大數據環境下醫保數據監測和預警平台關鍵技術研究(DOC 22頁)

內容摘要
一、立項依據
1、本項目國內外科技創新發展概況和最新發展趨勢
隨著常州市社會保障信息係統的廣泛應用，特別是醫保數據爆炸式增長，積累了海量的曆史數據，數據量更是有1.5T之多。這些數據有對醫保行業最關鍵的資金數據，還有尚未被利用的病人信息、醫院信息、治療項目和藥方信息等，對這些高關注度民生數據的應用大多停留在錄入、查詢、修改和簡單的統計等數據展現功能。而目前對惡意配藥等騙保行為的監管還主要靠人工，麵對日益膨脹的數據，僅靠人工檢測已明顯不能滿足需求。所以目前已有的醫保係統無法對醫保資金進行有效監管，也無法獲取病人治療等規律或變化趨勢，由於醫保資金涉及範圍廣、人數多、業務複雜等特點，雖有配藥、治療、費用使用明細等信息，但這些信息沒有得到充分利用和發揮效益，難以為人社局製定政策、資金預算和監管提供決策支持。
1.1醫保數據高關注度和高敏感度
醫保數據主要涉及社會醫療保險基金征繳和使用，而醫療保險基金是為實施社會醫療保險製度而建立起的專項基金,是給予參保人員基本醫療保障的經濟基礎。它主要由參保個人及單位所繳納的醫療保險費組成,並交專門的經辦機構統一組織與管理,用於補償參保人員因疾病所需要的醫療費用"醫療保險基金是貨幣形態的後備資金,是職工的“保命錢”。常州醫保係統依據的醫保政策及各種待遇極其複雜，主要包括職工醫療保險、居民醫療保險、低保二次補助、大病救助等,。醫保數據直接關係到常州廣大群眾“治病救命”的切身利益，同時也關係到常州國計民生和社會穩定,對平穩安全運行保障要求極高。因此研究醫保數據監測和預警顯得非常必要。
醫保數據監測和預警是一項以防範和控製醫保基金運營風險為目標的複雜且長遠的課題,其涉及參保人員,各級醫療機構,醫生體係,定點藥店等多方麵，18新利真人网 和社會保障信息中心擁有所有參保人賬戶信息,醫療機構信息,藥店和藥品信息等等，同時還維護了所有參保人就診、購藥等海量實時數據信息。醫保數據監測和預警的關鍵問題在於如何從海量數據中獲得有價值的信息，從而指導醫療保險政策決策，提高醫療效果和管理效率。
目前國內醫療保險信息化已經逐漸完善,數據庫和數據倉庫技術對醫療保險實時交易數據和曆史數據的存儲起到了重要作用,在醫療保險信息化過程中操作型數據庫記錄了大量詳細的醫保相關的交易信息,並通過每日更新至數據倉庫，數據倉庫保存海量的曆史數據,並維護數據的準確性，通過對數據倉庫的統計分析等操作可以生成業務報表,然而隨著業務需求的不斷擴大,對運營決策支持需求日益強烈背景下,簡單的報表己經不能滿足需要，醫療保險機構的決策者和醫保基金運營監管人員希望能夠從海量數據中獲取更多的知識,以輔助決策和監管,維護基金的穩定運營。
1.2最新大數據發展趨勢
大數據能夠成為可用的資源得益於大數據處理技術的出現。計算機曆史前五十年主要是利用人們專門收集的數據，這些資料被視為資源，而現在計算機開始關注工作流程中順帶積累的超大規模數據，無處不在的信息設施不停地記錄了人們行為的信息痕跡，利用大數據技術能夠分析這些信息痕跡，從中提取重要信息以減少對環境認識的不確定性，提高工作與生產效率。大數據已成為新時期人類可開發利用的重要資源，以美國為代表的發達國家已經開始把大數據的利用與大數據技術的開發視為國家一項戰略性任務。
目前,我們已進入大數據時代，科學研究的主導方式已經從邏輯驅動、實驗驅動轉向了數據驅動的研究範式。數據就像貨幣、黃金以及礦藏一樣，已經成為一種新的資產類別，我們認為，大數據必將在我國國民經濟中成為一個重要產業。
美通社最新發布的《大數據市場：2012至2018年全球形勢、發展趨勢、產業分析、規模、份額和預測》報告指出，2012年全球大數據市場產值為63億美元，預計2018年該產值將達483億。2012年，美國政府撥款2億美元啟動“大數據研究和發展倡議”計劃。IBM、微軟、穀歌等國外IT巨頭早已嗅到了“大數據時代”的商機，這些國際巨頭借助自己擁有領先技術和豐富資源，以及穩定的大客戶群，實力雄厚，率先涉足。
我國互聯網數據中心（IDC）對中國大數據技術和服務市場2012-2016年的預測與分析指出：該市場規模將會從2011年的7760萬美元增長到2016年的6.17億美元，未來5年的複合增長率達51.4%，市場規模增長近7倍。在國內，大數據正在引起越來越多的企業關注。不但某某、某某等把大數據當成近期的重點項目。作為國內互聯網產業的發源地和創新高地，中關村也在搶抓大數據發展機遇，著手布局大數據產業。工信部發布的物聯網“十二五”規劃上，把信息處理技術作為四項關鍵技術創新工程之一被提出來，其中包括了海量數據存儲、數據挖掘、圖像視頻智能分析，這都是大數據的重要組成部分。而另外三項信息感知技術、信息傳輸技術、信息安全技術，都與“大數據”密切相關。
適逢世界走向數據化，邁入大數據時代的時刻，我們迎來了新的機遇，在這個新一輪產業發展中，醫保作為國家、省以及常州市重點民生工程領域，我們應該如何應對？如何開發利用大數據搶占競爭製高點？ 如何使未來大數據產業在常州醫保監控、管理和預警等方麵快速、健康和領先發展？大數據在醫保領域應用是新一代信息技術的集中反映，是一個驅動性很強的服務領域，能有效解決大數據及醫保領域的技術問題。
1.3本項目國外技術發展概況
數據挖掘(DataMining，簡稱 DM)技術是用於發現潛在數據信息和隱藏模式的技術。該技術最早出現於 20 世紀 80 年代後期，是機器學習、模式識別、數據庫、統計學以及管理信息係統等多學科研究成果的交彙，其在 90 年代有了飛速的發展，曾被認為是未來對人類產生重大影響的 10大新興技術之一。全球研究數據挖挖掘比較著名的大學和研究機構有：麻省理工學院，ACM（ACM Special Interest Group on Knowledge Discovery in Data and DataMining）等。典型數據挖掘係統有：IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine 及 Oracle Data Mining 等。數據挖掘技術起源於上個世紀的八九十年代，在西方發達國家首先得以推廣運用。在金融、電信、商業和保險界等擁有大量客戶數據的領域得到了成功的應用。目前數據挖掘的產品較多，但主要是國外的產品。例如SAS公司的SAS Enterpriser Miner，SPSS 公司的SPSS係列產品，IBM公司的Intelligent Miner, Microsoft公司的SQL Server 2008等。
數據挖掘在國內外醫療保險行業的應用案例同樣也很豐富。國外的商業保險公司中常使用定向營銷為不同的客戶製定相應的營銷策略,還有客戶忠誠度分析，客戶流失分析，保險產品的交叉銷售等等"使用的數據挖掘技術也多樣化。IBM研究中心的Marisa等人基於澳大利亞醫療保險機構采集的數據,將關聯規則和神經分割技術應用於醫療保險信息係統中,從GB級的數據中獲取未知模式。MohitKumar等使用數據挖掘和機器學習技術預測和預防保險公司在處理醫療保險申訴過程中的支付錯誤,用以降低日益增長的醫療保險開銷。還有許多數據挖掘方法研究集中在醫療保險行業的異常和欺詐檢測。
1.4本項目國內技術發展概況
我國社會醫療保險起步較晚,數據挖掘技術在保險欺詐檢測中的應用較少,同時與國外的醫療保險麵臨的欺詐問題也存在諸多差異"根據研究,當前我國醫療保險的欺詐可能涉及的主體有參保人,定點醫院,定點藥店,醫保經辦機構等多方麵,存在的欺詐方式多樣:如在征繳保費時參保人出現少報或漏報,在支付保費時的超支或套現行為,此外還有保險基金管理機構的資金挪用等。
目前，國內對醫保基金的風險相關研究主要集中於由於道德風險帶來的基金風險及控製醫療費用增長的具體方法上，采用的手段較為簡單，往往是人工控製，輔助以簡單規則的數據篩選。缺乏係統、全麵的醫保基金風險控製框架，缺乏強有力的數據分析和係統的支持。
上海市醫療保險信息中心秦德霖基於 SOA 和動態數據倉庫技術，利用數據挖掘和分析技術，針對基金運行管理的主要環節和基金風險的主要因素，建立對醫保基金風險防控基礎技術平台。該平台實現實時數據抽取、海量數據的整合、異構平台的集成。上海醫保基金風險防控平台的研究，為控製醫保基金的風險、保障基本醫療、促進醫療保險可持續發展提供強有力的支撐。
在醫保管理過程中，存在一種特殊的就醫現象，稱之為就醫聚集行為。就醫聚集行為通常表現為多張醫保卡過於頻繁地同時同地消費。就醫聚集行為可能是由於某些特殊病症人群如某些慢性病人群造成，也有可能存在欺詐行為。找出這些具有就醫聚集行為的人群，一方麵能夠對特殊疾病人群提供針對性的管理和服務，另一方麵能有效提高對違規人群的監督力度。
複旦大學何俊華基於 CBM 算法，開發出 B/S 結構的一致行為挖掘平台，該平台能夠有效地對一致行為進行監控。並將一致行為與參保人費用記錄的信息，藥品使用情況，醫院醫生信息等相關聯。通過一致行為挖掘平台，在醫保管理中能迅速鎖定慢性病人群，了解這些特殊人群的醫療費用負擔等情況。挖掘平台為醫保管理決策提供參考，便於為不同參保人群提供針對性的管理和服務。此外，該平台能有效檢測出可疑違規人群，這類可疑違規人群可能同時使用了多張醫保卡進行就醫，針對這些可疑違規人員，需要對其進行嚴格監管。
石萌利用數據挖掘的關聯分析方法,對社會醫療保險基金收支情況進行了研究,深入分析了參保人員、參保單位、醫療單位等各因素對社會醫療保險基金平穩運行的影響,為社會保障部門適時調整基金收繳政策、確保醫療保險製度的順利實施提供有力的技術支持。
國防科學技術大學朱攀利用人工神經網絡模型對醫保定點醫療機構的信用等級進行學習，並且根據學習過程中出現的問題,對人工神經網絡做了改進,克服了醫保定點醫療機構信用等級評價網絡原有的不足。並以醫保信息係統形成的大量數據為基礎,利用LOF算法對大量數據進行挖掘,找出了醫保定點醫療機構的違規行為。翁滔華等通過利用數據挖掘軟件SPSS11.0對病毒性肝炎的住院費用情況進行分析，並分別給出了病毒性肝炎費用控製的上下限，發現能能起到控製醫院的住院費用的作用。黃晶晶等利用數據挖掘技術製定醫保定額指標並進行相關數據的分析，結果發現數據挖掘技術能夠製定動態的定額指標，加快分析反饋的速度，並做出及時的分析返溯。
綜上所述，國內對醫保人群醫療費用的分析研究還處於起步階段，方法與手段一般, 研究結果尚不科學全麵；國外有不少相關的產品，由於國外醫保製度與我國的醫保製度差別很大，不能直接采用；另外，這些係統但大都是專有產品並且價格高,難以集成。國內關於醫保人群醫療費用分析的研究，大都采用訂立措施製度和傳統半手工方式進行。不少單位製定相關規定和製度進行管理，這些規定和製度大都是針對醫保政策和現有的醫院管理條文，結合醫保進行修改的結果；或者，各醫院針對控製定額費用情況，進行大量的數據采集及統計，製作醫保分析報表並利用該報表對當月醫保費用進行分析，由於均采用手工與信息係統的結合方式，對於超定額費用考核方麵明顯滯後，也難以對醫保各方麵進行靈活的詳細分析,進而無法及時分析產生各種異常情況的根本原因，亦不利於監控實時費用，沒有解決醫保病人醫療費用的不斷上漲的根本問題，更談不上對醫保預算和預警。因此，本課題擬采用先進的關係挖掘模型技術，分析常州醫保現狀，開發醫保數據監測和預警模型。

..............................