基于神经网络的医保欺诈主动发现模型.docVIP

基于神经网络的医保欺诈主动发现模型 　　摘要：本文阐述了运用自组织竞争型神经网络（SOM）与BP神经网络相结合，建立医保欺诈主动发现模型的原理和过程。主要介绍医疗数据的特征，海量数据初步分类和精选样本对BP神经网络进行训练的方法，最后采用遗传算法对BP神经网络的权值和阈值进行优化。研究成果较好地实现了对医保欺诈行为的主动识别。 　　关键词：SOM神经网络 BP神经网络 医保欺诈 识别模型 　　中图分类号：TP399 文献标识码：A 文章编号：1007-9416（2016）05-0000-00 　　Abstract：In order to build a model for detection of fraud in medical services， the paper proposes a new algorithm by combining self-organized map neural network（SOM） with back-propagation artificial neural network（BP）.The authors firstly introduce the characteristic of medical data， and then investigate approach based on SOM to select samples for the training of BP neural network. At last， the paper applies genetic algorithm into the model， so as to optimize initial weights and biases. It turns out that the model is highly effective in intelligent recognition of fraud. 　　Key Word： SOM neural network； BP neural network； Fraud in medical； Model for detection 　　1引言 　　随着我国医疗保险普及率的提高，医保基金的安全问题日渐引人关注。自城镇职工医疗保险和新型农村合作医疗制度实施以来，骗取医保基金的案件不断发生[1]。据不完全统计，在许多国家医保欺诈和滥用每年造成的损失都达数亿美元甚至更多，严重妨碍了各国医保政策的顺利实施[2][3]。因此，构建一个相对准确的医保欺诈主动发现和预警机制，对保障参保人员权益、提高医保基金使用效率都具有重大意义。 　　目前，反医保欺诈的研究是一个世界性的课题。由于医疗数据的海量信息和欺诈行为的隐蔽性，有效识别欺诈行为是反欺诈研究的重点和难点。国外学者的研究中，美国的Fen-May Lion对Logistic回归模型、神经网络和决策数等三种方法用于医疗数据挖掘，的方法和效果情况分析比较[4]；美国的Kweku-Muata和Osei-Bryson分析了目前数据挖掘中存在影响因子过多的问题，并提出VFT和GQM的解决方法[5]。国内针对医保欺诈的研究，目前多数停留在社会和法律层面的分析；关于医保欺诈行为识别方法，主要有杨超等提出的统计回归和神经网络相结合的方法[6]，研究的深度和广度都有待进一步拓展。 　　本研究采用自组织竞争型神经网络，对海量医疗数据按疑似欺诈数据和非欺诈数据两类进行初步筛选；在此基础上，人工精选一些分类后的数据作为BP神经网络的训练样本，并用遗传算法对BP神经网络进行优化。经验证，优化后的BP神经网络对医保欺诈具有良好的识别效果。 　　2 医保欺诈的概念及数据特点 　　2.1医保欺诈定义和类型 　　医疗保险欺诈一般是指医疗保险制度的相关利益主体以骗取医疗保险基金或医疗保险待遇为目的，采取各种形式隐瞒自己的真实身份或实际诊疗情况，从而骗取相关利益的行为。本研究所指的医保欺诈采用广义的定义，即任何因不符合正常就医规律的行为而导致的对医保基金的滥用或骗取都被视为医保欺诈。 　　根据严重程度的不同，医保欺诈可分为两类：一类是对医保基金的滥用，如小病住院，开高价药，过度检查等造成的医保资源的浪费；另一类则带有明显的欺诈故意，如非投保人使用投保人的证件，医院开具虚假的住院证明、药品清单或就诊发票等。 　　2.2医疗数据特征 　　本研究所用数据来源于深圳市南口区南山、西丽、蛇口三家大型医院2014年一月份的病人数据和就诊记录，共计约35万条数据。每条医疗数据有100多个字段，包含病人资料、就诊明细、住院信息、药品信息等海量数据，具有明显的大数据特征。这些数据中既没有明确标记为骗保行为的记录，也没有一套用来界定异常数据的