《数据挖掘在医疗欺诈检测中的应用：一种用于计费管理数据库异常检测的两步无监督聚类方法》

由于医疗行业是大型公共投资和私人投资的目标，因此，该行业极易出现欺诈行为。经合组织2017年的一份报告列出了全球范围内与医疗保健相关的一些主要欺诈行为。在这些欺诈行为中，高编码（，或称为“高套编码”、“编码高报”）行为对医疗行业具有重要的经济影响。其中涉及能够带来更高医保报销额的DRG的患者分类。当患者住院时，医疗机构会把所有诊断和干预措施登记在出院表(HDC)中，一旦被分组器采纳，这些诊断和干预措施将会影响单次住院的最终DRG。因此，医疗机构可能有动机去更改诊断和干预措施，使住院治疗成为一种更有利可图的DRG。虽然这种做法更有可能是由于公立医院的编码人员的无意错误，但在私立医院或私人诊所，它可能实际上是出于利润最大化的目的。鉴于可用的数字化数据的不断增长，采用数据挖掘技术可能会以一种更高效和更有效的方式支持手工审计过程中的欺诈检测。

本项研究目的是提出一种新颖的方法，以支持审计人员在对医疗机构进行甄别的初始阶段发现符合调查条件的欺诈嫌疑。本文采用了一种无监督的行为方法，甚至可以发现最谨慎的欺诈者，并构建了一个健壮的、可扩展的和用户友好的算法。整个方法包括两步，第一步是用来识别和生成可能的欺诈列表的半自动化的漏斗，随后第二步是人工决策支持系统，专门用于帮助审计人员区分真实欺诈和假阳性。由于审计人员越来越多地使用计费管理数据库，本研究决定利用这些数据作为信息来源，其算法是用编写的。

本文提出的算法已在意大利伦巴第地区收集的出院相关数据库上进行了为期三年的测试，主要针对心力衰竭的治疗。

本文提出的模型在识别DRG异常编码行为方面具有较好的应用前景，且易于推广到所有疾病和相关场景，能够识别出最“谨慎”的欺诈行为。第一步和第二步的结果共同为审计人员的初步调查提供了一套有价值的信息。

如需要《数据挖掘在医疗欺诈检测中的应用：一种用于计费管理数据库异常检测的两步无监督聚类方法》（英文，共11页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后发来email地址索取。

每日鲜鸡汤

COVID-19 will have a deep and on the world we live in. Our world will get into two eras ：Pre COVID-19 and Post COVID-19 era. 2019冠状病毒病将对我们生活的世界产生深刻而持久的影响。我们的世界将被明确划分为两个时代——新冠肺炎疫情前时代和新冠肺炎疫情后时代。早上好！