失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐檢測算法研究

(北京交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100044)

0 引言

目前我國老齡化程度日益增加，對于醫(yī)療保險需求也越來越多，設(shè)立完善醫(yī)療保險機(jī)構(gòu)是保證人們生活水平向更好方向發(fā)展基礎(chǔ)，也是維護(hù)社會環(huán)境強(qiáng)大后盾。醫(yī)療保險不但能夠改善人們生活水平，還會促進(jìn)我國經(jīng)濟(jì)向穩(wěn)定、可持續(xù)方向發(fā)展。該結(jié)構(gòu)建立目的是保障人們受到基本醫(yī)療保障需求，其包含了與人們?nèi)粘Ｉ钕嚓P(guān)養(yǎng)老、失業(yè)、醫(yī)療等范圍，通過醫(yī)療機(jī)構(gòu)向個人或單位籌集專款，如果出現(xiàn)資金不足問題，政府還可提供專項資金來支撐。近幾年，醫(yī)療保險行業(yè)快速發(fā)展，促使每3個人就會有1人具有醫(yī)療保險，同時，醫(yī)保欺詐問題逐漸增多。由于欺詐行為多種多樣，盡管使用欺詐識別技術(shù)，也很難保障每個人的醫(yī)療保險都不會受到欺詐行為，無疑是對我國經(jīng)濟(jì)造成較大影響。犯罪人員通過保險欺詐行為，違反相關(guān)法律法規(guī)，獲取醫(yī)?；?，由于我國目前有關(guān)醫(yī)保安全整治工作發(fā)展較遲，導(dǎo)致能夠安全使用醫(yī)保人群較少，因此常常出現(xiàn)醫(yī)保欺詐行為[1-2]。醫(yī)保欺詐具有多種表現(xiàn)方式，其行為涉及到多種機(jī)構(gòu)或個體，由于欺詐行為會造成治療費用增加，為此，需對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測。采用傳統(tǒng)檢測算法存在運行時間長、效率低問題，無法保障患者醫(yī)療保險使用安全。

針對傳統(tǒng)算法存在的問題，提出了基于隨機(jī)森林算法對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測。選擇分布點種類和實際應(yīng)用情況進(jìn)行分析，借鑒專家領(lǐng)域?qū)Ψ植键c進(jìn)行深入細(xì)致研究，通過實驗對比結(jié)果可知，采用該算法可快速對違規(guī)記錄進(jìn)行識別，并且檢測效率較高。

1 基于隨機(jī)森林醫(yī)保信息欺詐檢測算法

結(jié)合醫(yī)保數(shù)據(jù)在網(wǎng)絡(luò)不穩(wěn)定條件下不平衡屬性，采用隨機(jī)森林算法對醫(yī)保信息欺詐行為進(jìn)行檢測。通過混合抽樣可保證非平衡數(shù)據(jù)在失穩(wěn)情況下平衡化處理，使用森林分類方式，經(jīng)過迭代運算對數(shù)據(jù)進(jìn)行平衡化處理，通過分類性能對基分類器進(jìn)行選擇，進(jìn)而提高算法檢測準(zhǔn)確性，利用模型實現(xiàn)該算法對醫(yī)保信息欺詐檢測[3]。

1.1 數(shù)據(jù)處理方式

1.1.1 隨機(jī)森林抽取數(shù)據(jù)

多個決策簇構(gòu)成了隨機(jī)森林集成算法，在每個簇進(jìn)行訓(xùn)練完成森林集合之前，需使用前端框架有放回的對數(shù)據(jù)進(jìn)行抽樣，從原始樣本數(shù)據(jù)中抽取數(shù)量相同樣本作為訓(xùn)練集合，經(jīng)過抽樣獲取的數(shù)據(jù)組成里包(inBag)樣本集合，將沒有抽取的樣本數(shù)據(jù)組成外包(outBag)樣本集合，其中里包(inBag)樣本集合為基分類器的訓(xùn)練子集[4]。隨機(jī)森林抽取數(shù)據(jù)獲取的訓(xùn)練集合流程如圖1所示。

圖1 隨機(jī)森林獲得訓(xùn)練子集流程圖

每次迭代運算訓(xùn)練子集的數(shù)量與原始樣本數(shù)量一致，但是采用有放回的抽樣方式會出現(xiàn)數(shù)據(jù)被重復(fù)抽到的問題，為此，當(dāng)訓(xùn)練數(shù)據(jù)為非平衡數(shù)據(jù)時，其數(shù)量差異性會導(dǎo)致原始樣本數(shù)據(jù)集合抽樣時，少量樣本一次都沒有抽到。如果使用較少樣本訓(xùn)練子集作為基分類集合，將導(dǎo)致基分類器無法對樣本進(jìn)行識別，為此需構(gòu)建非平衡數(shù)據(jù)分類算法抽樣機(jī)制。

1.1.2 非平衡數(shù)據(jù)分類算法抽樣機(jī)制建立

通過對非平衡數(shù)據(jù)采用smote方式，即通過合成新的少數(shù)類樣本，對每個少數(shù)類樣本a，從它最近鄰中隨機(jī)選一個樣本b，然后在a、b之間連線上隨機(jī)選一個點作為新合成的少數(shù)類樣本。通過該方式增加樣本數(shù)量，可以有效保障數(shù)據(jù)擬合程度，為此在每次迭代運算過程中，使用smote方式可對全部數(shù)據(jù)進(jìn)行重構(gòu)，進(jìn)而解決樣本中不平衡問題。由于采用smote方式生成的新樣本存在隨機(jī)性，對于增加樣本差異性，需使用分類器進(jìn)行屬性互補(bǔ)[5]。經(jīng)過處理之后的隨機(jī)森林訓(xùn)練樣本子集算法具體流程如下所示：

設(shè)樣本輸入的初始集合為F，進(jìn)行隨機(jī)森林迭代運算的次數(shù)為S；輸出的訓(xùn)練樣本子集為inBag、測試樣本子集為outBag，具體機(jī)制為：

1)通過對非平衡數(shù)據(jù)處理，采用smote方式對初始數(shù)據(jù)樣本集合進(jìn)行平衡化處理：

F=smote(F)

(1)

2)經(jīng)過步驟1)中獲取的相對平衡數(shù)據(jù)樣本集合，采用有放回抽樣方法獲取輸出訓(xùn)練樣本子集；

inBag=bootstrap(F)

(2)

3)將未抽取到的樣本子集作為測試樣本子集。

outBag=F-inBag

(3)

1.2 基分類器的選擇

1.2.1 隨機(jī)森林組合基分類器特點

進(jìn)行迭代隨機(jī)森林?jǐn)?shù)據(jù)計算過程中，需按照相同方式來抽取子集，基分類器按照并行或獨立方式生成彼此之間聯(lián)系性，由于基分類數(shù)據(jù)地位是相同的，因此采用多數(shù)投票法構(gòu)建基分類器，如圖2所示。

圖2 隨機(jī)森林組合基分類器示意圖

由圖2可知：在隨機(jī)森林組合中對分類器進(jìn)行集成，不需考慮分類器自身屬性，如果分類器中的分類屬性較多時，需將集成效果降低，只有基分類器中擁有較低集成效果時，才可提高算法準(zhǔn)確率。為此，待集成決策簇數(shù)量越多并不代表隨機(jī)森林對數(shù)據(jù)分類效果就越好[6-8]。

1.2.2 按分類性能篩選基分類器

根據(jù)數(shù)據(jù)隨機(jī)組合，基分類器在集成過程中，會將性能較差基分類器去除，進(jìn)而降低集成效果，為此在對分類器進(jìn)行篩選時，需將性能較差分類器剔除，只使用效果較好集成分類器。由于在迭代運算過程中，抽取到的里包(inBag)樣本集合作為訓(xùn)練子集，采用smote方式進(jìn)行反復(fù)樣品，大約有40%的數(shù)據(jù)樣本沒有被抽取到，外包(outBag)樣本集合并沒有完全參與簇的決策之中，因此在隨機(jī)森林進(jìn)行迭代運算時，需使用抽取到的里包(inBag)樣本作為基本訓(xùn)練的子集，然后將沒有被抽取到的外包(outBag)樣本集合作為測試集合[9]。

針對性能較好的基分類器進(jìn)行數(shù)據(jù)分類時，需采用異常數(shù)據(jù)樣本統(tǒng)計量值作為對非平衡數(shù)據(jù)分類的評價標(biāo)準(zhǔn)，綜合統(tǒng)計量中的準(zhǔn)確率和召回率，評價每一個決策簇的特點，統(tǒng)計量值越高，代表分類效果就越好。按分類性能篩選的基分類器具體步驟如圖3所示。

圖3 按分類性能篩選基分類示意圖

按照分類性能篩選出性能較好的基分類器，并由上述圖3可知，在隨機(jī)森林算法進(jìn)行迭代運算過程中，分別使用抽取到的里包(inBag)樣本作為基本訓(xùn)練子集，將沒有被抽取到的外包(outBag)樣本集合作為測試子集對該基分類器進(jìn)行測試。經(jīng)過迭代運算后，所有的基分類器都可按照統(tǒng)計量方式進(jìn)行倒序排序，并將分類效果較好分類器放置在最前方，根據(jù)設(shè)定函數(shù)以降序形式返回表中最前面的幾行，這些行的累積合計至少要達(dá)到指定百分比，并篩選其中一部分效果較差基分類器。如果將100個基分類器同時進(jìn)行倒序排列，那么函數(shù)百分比為80%，則有80個基分類器被選擇，剩余的20個基分類器被剔除，進(jìn)而提高集成分類效果。

1.3 算法模型

根據(jù)上述基分類器選擇以及對數(shù)據(jù)處理，可構(gòu)建隨機(jī)森林算法模型，在進(jìn)行迭代運算過程中，需通過既定原始數(shù)據(jù)直接使用反復(fù)抽樣方式進(jìn)行數(shù)據(jù)抽取，并將抽取到的數(shù)據(jù)作為訓(xùn)練子集，完成相應(yīng)簇的決策。迭代運算結(jié)束后，將所有決策樹都參與到集合之中，由于不同決策樹是相互獨立的，且不具有任何屬性，因此按照投票結(jié)果完成簇的決策集合[10]。即使在不同決策簇中的分裂中心節(jié)點處具有特征集合的篩選功能，但是由于數(shù)據(jù)未被進(jìn)行特征化同化，所以不同將該部分直接展示出來，基于此，構(gòu)建隨機(jī)森林算法模型，如圖4所示。

圖4 隨機(jī)森林算法流程圖

針對醫(yī)保信息需從數(shù)據(jù)層次上和算法層次上分別對不平衡數(shù)據(jù)進(jìn)行平衡化處理，并利用集成思路完成欺詐行為的檢測。其中，在數(shù)據(jù)層次上，由于網(wǎng)絡(luò)不穩(wěn)定，導(dǎo)致醫(yī)保信息中也存在著一種不平衡的數(shù)據(jù)，為此需對數(shù)據(jù)進(jìn)行平衡化處理，利用smote方式進(jìn)行混合抽樣來改善數(shù)據(jù)不平衡所造成的分類效果差的問題，進(jìn)而增加異常數(shù)據(jù)，為迭代運算smote方式所產(chǎn)生新數(shù)據(jù)進(jìn)行分類處理，并通過前端框架進(jìn)行有放回差異性訓(xùn)練處理，進(jìn)而提高數(shù)據(jù)差異性，便于檢測；在算法層次上，對數(shù)據(jù)集成之前，需進(jìn)行兩次篩選，一次是對決策簇數(shù)據(jù)進(jìn)行篩選，一次是對統(tǒng)計量值進(jìn)行篩選。由于訓(xùn)練樣本存在差異性，促使決策簇形成也是不同的，每次先對決策簇數(shù)據(jù)進(jìn)行篩選，將差異性較大數(shù)據(jù)識別出來，并剔除。根據(jù)基分類性能統(tǒng)計量衡量指標(biāo)，獲取到每一個基分類器統(tǒng)計量值后，按照依次排列，篩選出性能較好分類器，并進(jìn)一步處理。通過不一致度量值作為衡量決策簇差異性重要指標(biāo)，需綜合考慮分類器相似度，如果相似度低于正常閾值時，再考慮決策簇分類性能，提出多余模型，可提高分類性能，又保證算法檢測效果。

2 實驗

采用基于隨機(jī)森林算法對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測，為了驗證該檢測算法的有效性，將傳統(tǒng)算法與該算法進(jìn)

行對比驗證，以此提高該算法的可靠性，具體實驗內(nèi)容與結(jié)果如下所示。

2.1 實驗過程

在醫(yī)保數(shù)據(jù)中存在欺詐行為的主要原因就是參與人信息與正常法規(guī)數(shù)據(jù)相比出現(xiàn)誤差，導(dǎo)致在醫(yī)保數(shù)據(jù)中出現(xiàn)分布的現(xiàn)象。根據(jù)某次參與醫(yī)保的患者數(shù)據(jù)，在較短時間內(nèi)有頻繁住院的情況，或者存在醫(yī)保欺詐事件，采用隨機(jī)森林檢測算法對醫(yī)保欺詐事件進(jìn)行有效識別，進(jìn)而達(dá)到實驗的目的。實驗選取的數(shù)據(jù)來源于某市農(nóng)村信用社與醫(yī)療機(jī)構(gòu)合作的辦公室所提供的2017年1月1日至2017年12月31日的11215條住院記錄，通過人工審計可確定其中30條記錄為異常信息，以此作為兩種檢測方法準(zhǔn)確評估標(biāo)準(zhǔn)。在內(nèi)存大小為8G的計算機(jī)上使用C++語言實現(xiàn)兩種算法的檢測。

2.1.1 第一階段

首選從上述11215條住院記錄中隨機(jī)選取一條診斷記錄作為聚類簇的中心，并將其賦予閾值，經(jīng)過計算和比較，可最終集合劃分成8個聚簇，分別為1138、3619、1123、50、672、1668、1123和1822條住院記錄，計算8個聚簇相關(guān)的3個屬性，分別是：簇基數(shù)、簇半徑、簇分布點可能性指標(biāo)。對聚類結(jié)果進(jìn)行統(tǒng)計與排列，結(jié)果如表1所示。

表1 聚簇相關(guān)屬性表

2.1.2 第二階段

在實驗進(jìn)行過程中，參與的變量因素包絡(luò)：住院總費用、實際補(bǔ)償費用、自付費用、藥品費用、可實際補(bǔ)償醫(yī)藥費用、醫(yī)藥使用率、住院時間等，還包括經(jīng)過分布離散化處理之后的住院登記、患者種類、患者家庭種類、醫(yī)保補(bǔ)償方式等因素。在該階段可對已經(jīng)編號的5個聚簇進(jìn)行逐一掃描，記錄每個分布的因子，構(gòu)建優(yōu)先級隊列，實現(xiàn)鄰近分布點的快速搜索與排列。為了保證患者信息安全，將歷史記錄中的患者姓名進(jìn)行了編號處理，并截取部分歷史記錄數(shù)據(jù)來顯示具體分布點檢測結(jié)果，如表2所示。

表2 具體分布點檢測結(jié)果

表2中共有異常信息20條，查準(zhǔn)率為80%，該準(zhǔn)確率可用于比較傳統(tǒng)檢測方法與本文研究檢測方法的可靠性。

2.2 實驗結(jié)果與分析

2.2.1 檢測運行時間對比結(jié)果與分析

在醫(yī)保數(shù)據(jù)集上，將傳統(tǒng)檢測方法與本文檢測方法對醫(yī)保欺詐行為檢測所運行時間進(jìn)行對比，結(jié)果如圖5所示。

圖5 兩種檢測算法運行時間對比結(jié)果

由圖5可知：當(dāng)實驗次數(shù)為2次時，兩種算法檢測運行時間一致，隨著實驗次數(shù)增加，傳統(tǒng)算法運行時間不穩(wěn)定，上下波動幅度較大，雖然在實驗期間有幾次運行時間比本文算法時間要少，但網(wǎng)絡(luò)不穩(wěn)定，導(dǎo)致傳統(tǒng)算法最后運行時間穩(wěn)定在760 s左右；而本文算法運行時間相對穩(wěn)定，上下波動幅度并不大，最終本文算法運行時間穩(wěn)定在580 s左右。由此可知，采用基于隨機(jī)森林算法對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測運行時間較短。

2.2.2 算法檢測效率對比結(jié)果與分析

根據(jù)上述實驗過程可知，表2中共有異常信息20條，查準(zhǔn)率為80%，為了使結(jié)果更具有可靠性，將傳統(tǒng)算法與本文算法檢測效率進(jìn)行對比，從算法檢測效率和分布點檢測數(shù)量兩個方面進(jìn)行比較，并采用C++語言在統(tǒng)一平臺下編譯，對比結(jié)果如圖6所示。

圖6 兩種檢測算法檢測效率對比結(jié)果

由圖6可知：采用本文算法檢測效率高于傳統(tǒng)算法40%，且分布點檢測個數(shù)比傳統(tǒng)要多，綜合來看，本文算法具有較好實用性。

2.3 實驗結(jié)論

根據(jù)上述實驗內(nèi)容，可得出結(jié)論，由于醫(yī)保欺詐記錄包含多個相關(guān)屬性，采用傳統(tǒng)算法不能全面反映實際發(fā)生情況，更無法直接篩選出分布點，采用基于隨機(jī)森林算法對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測，可快速對違規(guī)記錄進(jìn)行識別，輔助管理人員完成審核工作，通過對比結(jié)果可知，采用本文檢測算法運行時間較短、效率較高，且分布點檢測個數(shù)比傳統(tǒng)要多，綜合來看，本文算法具有較好實用性。

3 結(jié)束語

針對數(shù)據(jù)挖掘流程，為設(shè)計醫(yī)保欺詐檢測算法奠定理論基礎(chǔ)，選擇分布點種類和實際應(yīng)用情況進(jìn)行分析，并對分布點進(jìn)行深入細(xì)致研究，比較傳統(tǒng)檢測算法可知，存在運行時間長、效率低的問題，明確不同方法處理數(shù)據(jù)集合的使用范圍，掌握分布點檢測思想。借鑒專家領(lǐng)域，選擇具有數(shù)據(jù)屬性參與計算方式，通過實驗結(jié)果可知，采用基于隨機(jī)森林算法對失穩(wěn)網(wǎng)絡(luò)醫(yī)保信息欺詐行為進(jìn)行檢測，可快速對違規(guī)記錄進(jìn)行識別，存在運行時間較短、效率較高，且分布點檢測個數(shù)比傳統(tǒng)要多等優(yōu)勢，檢測效果較好。

參考文獻(xiàn)：

[1] 孫 菊, 甘銀艷. 合作治理視角下的醫(yī)療保險反欺詐機(jī)制:國際經(jīng)驗與啟示[J]. 中國衛(wèi)生政策研究, 2017, 10(10):28-34.

[2] 梅麗萍. “聰明監(jiān)管”:基本醫(yī)療保險監(jiān)管的模式和路徑選擇[J]. 中國衛(wèi)生經(jīng)濟(jì), 2016, 35(6):13-18.

[3] 李亞子, 虞昌亮, 吳春艷,等. 新型農(nóng)村合作醫(yī)療與城鎮(zhèn)居民基本醫(yī)療保險制度整合中信息系統(tǒng)整合技術(shù)路線研究[J]. 中國衛(wèi)生經(jīng)濟(jì), 2017, 36(1):34-36.

[4] 侯 俐, 焦 锏. 經(jīng)濟(jì)信息欺詐與經(jīng)濟(jì)信息政策分析——評《網(wǎng)絡(luò)經(jīng)濟(jì)時代的信息政策》[J]. 宏觀經(jīng)濟(jì)管理, 2017, 25(1):24-26.

[5] 彭 玲, 陽作松, 楊新艷,等. 基于信息技術(shù)的醫(yī)院醫(yī)保閉環(huán)式管理[J]. 中國醫(yī)院管理, 2017, 37(1):59-61.

[6] 王雄軍, 張冰子. 我國醫(yī)保改革的地方經(jīng)驗評述與啟示[J]. 中國黨政干部論壇, 2016, 26(5):58-62.

[7] 王娟麗, 鄧明文. 西藏城鄉(xiāng)居民基本醫(yī)療保險制度并軌問題探討[J]. 中國衛(wèi)生經(jīng)濟(jì), 2017, 36(7):31-34.

[8] 鄭先平, 傅強(qiáng)輝, 劉 雅. “互聯(lián)網(wǎng)+”背景下醫(yī)療保險異地結(jié)算路徑優(yōu)化[J]. 衛(wèi)生經(jīng)濟(jì)研究, 2017, 15 (5):63-65.

[9] 艾麗喚, 吳榮海, 肖 黎,等. 基于風(fēng)險調(diào)整的基本醫(yī)療保險門診統(tǒng)籌按人頭付費標(biāo)準(zhǔn)測算研究 ——以深圳市為例[J]. 中國衛(wèi)生政策研究, 2017, 10(9) :12-14.

[10] 陳 穎, 魏永祥, 劉海燕,等. 商業(yè)醫(yī)療保險在公立醫(yī)院中的實踐[J]. 中華醫(yī)院管理雜志, 2016, 32(2):102-104.