信息系統、病歷信息、實驗室管理信息、通信信息和影像歸檔資料等業務系統數據外，規則庫和知識庫建立尤為重要。通過利用人工智能技術對醫保政策、法律法規、醫療常識等相關專業信息進行整合、訓練和學習，可以構建醫保基金數據庫。在建立數據庫之后，還需要對數據進行標注，將數據集標注成可智能審核和不可智能審核的數據集。數據庫的目的是提供龐大的數據支持，為最終的識別和判斷模型提供基礎。通過大數據和人工智能技術對數據進行特征分析和分類，再經過計算機進行特征訓練，從而對用戶的疾病、醫保類型、藥品、診療項目等進行精準判斷。數據量越多，數據類型越完善，最終的識別模型精準度也就越高。因此，構建完善的數據庫是整個醫保基金智能監管系統的關鍵。

（四）智能審核

審計服務層是基于上述數據庫對患者診療情況進行核算和審計的層級。智能審核是指利用計算機分析患者的費用和病例數據，代替原有的人工對比和判斷，實現全單據、全樣本的審核。只能審核通過篩選可疑單據進行人工復審，大幅提高了審核效率，并為醫院在診療合規和費用合規方面提供決策支持。智能化系統平臺將復雜的醫保審核流程數字化、自動化，并智能化地判定違規等級和預警[5]。智能化審核是基于大數據智能審核技術的前提和基礎條件，能夠對相關的醫保信息進行數字化和補缺，并利用模糊聚類算法對患者的基礎信息進行異常檢測。如果在醫保基金審核過程中發現差異，系統將自動啟動恢復操作，無需人工干預，并在服務情況下為用戶節約時間。基于深度學習的智能審核作為一種有效的故障診斷方法，可用于快速檢測醫療基金監管系統中的異常數據。首先，通過將卷積神經網絡和疊加去噪自動編碼器融合建立識別模型，以捕獲更全面的異常行為并從不同的數據中提取特征。然后這些特征在融合層被無縫集成，生成的融合特征被進一步用于訓練識別潛在檢測分類器。最后，結合監督預訓練和微調，簡化深度結構模型的訓練過程。醫保智能審核的實質性程序的執行次數與審計結果直接相關[6]。通過在平臺中定義不同級別規則的控制強度，并通過開放接口將審核結果嵌入醫生和護士的工作站，以事前提醒、事中監控、事后稽核方式，全過程、全方位、多層級實時監控醫療服務行為[7]。這樣的智能化審核系統可以為醫保基金智能監管提供決策支持。

（五）監管應用

智能化監管系統包括事前提醒、事中監控和事后稽核三部分。事前提醒是指在醫生開醫囑時利用智能化監管平臺進行分析，將分析結果通過短信或彈窗形式發送給用戶。事中監控主要關注數據的實時更新，系統平臺會自動更新全部數據庫內容，并對結果進行統計和分類，自動識別和判斷違規和疑似違規事件。一旦發現涉嫌違規的醫療行為，系統會自動向醫生發送詳細的違規事件報告，以阻止違規行為的繼續發生。通過從源頭阻止違規行為的發生，實現對醫療系統、醫生、藥店以及患者的全方位監管。這有助于提升醫療服務水平，改善醫患關系。工作人員根據實時反饋的違規信息進行現場答疑和指導，全面調整醫療診斷行為。事后稽核系統包括自動審核模塊、單據管理模塊以及規則管理模塊[8]。它可以對醫療行為進行審計，包括對各類費用單據的審核和管理，以及對相關規則的管理。自動審核模塊的標準是根據前面數據庫中的經驗規則設定的。審核模塊對輸入的信息與標準規則進行比對，這是判斷流程的初步步驟。審核結果分為正常和待核驗兩種情況。正常的單據將進入下一個流程，待核驗的單據則需要進行人工檢驗，由審核人員判斷是否存在違規行為。單據管理模塊旨在為審核人員提供支持，并輔助相關人員進行單據篩查，進一步校驗自動審核的結果，并對結果添加備注。規則管理模塊包括數據修改部分，超級管理員可根據自身經驗和報表規則進行參數修改和設定。修改后，系統將進行更新，繼續完成審核工作。智能化自動醫保基金審核系統能全面、無遺漏地對所有單據進行審核，并詳細提取單據數據，進行數據挖掘和宏觀及微觀的數據分析。系統建立決策分析系統，馮·諾伊曼提出了分析決策問題的原則，并提供備選方案以解決每一個相似問題。決策分析系統用于改進決策的模型和工具。當決策目標相互沖突且后果不確定時，決策分析系統可提供精準的解決方案。

三、面臨的挑戰和解決辦法

（一）構建分層級管理規則庫

規則庫不完善是智能化監管平臺的發展瓶頸。由于規則庫涉及的內容十分廣泛，醫療知識和政策法規的更新速度無法滿足實際需求。因此，建議構建“分級、分類、分層”的醫保審計規則庫管理系統。規則庫的內容主要應該來源于醫療系統工作人員的經驗和專業知識。可以通過明確制定相關規則，確定影響工作效率的具體因素，評估特定修改規則的準確性，來建立一個原型專家系統。并詳細說明基于規則的計算和判定方法。

該方案針對不斷變化的數據庫，同時考慮保密性、完整性和實用性，以降低總體開發成本，并優化員工的效率和生產力。規則庫和分析管理方案能夠高效且準確地解決醫保基金領域各種復雜問題。系統以用戶容易理解的方式進行響應，能夠識別人類語言的輸入，以相同的方式輸出，并且快速響應用戶的需求。

（二）完善多模態融合監管體系

目前智能化監管系統與醫療臨床系統整合程度不高。應采用多模式傳感器融合的自動化集成設備，以提取多個圖像的特征，如頻譜圖、標度圖和馬爾可夫變換場等，進一步通過訓練使用Yolo、Faster-rcnn、Deepsort等先進的識別和跟蹤算法，結合相關醫護人員實際經驗，降低正常醫療診斷過程中的不合理事件，提高醫保基金智能審計的準確率和效率，并轉變具有一定指令的行為干預，而非僅僅是提示。多層模態融合技術比傳統的智能化系統更具優勢，能夠提高融合性能的同時降低計算成本。數據融合方案可以合并不同數據預測模型的互補性能，以消除相關的不確定性和誤差，并可針對新增數據進行擴展，解決我國人口基數大、農村人口多以及人口老齡化帶來的智能化系統問題。

（三）改善支付方式

基于人工智能技術的在線支付平臺可以通過自動記住用戶信息，如卡號和地址，并進行自動填寫，使得支付流程變得簡單且用戶界面舒適。此外，面部識別作為人工智能技術，融合了機器視覺、3D傳感器和大數據等多種先進自動化技，為在線支付帶來了更便捷和安全的方式，并提供了更好的用戶體驗。目前，在我國面部識別支付已經應用廣泛，微信和支付寶是最受歡迎的第三方支付方式，利用面部識別和用戶的生物信息更新所有信息。通過結合支付軟件和面部識別支付方式，使數字支付和數字交易變得更加容易和安全。

四、結束語

智能化醫保基金監管系統的設計與應用是基于大數據、人工智能、云計算和物聯網技術的智能化分析。該系統充分利用高精度、高超寬帶的動態、高容量和低功耗的計算服務器，并將其應用于醫保審核的運營管理中。通過構建基礎信息管理、數據庫更新、定位分析、行為監控、智能審計和數據分析等應用功能，該系統為醫保基金審核的日常管理提供了有效的解決方案和自動化審核流程，有效解決醫療系統運行維護混亂、缺乏運行維護方法、整治不及時的違規操作、政策理解不透徹等問題。該系統平臺能夠推動醫療系統的數字化管理，幫助改善醫患關系，并為醫療系統在數字化時代的高質量發展提供支持。

作者單位：劉立堅 鹽城市醫療保障基金安全監測管理中心

參? 考? 文? 獻

[1] 王紅波， 元瑾， 孫向謙. 我國醫保監管的歷史進路、演變邏輯和未來展望——基于歷史制度主義的分析[J]. 中國衛生政策研究， 2022，15（06）：1-8.

[2] 陳芳. 我國健康管理型醫保基金運營風險控制建議思考[J]. 中國鄉鎮企業會計， 2022（12）： 151-153.

[3] 李國恒. 基于互聯網的智能化環保監管系統分析[J]. 集成電路應用， 2022， 39（08）： 128-129.

[4] 王艷艷， 袁妍. 大數據背景下行政許可智能監管系統研究[J]. 互聯網周刊， 2023， 777（03）： 22-24.

[5] 李仲巧， 馬海燕. 智能審核系統在醫院物價收費精益化管理中的應用[J]. 江蘇衛生事業管理， 2022， 33（08）： 1076-1077+1082.

[6] 黃鈺斯. 以智能審核系統推動醫院醫保規范化管理的應用實踐[J]. 中國標準化， 2022，603（06）： 105-107.

[7] 徐海亮， 謝新鵬， 廖生武. 臨床檢驗智能審核系統的設計與實現[J]. 中國數字醫學， 2021， 16（11）： 43-49.

[8] 許偲. 人工智能的風險與監管完善[J]. 上海市經濟管理干部學院學報， 2022， 20（06）： 29-38.