自動(dòng)化式識(shí)別醫(yī)療保險(xiǎn)中的欺詐者

周田

摘 要：對(duì)于醫(yī)保欺詐的主動(dòng)發(fā)現(xiàn)，我們采用非監(jiān)督的聚類分析和監(jiān)督的模式分類相結(jié)合的方法來識(shí)別欺詐記錄。我們用訓(xùn)練的分類器對(duì)剩余的樣本進(jìn)行預(yù)測，識(shí)別出可能的詐騙樣本。用戶可根據(jù)需要選擇不同的分類器識(shí)別欺詐行為，這樣就可實(shí)現(xiàn)自動(dòng)化式識(shí)別醫(yī)保欺詐。

關(guān)鍵詞：醫(yī)保欺詐；主動(dòng)發(fā)現(xiàn)；聚類分析；數(shù)據(jù)挖掘；模式識(shí)別

1 問題提出

當(dāng)今我國醫(yī)保制度上仍存在著一些漏洞，比如醫(yī)保欺詐現(xiàn)象。公民、法人或者其他組織在參加醫(yī)療保險(xiǎn)、享受醫(yī)療保險(xiǎn)待遇過程中，故意捏造事實(shí)、隱瞞真實(shí)情況等造成醫(yī)療保險(xiǎn)基金損失的行為。騙保人進(jìn)行醫(yī)保欺詐時(shí)使用了很多手段。在不同的醫(yī)院和醫(yī)生處重復(fù)配藥，開了大量數(shù)目的醫(yī)藥且單個(gè)醫(yī)藥費(fèi)用高，單張?zhí)幏剿庂M(fèi)特別高。這些情況都需要考慮的醫(yī)保欺詐現(xiàn)象。根據(jù)一定的數(shù)據(jù)需要解決問題：主動(dòng)發(fā)現(xiàn)醫(yī)療保險(xiǎn)欺詐。

2 問題分析

前提是有許多病人的數(shù)據(jù)，有些數(shù)據(jù)能反映出病人在不同科室看病的，有些反映出醫(yī)療賬單號(hào)數(shù)目多，有些反映單張?zhí)幏劫M(fèi)用高等。這都與醫(yī)保欺詐有著一定的關(guān)聯(lián)。尋找這些與醫(yī)保欺詐有關(guān)的數(shù)據(jù)。這些數(shù)據(jù)中提取特征，利用特征進(jìn)行聚類分析并定義類別，利用支持向量機(jī)訓(xùn)練并構(gòu)建一個(gè)能主動(dòng)發(fā)現(xiàn)醫(yī)療保險(xiǎn)欺詐的模型。并檢測這個(gè)模型的是否具有使實(shí)用性。

3 模型的建立與求解

（一）數(shù)據(jù)的標(biāo)準(zhǔn)化處理

對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即：新數(shù)據(jù)=（原數(shù)據(jù)-均值）/標(biāo)準(zhǔn)差

步驟如下：

（1）求出各變量（指標(biāo)）的算術(shù)平均值（數(shù)學(xué)期望）xi和標(biāo)準(zhǔn)差si；

（2）進(jìn)行標(biāo)準(zhǔn)化處理：

（二）距離相似性度量

我們采用Pearson相關(guān)系數(shù)來度量兩樣本之間的相似性。

相關(guān)系數(shù)用r表示，其中n為樣本量，分別為兩個(gè)變量的觀測值和均值。r描述的是兩個(gè)變量間線性相關(guān)強(qiáng)弱的程度。r的絕對(duì)值越大表明相關(guān)性越強(qiáng)。樣本資料的皮爾森積矩相關(guān)系數(shù)（一般簡稱為樣本相關(guān)系數(shù)）為樣本共變異數(shù)除以的標(biāo)準(zhǔn)差與的標(biāo)準(zhǔn)差之乘積。樣本的簡單相關(guān)系數(shù)一般用r表示，其中n為樣本量，分別為兩個(gè)變量的觀測值和均值。r的取值在-1與+1之間：

利用樣本相關(guān)系數(shù)推斷總體中兩個(gè)變量是否相關(guān)，用t統(tǒng)計(jì)量對(duì)總體相關(guān)系數(shù)為0的原假設(shè)進(jìn)行檢驗(yàn)。若t檢驗(yàn)顯著，則拒絕原假設(shè)，即兩個(gè)變量是線性相關(guān)的；若t檢驗(yàn)不顯著，則不能拒絕原假設(shè)，即兩個(gè)變量不是線性相關(guān)的

（三）層次聚類

步驟：

（1）在預(yù)處理數(shù)據(jù)中提取一個(gè)樣本為5000的訓(xùn)練集。

（3）采用Pearson相關(guān)系數(shù)來度量兩樣本之間的相似性。r的絕對(duì)值越大，就放入同一類，表明相關(guān)性越強(qiáng)。求解樣本皮爾森積矩相關(guān)系數(shù)，即求解共變異數(shù)除以的標(biāo)準(zhǔn)差與的標(biāo)準(zhǔn)差之乘積。用t 統(tǒng)計(jì)量對(duì)總體相關(guān)系數(shù)為0的原假設(shè)進(jìn)行檢驗(yàn)。

得到下圖：

圖中聚類對(duì)象為一個(gè)5000×7的矩陣。每行表示1個(gè)樣本，每列表示1個(gè)特征。我們對(duì)樣本進(jìn)行聚類，即對(duì)行聚類，具有相似特征的樣本傾向于聚在同一子類。

（四）定義類別

A類：藥品總價(jià)多，不同的賬單號(hào)個(gè)數(shù)，藥品數(shù)量，不同下醫(yī)囑的科室個(gè)數(shù)，不同醫(yī)囑子類個(gè)數(shù)，不同的醫(yī)囑項(xiàng)個(gè)數(shù)，執(zhí)行科室不同的個(gè)數(shù)少，表明人們單筆賬單很貴。

B類：藥品總價(jià)，執(zhí)行科室不同的個(gè)數(shù)多，這顯示自然人可能多次買藥，為了不被發(fā)現(xiàn)而在不同的地方進(jìn)行。

C類：藥品總價(jià)，不同的賬單號(hào)個(gè)數(shù)很多，展現(xiàn)了自然人可能在單位時(shí)間內(nèi)反復(fù)多次拿藥。

（1）利用支持向量機(jī)構(gòu)建分類器

運(yùn)用支持向量機(jī)（SVM）的方法：

支持向量機(jī)分類預(yù)測模型。利用5倍交叉證實(shí)，我們將隨機(jī)的5000個(gè)樣本隨機(jī)分成5份，取其中4份，即4000個(gè)樣本作為訓(xùn)練集，剩余的1000個(gè)樣本作為檢驗(yàn)集。使用訓(xùn)練集樣本訓(xùn)練支持向量機(jī)分類器。我們采用加大欺詐樣本權(quán)重的權(quán)重調(diào)整策略處理樣本不平衡問題，提高分類器性能。我們分別以1）A∪B∪C；2）A；3）B；4）C作為欺詐樣本建立了4個(gè)分類器，并用檢驗(yàn)集檢驗(yàn)分類器性能。我們用訓(xùn)練的分類器對(duì)剩余的5000個(gè)樣本進(jìn)行預(yù)測，識(shí)別出可能的詐騙樣本。用戶可根據(jù)需要選擇不同的分類器識(shí)別欺詐行為， 這在理論上是被完全證明了是成立的，而且在實(shí)際計(jì)算中也是可行的。

（五）不平衡數(shù)據(jù)

不平衡數(shù)據(jù)分類精確度accuracy= （TP+TN） （TP+TN+FP+FN） 是分類問題中常用的評(píng)價(jià)標(biāo)準(zhǔn)，它反映分類器對(duì)數(shù)據(jù)集的整體分類性能，但不能正確反映不平衡數(shù)據(jù)集的分類性能。

Recall=TP/（TP+FN） Precision=TP/（TP+FP）

不平衡數(shù)據(jù)的解決方法：加重權(quán)數(shù)，權(quán)重越大，被定義為詐騙人的錯(cuò)誤人數(shù)越少，被定義為非詐騙的人的錯(cuò)誤人越多。

（六）檢驗(yàn)分類性能

倍交叉驗(yàn)證法：

把總樣本N隨機(jī)劃分為5等分，在議論實(shí)驗(yàn)中輪流抽出其中一份樣本作為檢驗(yàn)樣本，用其余4份作為訓(xùn)練樣本，得到5 個(gè)錯(cuò)誤率后進(jìn)行平均，作為一輪交叉驗(yàn)證的錯(cuò)誤率；由于對(duì)樣本的一次劃分是隨意的，人們往往進(jìn)行多輪這樣劃分，得到多個(gè)交叉驗(yàn)證錯(cuò)誤率估計(jì)，最后將多個(gè)估計(jì)再求平均。將數(shù)據(jù)聚類分析之后，我們用5倍交叉向量驗(yàn)證。將之前提取的5000個(gè)樣本隨機(jī)分為5組，并將其中4組合并為一個(gè)訓(xùn)練集，另一組分為一個(gè)檢驗(yàn)集，對(duì)訓(xùn)練集中的數(shù)據(jù)進(jìn)行驗(yàn)證。

（七）分類器分類

（1）ABC意義：滿足上述那些定義的A（藥品總價(jià)高，其它的數(shù)據(jù)數(shù)量少），B（藥品總價(jià)，執(zhí)行科室不同的個(gè)數(shù)多），C（藥品總價(jià)，不同的賬單號(hào)個(gè)數(shù)很多）

用5倍交叉驗(yàn)證可以例如：把5000樣本分為4000個(gè)的訓(xùn)練集和1000個(gè)的檢驗(yàn)集并設(shè)置權(quán)重比（1：10）

顯示出同時(shí)符合A類，B類，C類；通過數(shù)據(jù)分析得出藥品總價(jià)很多時(shí)的不同情況，得出可能是詐騙者。

（2）A類（藥品總價(jià)高，其它的數(shù)據(jù)數(shù)量少藥品總價(jià)高，其它的數(shù)據(jù)數(shù)量少）預(yù)測結(jié)果

表中數(shù)據(jù)可以清楚表示藥品總價(jià)很高，而其他的數(shù)據(jù)很低。上面的數(shù)據(jù)可以很容易的得出藥品總價(jià)很高，但其他的數(shù)據(jù)其值比較少，從而檢驗(yàn)數(shù)據(jù)的正確性。

參考文獻(xiàn)：

[1]朱小平.自動(dòng)識(shí)別技術(shù)及其應(yīng)用[J].合作經(jīng)濟(jì)與科技，2012（03）.endprint