李佳瑾, 杨芳, 崔欢欢, 王晓昕, 马良, 杨宇航, 滕世伟, 冯海欢
目的: 本研究在医保基金监管面临新挑战的形势下,探讨如何利用机器学习技术提升对医保违规行为的识别精度与监管效率,以促进基金的稳定与可持续发展。方法: 本研究为有效识别复杂隐蔽的医保违规行为模式,采用机器学习分层分析方法,对四川省C市某三甲医院2023—2024年三个高就诊量病种(乳腺恶性肿瘤、冠心病、急性胰腺炎)患者的结构化与非结构化医保数据进行层级化处理与特征整合,分析潜在的医保违规风险情况。结果: 风险异常值高度集中于特定年龄与住院时长的交叉分组中,精准定位了需重点监控的高风险人群。异常费用结构呈现高占比(提示过度医疗)与低占比(提示服务不足)两种差异化模式,揭示了医保违规行为的隐蔽性与动态适应性。该方法为构建智能监测系统、实施精准风险预警及推动医保治理模式向事前预警、事中干预转型提供了有效的技术路径。结论: 本研究验证了分层分析方法结合机器学习技术在精准识别潜在医保违规风险中的有效性与应用价值。未来,应着力推进跨部门数据治理与深度整合,持续优化算法模型的解释性与适应性,加强复合型人才队伍建设,并紧密结合DRG/DIP等支付方式改革,迭代构建更加智能、高效、稳健的医保基金综合治理体系,从而系统性筑牢基金安全防线,推动医疗保障事业高质量可持续发展。