抽丝剥茧的医保大数据技术，抓住“组团推拿”的骗保团伙 | 腾讯健康专栏

编者按

腾讯健康正在全力构建数字健康的“两面四桥”，借助自身储备的技术能力、连接能力，致力成为医疗行业信息化的“数字化助手”，实现“科技向善”的企业愿景。

2022年，在由国家医疗保障局主办的“智慧医保解决方案大赛”中，腾讯健康的“基于医保大数据的精准医保基金监管解决方案”获决赛总分第一。这一方案依托腾讯大数据能力，填补了现有医保基金监管系统只能发现单人、单次就诊违规的空白点，在行业内首次提出针对医保基金的团伙骗保发现算法模型，以及线上支付事前拦截等方案。

试想这样一个场景：一群90后、00后，他们或相熟，也可能不熟，喜欢经常性地三三两两“组团”干同一件事，你觉得会是什么？可能大多数人脑海里会蹦出“开黑”、爬山、密室逃脱、剧本杀……但在这个真实故事里，这群年轻人是相约去医院做推拿、拔罐等“理疗”，有人甚至一年下来要做八九十次，也就是平均四五天就去一次医院，每次不止一个项目。并且，这群人里还有许多类似用针灸按摩治疗附睾囊肿、两两间隔支付时间仅几分钟等“奇怪”的医疗记录。

奇怪的就医记录暂且不表，支付数据显示，他们每人一年的就医消费，竟刚好踩住医保统筹报销上线。至此，一个90、00后疑似骗保团伙浮出水面，而发现他们的是计算机技术。

通过图计算等大数据技术，腾讯健康技术人员帮助某地医保部门完成了一个涉及24人的骗保团体线索梳理取证，并将这些线索提交相关部门进行依法处置。

团伙发现技术原理及流程

筛查异常就医记录，缩小线索范围

以往，医保基金监管人员主要通过群众举报获取团伙骗保的线索后，再从后台的信息管理系统分析取证，有时时间跨度长、数据量大，需要耗费大量时间和人力从数据中寻找证据，非常被动。

那么，大数据技术能不能自动生成一个系统，帮助监管人员主动“侦查”系统中疑似“骗保”案例呢？

技术人员想到了“图计算”技术。“图计算”是研究人类世界的事物和事物之间的关系，能对其进行描述、刻画、分析和计算的一门技术，主要是由点和边来组成。举例来说，办公室里有三个人，他们就是三个点，所谓的边就是这三个人之间的关系，如同事关系、亲戚关系、夫妻关系等。如果把这些点扩大到更多人，还会产生项目合作关系、投资关系等。将图计算技术用在医保监管中的最大优势，就是它可以将医保大数据中具有某些特定关系的数据连接、刻画并完整描述出来。

不过，到底用什么数据作为参照来描绘“关系图”，成为破冰的关键。技术人员在参考一些骗保卷宗后发现，虽然团伙骗保的具体行为模式是多变的，但不变的是存在着刻意的骗保行为，如没病装病、持续消耗、争取利益最大化，也就是控制自费金额占比、减少交易成本等。当整个团伙都是相同目标时，其行为体现在数据上就会现相似性。

于是，技术人员先搭建了一个数据模型，通过时间序列对参保人关系进行构图，并基于构图结果，使用图计算挖掘出密度不一的关系网，获取不同类型团伙的蛛丝马迹。简单来说，就是通过拉长就诊人的就诊时间线，对其中挂号时间密度和频次较高的就诊数据进行提取，把范围缩小，以便更容易进行大海捞针。

基于大数据实现精准团伙发现

当然，对于普通人来说，一年中某段时间就医频次较高，也可能是真的身体不好。技术人员也深知这一点。缩小搜查范围后，什么样的数据才能代表异常的就医行为？技术人员对团伙排序，并从中找到了一些端倪。

团伙排序，挖出“超异常”就诊行为人

技术人员想到，如果是有组织的团伙，那么一定会传授一些“特殊”的就医经验给参与者，让他们能够用最短时间获得最大利益，高效交“作业”，这样他们大概率会呈现出一些“令人匪夷所思”的就医行为。于是，技术人员首先对就医数据中前后两人的就诊时间间隔进行了计算和排序，结果真的发现了24个存在异常的就诊行为人。比如，有人全年80次就诊记录中，30次从挂号到完成最终支付只花了5分钟，甚至有10次只花了1分钟就完成挂号到最终支付的全过程。这样的“超高速就诊”几乎不可能发生在现实中，而且还发生得如此频繁。

受异常就医行为的启发，技术人员用“图计算”模型更进一步对每个团伙及团伙成员的个体行为进行画像分析，挖掘出了更多线索。比如，这些人的就诊行为存在高度重叠，经常三两成群“结队看病”，每次就诊还会重复组队，今天周吴郑王，明天赵钱孙李，后天周吴孙李，如此反复。此外，这24个投保人全年都有80-100次的高频就医记录，并且支付费用几乎都是中医拔罐、推拿、针灸等一般治疗费，几乎没有处方药等实际消耗性的医疗支出。以其中最年轻的一位22岁男性为例，其全年进行了46次体外高频神经治疗、24次椎间盘突出推拿、23次针灸、19次水罐治疗、10次颈椎病推拿。甚至在同一天时间内，参与团伙都会开数个治疗项目，这位22岁的男性就曾有过同一天进行了针灸、推拿等四个项目的记录。

门诊骗保场景应用

就医行为异常的人只有这24个吗？会不会有更多人？有没有更切实的关键证据证明他们的行为和“骗保”有因果关系？这是技术人员需要解开的最后“谜题”。

扩散行为特征，找到关键证据

为了寻找更多就医行为异常者，研究人员将这些“团伙画像”的行为一致性特征抽取出来形成标签，并利用标签传播算法。很快，骗保团体的范围被扩散至近80人。依据更新后的“团伙画像”，技术人员发现这些团伙成员不仅包括医保卡持卡人，还包括医务工作人员。

多维分析团伙画像，提炼规则

同时，技术人员还发现了更有趣的现象：这群人的支付时间间隔非常近，很多前后只有几分钟。这在现实中，除非是相熟好友一起看病，否则只有批量“挂号”、批量“支付”才能实现。最大可能是这群人将卡提供给相关人员进行批量操作——这也在后来的侦查问询中得到了证实。

并且，他们和“骗保”行为之间的最关键证据也显露出来，就是每年的看病消费金额几乎都“卡”在当地医保支付的最高额度线上下，有人甚至刚好对齐额度。

自此，一条近乎完整的“骗保”证据链展现在技术人员眼前：一群年轻人将医保卡交给中间人，通过虚构各种非实质消耗性的医疗项目，骗取医保基金。

基于这个真实案例形成的“基于医保大数据的精准医保基金监管解决方案”，从全国156个参赛方案中脱颖而出，获得国家医疗保障局主办的“智慧医保解决方案大赛”决赛总分第一的成绩。2022年9月24日，方案的推出者腾讯健康受邀参加了颁奖典礼，以期为医保基金监管带去一条“以查代防”的崭新路径。

如今，腾讯健康已经搭建了以医保局为中心，外延至两定机构、参保单位、参保人的协同网络——医保微信网络，可以实现基于可疑场景的闭环管理：从过去管理数据，到管理一个人；从通过静态数据找问题，到实时获取动态数据取证；从信息异步处理，到同步处理等。

下一步，腾讯健康还将通过搭建协同网络建立监管与服务之间的实时联系，为监管提效的同时，用数字技术将人民群众的“看病钱”“救命钱”守住。

互动调查

为了解医疗信息化用户和IT企业对于腾讯健康相关产品技术合作需求，HIT专家网携手腾讯健康发起本次微调查，欢迎对此主题感兴趣的同道踊跃参与。

长按或扫描二维码，参与微调查

往期回顾

近期热文

HIT专家网∣致力推进中国卫生信息化长按二维码可申请加入HIT专家网专业交流群

寻求“商务合作”，长按二维码可快速与我们取得联系

投稿：[e-mail]

商务合作：[phone]

本公众号原创文章，版权归HIT专家网和原作者所有。

未经许可，谢绝转载或以其他形式使用文章内容进行传播。