医保结算AI智能审核与欺诈行为识别实战指南.docxVIP

医保结算AI智能审核与欺诈行为识别实战指南

一、医保审核现状诊断与AI赋能目标设定

1.医保结算审核痛点量化：统计医保经办机构或定点医疗机构当前人工审核的日均处理量、单均审核耗时、规则库覆盖率、违规检出率、申诉复议率及平均结案周期，识别人工审核的效能瓶颈与主要盲区。

2.欺诈行为类型与损失规模评估：梳理近年已查实的医保欺诈案例，按分解住院、挂床住院、虚构医疗服务、串换诊疗项目、虚假票据、冒名就医、过度诊疗等类型分类，估算各类型造成的基金损失金额与发生频次，作为AI模型重点覆盖方向。

3.AI智能审核与欺诈识别目标：规则审核层面，实现结算数据全量自动审核，规则内违规检出率不低于百分之九十八，人工审核量下降百分之八十以上。欺诈识别层面，实现对隐蔽性欺诈骗保行为的主动发现，模型识别准确率不低于百分之八十五，可疑案件推送后稽查核实阳性率不低于百分之三十。

4.人机协同边界与业务流程再造：AI负责全量数据初筛、规则内违规自动拒付、可疑欺诈案件智能推送与证据链自动组装，人工负责规则外复杂病例的医学合理性判断、欺诈案件的现场稽查与约谈、申诉案件的最终裁定。

5.分阶段实施范围：首期选取定点医疗机构住院结算数据作为试点，跑通规则审核与异常检测闭环，二期扩展至门诊统筹、门诊慢特病、药店购药等全场景，三期与医保基金监管信用体系及DRG或DIP支付方式改革联动。

二、多源医保数据汇聚与标准化治