“沈阳骗保案”揭开冰山一角，在大数据时代，“医保监管”能否有更好的解决方案？
冰山一角
沈阳骗保案件，举国一片哗然。
骗保过程触目惊心：按照医保相关规定，退休人员在一级医院住院享有97%的报销额度。医院雇请老人每次住院产生的上千元医疗费用基本由医保资金买单，医院不劳而获，成为主要获利者，而这些老人每天由专人接送，另外还能拿到300元左右的“返款”。
荒诞可笑的闹剧背后，是国家医保资金大量流失的严肃现实。国家医疗保障局局长胡静林怒言，骗保事件性质恶劣、手段猖狂，产生了极坏的影响，暴露出医保基金监管工作还存在不少短板。
该案件在引起国家监管机构高度重视的同时，迅速在网络发酵，不少网友纷纷表示：“这种现象并不罕见”“个体私人医院普遍存在，很多年了”……
确实如此。本次事件不过冰山一角，违规骗保的剧情近年来在全国各地层出不穷，轮番上演，缕缕挑战人们的道德底线和法律法规的红线。
仅仅梳理2018年部分公开报道：
10月份，南京四部门联手打击医保欺诈骗保，查处存在违规行为的医药机构109家。8月到9月，吉林省长春市人力资源和社保局对长春全市进行历史上力度最大一次全面检查中，这次检查了定点服务机构1166家，共查处760多家违规医保定点服务机构。6月份，北京市人力社保局对7家存在违规现象的医疗机构进行处理。5月底，唐山市医保局通报了“2018公立医院专项检查行动”情况，对市内24家公立医院进行了专项检查，通报了其中20家医疗机构医保违规……
在2016年，审计署对医疗保险基金专项审计显示，一些医疗服务机构和个人通过虚假就医、分解住院、虚假异地发票等手段套取医保基金2亿余元。
一方面，国家医保基金收支压力不断增大，甚至很多地方爆出医保基金面临“穿底”风险，国家深入开展医保支付改革，以实现控费、降费，实现三医联动；另一方面，骗保事件频频发生，造成医保资金的巨大浪费和流失。
这无疑对医保、医疗系统造成极为负面的影响。
“监管难”
猖獗的骗保行为早已引起了立法、司法、医保监管等多部门的注意。
2014年4月25日，全国人大常委会就发布了《关于〈中华人民共和国刑法〉第二百六十六条的解释》的公告，其中明确骗取社会保险金或者其他社会保险待遇属于诈骗公私财物行为，此举意味着骗保达到一定数额将追究刑事责任。
医保监管层面，也在不断加强。
2012年，人社部组织就建设了医保智能监控系统，针对门诊、住院等不同业务环节设计了500余条监控规则，对频繁就医、分解住院、过高费用、大处方、药占比异常等常见违规医疗服务行为进行监控，监控对象涵盖医疗服务机构、医师、参保人员等。
到了2014年，在前期工作基础上，人社部下发《关于进一步加强基本医疗保险医疗服务监管的意见》明确了监管途径、各方职责、问题处理程序等。近几年，开展医保智能监控工作的统筹地区数量不断增加。目前全国超过90%以上的统筹地区已全面开展智能监控工作。
除此之外，国家还持续推进医保付费改革，把医保基金这块“好钢”花在刀刃上。8月份国务院办公厅发布了《关于印发深化医药卫生体制改革2018年下半年重点工作任务的通知》，其中重点提到了推广DRGs。DRGs是较为有效控制住院费用的工具，通过DRGs可以影响医疗服务行为，从而控制医保基金不合理支出。
但近两年医保违规等现象未能有效缓解，反而有愈演愈烈之势，医保基金不断承压，成为社会的一块“心病”。以至“沈阳骗保案”再次引爆社会痛点。
人社部信心中心社会保障系统管理处处长景玺表示，现有医保监控系统比较初级，难以发挥应有的作用。
“数据不完整、时效性不强、准确性不高，数据质量有待提升。医保经办机构缺乏主动应用的意识，对于跨业务应用的数据更是不足。监督偏事后，缺乏实时监管和综合分析的能力。有的地方甚至把监管系统当作一个“花瓶”摆着不用。此外，医保数据的安全体系还不健全，随着数据规模的增长，数据链条的变长，数据来源更加多样，数据流动性也在增强，数据安全防护的难度不断增加，个人信息泄露的风险加大，传统的安全控制措施面临严峻挑战。”
医保数据存在缺陷，不仅让监管处于被动状态，同时也极大托缓了DRGs制度改革。
加快医保大数据平台建设，加快医保数据的汇聚，重新构建数据安全体系，为医保监管业务提供持续助力。已经势在必行。
“数据智能解决方案”
大数据可以多个维度赋能医保。最重要的方面之一，就是医保监管，包括医疗费用的管控，诊疗行为的监控，诊断、项目的合理性、合规性分析，等等。除此之外，按病种付费、政策效果评估、资格准入等也将是重要的服务内容。
依托于医保专网，组建医保大数据平台，应用大数据处理技术，对来自医疗机构（医保定点）的医疗大数据进行采集、处理、加工、分析，将数据精准化。进入数据应用阶段，则通过定制化模型进行数据多维度分析，模型的精密算法对医疗数据的合理性、合规性以及真实性进行智能识别，最终实现医保监管效率的高效。
比如，大数据平台会对患者日常就诊、结算情费用等情况，进行深度分析，据此建立“防欺诈风险识别模型”，再将新的病历数据，输入该模型中，可迅速判断出该病历信息的合理、合规性——“诊断和实际情况是否吻合”“病人是否有这个病”“开药是否合理”……一览无余。一旦骗保等违规事件发生，很容易在数据上发现异常状况，医保监管部门可以据此再度深入核查。
值得一提的是，“精准化”的医保大数据，除了应用于医保监管，还可为DRGS制度的建立提供支撑。
在实现路径和目标上，“数据智能解决方案”相比传统解决方案的优势显而易见：
——构建对非结构化数据的智能识别，并配置专业的大数据处理工具，通过对医疗机构上传的各类医保患者就医数据的结构化处理，提升数据的专业性、准确性、及可利用性。
——颠覆传统医保智能审核模式，利用大数据特有的多种核心算法建立精算模型，再配合精准的结构化数据，以多组合、多维度的方式，分析、挖掘医保患者就医情况，辅助医保监管，提升监管效率；
——构建多维度数据分析平台，提供医保政策制定的决策和依据，充分利用医保大数据的优势，通过多维度、多角度、多视角的展现形式，将数据连贯的分析及评价，为医疗机构的医保管理部门及政府提供管理手段、监管依据；
——此外，该方案还具备电子病历的非结构化采集与结构化处理能力，提供正确、准确、精准的电子病历数据归集服务，为地方DRGS制度建立基础，提供先决条件。
可以断言，医疗大数据在医保监管领域的应用，已经成为趋势。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#医保监管#
41
#监管#
41
#骗保#
32
感谢小编为我们准备了如此丰盛的精神大餐，同时也向作者致谢！认真学习了，点赞！
59