AI医疗保险欺诈识别实战指南.docxVIP

AI医疗保险欺诈识别实战指南

一、医保欺诈现状诊断与AI识别目标锚定

1.医保欺诈损失量化与类型谱系：统计近三年医保基金因欺诈导致的预估损失金额及占总支出的比例，梳理本地高发欺诈类型，包括虚构医疗服务、分解住院、挂床住院、串换诊疗项目、虚假票据、冒名就医、过度诊疗、医患合谋、团伙刷卡套现等，明确AI重点覆盖的欺诈模式。

2.传统规则审核的局限性：基于单一阈值的规则引擎对新型隐蔽欺诈识别能力弱，跨单据关联分析依赖人工经验，团伙欺诈发现滞后，规则更新被动依赖已知案例，误报率与漏报率难以兼顾。

3.AI欺诈识别核心价值：利用机器学习与图神经网络从海量结算数据中自动学习正常与异常行为模式，识别偏离基线的个体异常与群体聚集异常，在欺诈行为发生早期主动预警，将事后追缴升级为事中拦截与事前预防。

4.建设目标：已知欺诈模式召回率不低于百分之九十，未知欺诈模式主动发现率提升三倍以上，可疑案件推送准确率不低于百分之三十，单案件人工审核耗时下降百分之七十，年度欺诈拦截金额提升百分之五十以上。

5.人机协同边界：AI负责全量结算数据扫描、风险评分、异常聚类、可疑案件推荐与证据链自动组装，稽核人员负责高风险案件人工核查、现场取证、约谈与处罚执行、新型欺诈手法标注反哺。

二、多源医保结算数据汇聚与治理

1.结算数据全量接入：对接医保核心系统、两定机构HIS系统、药店进销存系统，实时或准实时获取结