围绕着“普”、“惠”两大最基本的国民保障需求,虽然衍生出“水滴筹”、“相互宝”这类网络互助产品,但社会医保依然是我国人民手中的“救命稻草”,根据国家医保局发布的《2019年全国医疗保障事业发展统计公报》显示,2019年参加全国基本医疗保险135407万人,参保率稳定在95%以上。随着用户规模的扩大,13亿人的医保大山难免会出现一些管理或审批上的漏洞。
一、虽然医院信息化程度不断提高,但是大部分医院的费用报销系统还未能解决报销单据的信息识别和检索的问题;二、医疗机构存在用药收费不合理现象,造成医疗资源不能合理应用;三、参保人非法获取医疗保险基金事件时有发生,例如几个月前闹得沸沸扬扬的“杀妻骗保案”等等……而针对医保的系列问题,AI+RPA技术已经给出了很好的解决方案。
在各个系统间游刃有余的RPA技术
>>RPA 技术源于屏幕抓取、工作流自动化、按键精灵等技术。以按键精灵为例,通过制作相关脚本,可以让按键精灵代替双手,自动执行一系列鼠标键盘操作,可实现定时自动打开网页链接、进行文献检索、收集信息资料等重复操作。RPA 技术在上述技术的基础上进化出了一些新的技术特征,比如不依赖于特定的应用程序或编程语言、不需要对已有系统进行改造、大量使用 OCR(光学符号识别)智能技术等,能够有力推动企业数字化转型和提升业务效能。
在财务领域,机器人流程自动化(以下简称“RPA”)技术能够有效地把控财务内控风险、数据资产效率及财务分析决策能力。将RPA配置在医疗费用审核系统, 可以操作OCR扫描识别技术对电子发票报销进行扫描录入,针对发票信用展开评级,发票在财务共享中心(以下简称“FSSC”)审核处自动识别,提取关键信息后会自动导入 ERP系统。FSSC稽核会对发票进行验真,再通过FSSC资金结算处处理资金的收付,模拟人工操作,实现报销流程的自动化。
由于隐私保护和监管限制,医院之间数据不能互联共享,RPA技术能够轻松打通多源异构数据系统的限制,消除数据孤岛现象。在医保环节中,RPA通过部署在政府数据共享平台和“一站式”医保结算服务平台进行信息的整合处理,强化医保管理、医疗服务、 药品采购等数据共享应用。整合医保待遇支付核心系统和医师库、 药品采购、电子支付等外围系统数据,完善费用与行为、过程和结果的大数据关联审查。借助大数据检测、 预警、分析的网络连接形态,从信息整合到数据共享, 实现定点医院和药店的互联互通和信息共享,使医院内部医保管理工作和就诊流程得到进一步的优化和完善。
BP神经网络建立风险预警机制
>>BP神经网络是所有神经网络的基本形态,可以理解为和SVM、逻辑回归等一类的技术。具有任意复杂的模式分类能力和优良的多维函数映射能力,解决了简单感知器不能解决的异或(Exclusive OR,XOR)问题。从结构上讲,BP网络具有输入层、隐藏层和输出层;从本质上讲,BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
据报道,截至2019年底,中国60岁及以上人口达2.54亿,失能人员超4000万人,进入人口老龄化社会的中国,正在面临巨大的养老负担。结合目前老龄化的形势以结余医保基金天数作为医保基金风险大小的依据,利用BP神经网络方法预测未来几年的医保基金收支情况,建立基于系统动力学的风险预警机制来管控医保费用报销系统。
若医保账户余额不足或者累计过多,可将高额药品纳入医疗保险报销机制,采取适度提高报销比例等方案进行数据模拟仿真,从而对高额药品专项基金费用率和医疗保险基金报销比例等相关指标进行调整,保证未来保险基金累计结余维持在正常的基础上。引入该风险预警系统后,政府可以鼓励基金管理和保险公司对医疗机构进行监督, 这样能够有效控制医疗机构过度收费以及医用资源浪费情况的发生。
依靠大数据针对性管控,杜绝医保欺诈现象
在中国,医保信息系统覆盖城乡13亿参保群众、上百万家定点医药机构的,依托大数据技术的医保智能监控系统也被广泛应用于医保监管领域,并取得了不错的成效。
通过医保数据信息系统会根据患者社保卡内的个人信息与医生录入的诊疗信息来生成各种数据项,如:就诊时间、就诊医院、就诊医生、登记病种、药品种类数量、消费金额等推算出的看病频率等;然后根据异常医保消费的行为特征从中选择社保卡号、结算流水号、结算时间、就诊号、药品编码、用药天数、医院机构代码、医生编码和医保结算金额作为异常医保消费检测模型的特征项。
从以上数据分析是否存在医保欺诈行为,从而有针对性地进行管控,技术人员可以对疑似欺诈病例进行过滤和筛选,建立一套互联网医保征信系统, 对个体进行追踪,从而有针对性地进行管控。不仅能够促进医保费用审核的进度,还能保证医保基金的安全性。
RPA在不同系统间的数据自动化提取也起到了关键作用,机器人的业务处理效率比人工普遍快3-15倍,可以满足特殊业务在极短时间内完成的高效性要求。机器人可以全天候待命作业,替代人工在晚上等非繁忙阶段执行业务处理。RPA作为一种低代码、易实施、回报快的工具,不仅可完成结构性数据的处理,如企业ERP软件、医疗HIS数据库等,结合AI技术后,可在非结构性数据下挖掘更多实施自动化的机会点,从而快速推动人工智能在各行各业落地。
本文是51RPA中文社区原创文章。发布者:RPA小当家,转载请注明出处:https://www.51rpa.net/rpanews/8816.html