醫(yī)保智能審核系統(tǒng)的構(gòu)建與實(shí)踐演講人#醫(yī)保智能審核系統(tǒng)的構(gòu)建與實(shí)踐作為長期深耕醫(yī)保管理領(lǐng)域的一線工作者，我親身經(jīng)歷了醫(yī)?；饛摹按址攀焦芾怼钡健熬?xì)化治理”的轉(zhuǎn)型歷程。曾幾何時(shí)，人工審核是醫(yī)保基金監(jiān)管的主要手段：審核員埋堆在堆積如山的票據(jù)中，用肉眼識別藥品、診療項(xiàng)目與收費(fèi)的匹配度；面對日均數(shù)萬份的結(jié)算數(shù)據(jù)，誤判、漏判時(shí)有發(fā)生；更有甚者，一些醫(yī)療機(jī)構(gòu)通過“分解住院”“串換項(xiàng)目”等手段套取基金，監(jiān)管手段滯后與騙保手段升級的矛盾日益凸顯。2018年國家醫(yī)保局成立后，醫(yī)?；稹皣?yán)監(jiān)管、強(qiáng)治理”的號角吹響，智能審核系統(tǒng)作為科技賦能醫(yī)保的核心載體，成為破解這些難題的“金鑰匙”。今天，我想結(jié)合自身參與系統(tǒng)構(gòu)建與落地實(shí)踐的經(jīng)歷，從需求洞察到技術(shù)攻堅(jiān)，從模塊設(shè)計(jì)到應(yīng)用成效，與大家共同探討醫(yī)保智能審核系統(tǒng)的“前世今生”。##一、醫(yī)保智能審核系統(tǒng)的構(gòu)建：以需求為錨，以技術(shù)為帆#醫(yī)保智能審核系統(tǒng)的構(gòu)建與實(shí)踐###（一）需求驅(qū)動：從“痛點(diǎn)”到“靶點(diǎn)”的精準(zhǔn)定位醫(yī)保智能審核系統(tǒng)的構(gòu)建，始于對傳統(tǒng)審核模式“病灶”的深度剖析。在人工審核時(shí)代，我們面臨三大核心痛點(diǎn)：一是審核效率“瓶頸”。隨著全民醫(yī)保覆蓋超13.6億人，醫(yī)保年基金支出超2.4萬億元，結(jié)算數(shù)據(jù)量呈指數(shù)級增長。某省級醫(yī)保中心曾告訴我，他們每月需審核2000萬份結(jié)算單，按每份單據(jù)平均審核5分鐘計(jì)算，僅基礎(chǔ)審核就需要166萬分鐘，相當(dāng)于300名審核員全職工作1個(gè)月，仍難以滿足實(shí)時(shí)審核需求。二是審核標(biāo)準(zhǔn)“模糊”。醫(yī)保政策復(fù)雜度高，不同地區(qū)、不同病種的報(bào)銷范圍、支付標(biāo)準(zhǔn)差異顯著。例如，“糖尿病并發(fā)癥”在不同醫(yī)院的診斷描述可能為“糖尿病腎病”“糖尿病視網(wǎng)膜病變”，人工審核時(shí)需依賴經(jīng)驗(yàn)判斷，易出現(xiàn)“同病不同審”的偏差。#醫(yī)保智能審核系統(tǒng)的構(gòu)建與實(shí)踐三是監(jiān)管手段“滯后”。傳統(tǒng)審核多為“事后追溯”，基金違規(guī)行為發(fā)生后才能介入，損失已造成。更有甚者，部分騙保行為具有隱蔽性（如“虛計(jì)費(fèi)用”“分解處方”），人工審核難以發(fā)現(xiàn)系統(tǒng)性漏洞。面對這些痛點(diǎn)，我們明確智能審核系統(tǒng)的核心需求：以“實(shí)時(shí)、精準(zhǔn)、智能”為目標(biāo)，構(gòu)建覆蓋“事前提醒、事中控制、事后監(jiān)管”全流程的審核體系。具體而言，系統(tǒng)需實(shí)現(xiàn)三大功能：一是實(shí)時(shí)攔截違規(guī)行為，在醫(yī)療機(jī)構(gòu)上傳數(shù)據(jù)時(shí)完成審核；二是動態(tài)適配政策規(guī)則，支持地區(qū)差異、病種差異的靈活配置；三是深度挖掘數(shù)據(jù)價(jià)值，從“審核工具”升級為“決策支持平臺”。###（二）總體架構(gòu)：分層設(shè)計(jì)，筑牢“四梁八柱”為滿足上述需求，我們采用“中臺化、模塊化、微服務(wù)”的架構(gòu)理念，設(shè)計(jì)了醫(yī)保智能審核系統(tǒng)的“五層架構(gòu)”（見圖1），確保系統(tǒng)穩(wěn)定性、擴(kuò)展性與可維護(hù)性。基礎(chǔ)設(shè)施層：云原生架構(gòu)支撐彈性擴(kuò)展基礎(chǔ)設(shè)施層是系統(tǒng)的“基石”，我們采用“私有云+混合云”部署模式：核心業(yè)務(wù)部署在醫(yī)保局私有云，保障數(shù)據(jù)安全；彈性計(jì)算資源（如規(guī)則引擎訓(xùn)練、批量審核）接入公有云，應(yīng)對峰值流量。通過容器化技術(shù)（Docker+K8s）實(shí)現(xiàn)資源動態(tài)調(diào)度，確保在“雙11”等醫(yī)療結(jié)算高峰期，系統(tǒng)并發(fā)處理能力提升5倍以上，響應(yīng)時(shí)間控制在200毫秒內(nèi)。數(shù)據(jù)層：多源數(shù)據(jù)融合構(gòu)建“數(shù)據(jù)底座”數(shù)據(jù)是智能審核的“燃料”，我們構(gòu)建了“1+3+N”數(shù)據(jù)體系：“1”個(gè)中心數(shù)據(jù)庫（醫(yī)保結(jié)算主數(shù)據(jù)庫），“3”類基礎(chǔ)數(shù)據(jù)（參保人信息、醫(yī)療機(jī)構(gòu)信息、藥品/診療項(xiàng)目目錄數(shù)據(jù)），“N”類業(yè)務(wù)數(shù)據(jù)（門診/住院結(jié)算數(shù)據(jù)、電子病歷數(shù)據(jù)、藥店銷售數(shù)據(jù)）。為解決“數(shù)據(jù)孤島”問題，我們打通了醫(yī)院HIS系統(tǒng)、醫(yī)保結(jié)算系統(tǒng)、衛(wèi)健平臺等12個(gè)數(shù)據(jù)源，通過ETL工具實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)同步，數(shù)據(jù)接入延遲控制在10分鐘以內(nèi)。算法層：規(guī)則引擎與AI模型“雙輪驅(qū)動”算法層是系統(tǒng)的“大腦”，我們創(chuàng)新性提出“規(guī)則引擎+機(jī)器學(xué)習(xí)”雙模架構(gòu)：-規(guī)則引擎：采用基于Drools的動態(tài)規(guī)則庫，支持醫(yī)保政策“可視化配置”。例如，針對“住院天數(shù)超限”規(guī)則，審核員可通過界面設(shè)置“單次住院最長天數(shù)”“特殊病種延長天數(shù)”等參數(shù)，無需代碼即可更新規(guī)則，規(guī)則響應(yīng)時(shí)間從“小時(shí)級”縮短至“秒級”。-機(jī)器學(xué)習(xí)模型：針對復(fù)雜場景（如“過度醫(yī)療”“分解住院”），我們訓(xùn)練了XGBoost、LSTM、圖神經(jīng)網(wǎng)絡(luò)（GNN）等模型。例如，通過GNN構(gòu)建“患者-醫(yī)生-醫(yī)院”知識圖譜，識別“同一患者短期內(nèi)在不同醫(yī)院重復(fù)檢查”的異常鏈路，模型準(zhǔn)確率達(dá)92%，較傳統(tǒng)規(guī)則提升35個(gè)百分點(diǎn)。應(yīng)用層：全場景覆蓋的審核模塊應(yīng)用層是系統(tǒng)的“軀干”，我們設(shè)計(jì)了五大核心模塊，覆蓋審核全流程：-實(shí)時(shí)審核模塊：對接醫(yī)院結(jié)算接口，在數(shù)據(jù)上傳時(shí)自動完成“費(fèi)用合理性”“政策符合性”審核，生成“通過”“攔截”“需人工復(fù)核”三類結(jié)果，實(shí)時(shí)反饋至醫(yī)院端。-疑點(diǎn)篩查模塊：對批量歷史數(shù)據(jù)開展“深度挖掘”，通過聚類算法識別“高頻次超適應(yīng)癥用藥”“高值耗材異常使用”等疑點(diǎn)，生成審核工單。-申訴復(fù)核模塊：支持醫(yī)療機(jī)構(gòu)在線提交申訴材料（如電子病歷、檢查報(bào)告），審核員通過系統(tǒng)調(diào)取原始數(shù)據(jù)，完成二次審核，全程留痕可追溯。-監(jiān)管分析模塊：基于審核結(jié)果，生成“基金運(yùn)行熱力圖”“違規(guī)行為趨勢圖”“醫(yī)療機(jī)構(gòu)信用評分”等可視化報(bào)表，為監(jiān)管決策提供數(shù)據(jù)支撐。-政策配置模塊：實(shí)現(xiàn)“國家-省-市”三級政策分層管理，支持新政策“一鍵下發(fā)”，確保審核標(biāo)準(zhǔn)與政策調(diào)整實(shí)時(shí)同步。交互層：多角色協(xié)同的“一站式門戶”交互層是系統(tǒng)的“窗口”，我們?yōu)閰⒈Ｈ?、醫(yī)療機(jī)構(gòu)、審核員、監(jiān)管人員四類角色定制差異化門戶：1-參保人端：通過“醫(yī)保APP”查詢審核結(jié)果、申訴進(jìn)度，實(shí)現(xiàn)“陽光審核”；2-醫(yī)療機(jī)構(gòu)端：提供“事前自查”“實(shí)時(shí)反饋”“數(shù)據(jù)看板”功能，輔助醫(yī)院規(guī)范診療行為；3-審核員端：集成“智能輔助審核”（如AI預(yù)判審核結(jié)果、推薦審核要點(diǎn)），提升人工審核效率；4-監(jiān)管人員端：開放“違規(guī)行為追蹤”“基金風(fēng)險(xiǎn)預(yù)警”等功能，支撐精準(zhǔn)監(jiān)管。5###（三）核心模塊：從“單點(diǎn)突破”到“系統(tǒng)聯(lián)動”6在系統(tǒng)構(gòu)建中，我們聚焦三大核心模塊攻堅(jiān)克難，確保“能用、好用、管用”。7動態(tài)規(guī)則引擎：讓政策“活”起來傳統(tǒng)規(guī)則引擎存在“硬編碼”“更新難”的問題，我們設(shè)計(jì)了一套“規(guī)則-參數(shù)-閾值”三級配置體系：-規(guī)則層：將醫(yī)保政策拆解為“基礎(chǔ)規(guī)則”（如“藥品必須在目錄內(nèi)”）、“組合規(guī)則”（如“診療項(xiàng)目與診斷匹配”）、“特殊規(guī)則”（如“談判藥品適應(yīng)癥限定”），每條規(guī)則關(guān)聯(lián)唯一ID；-參數(shù)層：為規(guī)則配置可變參數(shù)，例如“住院天數(shù)規(guī)則”的“最大天數(shù)”“可延長時(shí)間”等，支持按地區(qū)、醫(yī)院等級差異化設(shè)置；-閾值層：設(shè)定規(guī)則的觸發(fā)閾值，如“次均費(fèi)用增幅超過20%時(shí)觸發(fā)預(yù)警”，避免“一刀切”審核。通過這套體系，某省醫(yī)保局在2023年DRG支付政策調(diào)整后，僅用2小時(shí)就完成了全省審核規(guī)則的更新，較傳統(tǒng)方式（需7天代碼開發(fā)測試）效率提升84倍。智能審核引擎：讓判斷“準(zhǔn)”起來針對人工審核“經(jīng)驗(yàn)依賴強(qiáng)、一致性差”的痛點(diǎn)，我們構(gòu)建了“多模態(tài)融合審核”模型：-結(jié)構(gòu)化數(shù)據(jù)審核：對費(fèi)用金額、藥品數(shù)量等結(jié)構(gòu)化數(shù)據(jù)，采用閾值校驗(yàn)、邏輯校驗(yàn)（如“注射費(fèi)+藥品費(fèi)≤床位費(fèi)”），準(zhǔn)確率達(dá)99%；-非結(jié)構(gòu)化數(shù)據(jù)審核：對電子病歷、診斷證明等文本數(shù)據(jù)，采用NLP技術(shù)提取關(guān)鍵信息（如診斷、手術(shù)、用藥指征），通過知識圖譜驗(yàn)證“診斷-用藥-檢查”的合理性。例如，系統(tǒng)通過識別“診斷為‘普通感冒’但使用‘抗腫瘤藥物’”的矛盾點(diǎn)，攔截違規(guī)用藥23例；-行為數(shù)據(jù)審核：對醫(yī)生處方行為、醫(yī)療機(jī)構(gòu)結(jié)算行為進(jìn)行時(shí)序分析，識別“異常頻次”（如某醫(yī)生1天開具200張含“抗生素”的處方），“異常關(guān)聯(lián)”（如某醫(yī)院“骨科手術(shù)”與“高值心臟支架”同時(shí)結(jié)算率異常）。數(shù)據(jù)治理體系：讓數(shù)據(jù)“凈”起來0504020301“垃圾進(jìn)，垃圾出”，數(shù)據(jù)質(zhì)量直接決定審核效果。我們建立了“采集-清洗-校驗(yàn)-更新”全流程數(shù)據(jù)治理機(jī)制：-采集端：制定醫(yī)保數(shù)據(jù)交換標(biāo)準(zhǔn)（如《醫(yī)保結(jié)算數(shù)據(jù)元規(guī)范》），要求醫(yī)療機(jī)構(gòu)上傳數(shù)據(jù)時(shí)強(qiáng)制校驗(yàn)關(guān)鍵字段（如“醫(yī)保編碼”“診斷編碼”），不達(dá)標(biāo)數(shù)據(jù)自動駁回；-清洗端：開發(fā)“數(shù)據(jù)質(zhì)量監(jiān)控平臺”，對重復(fù)數(shù)據(jù)、缺失數(shù)據(jù)、異常值（如“年齡=200歲”）自動識別并修復(fù)，數(shù)據(jù)準(zhǔn)確率從85%提升至98%；-校驗(yàn)端：構(gòu)建“數(shù)據(jù)血緣關(guān)系圖”，追蹤數(shù)據(jù)流轉(zhuǎn)路徑，確保“結(jié)算數(shù)據(jù)-電子病歷-費(fèi)用清單”三者一致；-更新端：建立“目錄數(shù)據(jù)動態(tài)更新機(jī)制”，每月同步國家醫(yī)保藥品目錄、診療項(xiàng)目目錄，確保審核依據(jù)“最新”。數(shù)據(jù)治理體系：讓數(shù)據(jù)“凈”起來##二、醫(yī)保智能審核系統(tǒng)的實(shí)踐：在“試錯(cuò)”中“迭代”，在“落地”中“增值”###（一）試點(diǎn)先行：從“實(shí)驗(yàn)室”到“戰(zhàn)場”的淬煉2021年，我們選擇某中部省份作為試點(diǎn)，覆蓋3家三甲醫(yī)院、10家社區(qū)醫(yī)院、50家零售藥店，開啟“小切口、深試驗(yàn)”的實(shí)踐之路。試點(diǎn)初期，我們遭遇了三大挑戰(zhàn)：一是“系統(tǒng)水土不服”：試點(diǎn)醫(yī)院HIS系統(tǒng)版本老舊，數(shù)據(jù)接口標(biāo)準(zhǔn)不統(tǒng)一，導(dǎo)致30%的數(shù)據(jù)無法正常接入。為此，我們組建“專項(xiàng)攻堅(jiān)小組”，逐家醫(yī)院對接，開發(fā)“中間件適配器”，實(shí)現(xiàn)新舊系統(tǒng)數(shù)據(jù)轉(zhuǎn)換，最終將數(shù)據(jù)接入成功率提升至100%。二是“規(guī)則落地難”：部分醫(yī)生對智能審核存在抵觸情緒，認(rèn)為“系統(tǒng)太嚴(yán)格，影響臨床診療”。例如，某心內(nèi)科醫(yī)生因給心絞痛患者開具“超出說明書劑量”的硝酸甘油被系統(tǒng)攔截，認(rèn)為“這是個(gè)體化治療需求”。為此，我們邀請臨床專家、醫(yī)保專家、審核員共同召開“規(guī)則論證會”，在“安全用藥”前提下，增加“特殊用藥申請通道”，醫(yī)生可通過上傳“病情說明”“用藥依據(jù)”提交人工復(fù)核，既保障基金安全，又尊重醫(yī)療專業(yè)判斷。數(shù)據(jù)治理體系：讓數(shù)據(jù)“凈”起來三是“模型準(zhǔn)確率不足”：試點(diǎn)地區(qū)農(nóng)村人口占比高，部分患者“小病大養(yǎng)”“重復(fù)開藥”，但初期模型對“分解處方”（如將1個(gè)月用量拆分為4次開藥）的識別準(zhǔn)確率僅70%。我們通過補(bǔ)充“患者歷史就診數(shù)據(jù)”“藥店銷售數(shù)據(jù)”，優(yōu)化LSTM模型的時(shí)序特征提取能力，并結(jié)合“患者-藥店”關(guān)聯(lián)圖譜，識別“同一患者1天內(nèi)在不同藥店開藥”的異常行為，最終模型準(zhǔn)確率提升至91%。###（二）全面推廣：從“點(diǎn)”到“面”的價(jià)值擴(kuò)散在試點(diǎn)成功的基礎(chǔ)上，2022年起，我們逐步將系統(tǒng)推廣至全國8個(gè)省份、200余家醫(yī)療機(jī)構(gòu)。推廣過程中，我們總結(jié)出“三步走”落地策略：數(shù)據(jù)治理體系：讓數(shù)據(jù)“凈”起來第一步：“定制化適配”針對不同地區(qū)醫(yī)保政策差異（如某省對“中醫(yī)診療項(xiàng)目”額外報(bào)銷15%），開發(fā)“政策配置模塊”，支持“一省一策”；針對不同醫(yī)療機(jī)構(gòu)類型（如?？漆t(yī)院與綜合醫(yī)院診療結(jié)構(gòu)差異），構(gòu)建“疾病-診療”知識圖譜，實(shí)現(xiàn)“一院一策”。第二步：“分層化培訓(xùn)”對醫(yī)療機(jī)構(gòu)，開展“系統(tǒng)操作+醫(yī)保政策”雙培訓(xùn)，編制《智能審核操作手冊》，制作15個(gè)教學(xué)短視頻；對審核員，開展“規(guī)則解讀+AI輔助審核”培訓(xùn)，培養(yǎng)“懂政策、懂?dāng)?shù)據(jù)、懂臨床”的復(fù)合型審核人才。第三步：“持續(xù)性迭代”建立“用戶反饋-需求分析-版本優(yōu)化”閉環(huán)機(jī)制，每月收集醫(yī)療機(jī)構(gòu)、審核員意見，快速迭代功能。例如，根據(jù)基層醫(yī)院“缺乏專職IT人員”的反饋，我123數(shù)據(jù)治理體系：讓數(shù)據(jù)“凈”起來213們開發(fā)了“輕量化客戶端”，支持手機(jī)端審核、數(shù)據(jù)查看，降低使用門檻。###（三）成效顯現(xiàn)：從“工具”到“引擎”的價(jià)值躍遷經(jīng)過3年的實(shí)踐，醫(yī)保智能審核系統(tǒng)已從“審核工具”升級為“醫(yī)保治理引擎”，成效顯著：基金監(jiān)管效能“雙提升”-審核效率提升：實(shí)時(shí)審核覆蓋95%的結(jié)算數(shù)據(jù)，人工審核量減少70%，審核周期從“7-15天”縮短至“實(shí)時(shí)-24小時(shí)”；-違規(guī)行為精準(zhǔn)打擊：累計(jì)攔截違規(guī)結(jié)算資金超15億元，識別“分解住院”“串換項(xiàng)目”等騙保行為3.2萬起，某省通過系統(tǒng)發(fā)現(xiàn)某醫(yī)院通過“虛記手術(shù)”套取基金2000余萬元，案件查處效率提升5倍。醫(yī)療機(jī)構(gòu)行為“雙優(yōu)化”-診療行為更規(guī)范：醫(yī)療機(jī)構(gòu)“超適應(yīng)癥用藥”“重復(fù)檢查”等違規(guī)行為發(fā)生率下降45%，三級醫(yī)院次均費(fèi)用增幅從8%降至3%；-管理效率更高效：醫(yī)院通過“事前自查”功能，主動修改不合理處方占比達(dá)60%，減少醫(yī)保拒付糾紛，財(cái)務(wù)人員工作量減少50%。參保人獲得感“雙增強(qiáng)”-報(bào)銷更便捷：95%的合規(guī)費(fèi)用實(shí)現(xiàn)“秒批秒付”，參保人等待時(shí)間從“平均30分鐘”縮短至“5分鐘”；-基金更安全：基金違規(guī)率從1.2‰降至0.3‰，相當(dāng)于每年為每位參保人節(jié)省醫(yī)保費(fèi)用約120元，切實(shí)守護(hù)了“救命錢”。###（一）當(dāng)前面臨的挑戰(zhàn)盡管系統(tǒng)取得了一定成效，但實(shí)踐中仍面臨三大挑戰(zhàn)：一是數(shù)據(jù)共享“最后一公里”未打通：部分醫(yī)院因擔(dān)心數(shù)據(jù)泄露，不愿開放電子病歷接口；衛(wèi)健、藥監(jiān)等部門數(shù)據(jù)尚未完全接入，導(dǎo)致“患者全生命周期數(shù)據(jù)”缺失，影響模型判斷準(zhǔn)確性。二是AI模型“可解釋性”不足：對于復(fù)雜審核結(jié)果（如“是否構(gòu)成過度醫(yī)療”），機(jī)器學(xué)習(xí)模型難以給出清晰的理由，導(dǎo)致醫(yī)療機(jī)構(gòu)對審核結(jié)果存疑，申訴率較高。三是跨部門協(xié)同機(jī)制待完善：智能審核發(fā)現(xiàn)的涉嫌騙保行為，需移交醫(yī)保、衛(wèi)健、公安等多部門處理，但目前部門間線索移送、案件查辦流程仍不夠順暢，影響監(jiān)管合力。###（二）未來發(fā)展方向###（一）當(dāng)前面臨的挑戰(zhàn)面向未來，我們將從三方面持續(xù)發(fā)力，推動醫(yī)保智能審核系統(tǒng)向“更智能、更協(xié)同、更普惠”升級：一是深化“AI+業(yè)務(wù)”融合：探索“預(yù)測性審核”模式，通過分析歷史數(shù)據(jù)，提前識別“基金運(yùn)行風(fēng)險(xiǎn)”（如某地區(qū)糖尿病費(fèi)用異常增長），實(shí)現(xiàn)“從被動審核到主動防控”的轉(zhuǎn)變；開發(fā)“可解釋AI”模型，通過可視化界面展示審核依據(jù)（如“該藥品不在醫(yī)保目錄內(nèi)，依據(jù)《2023年醫(yī)保藥品