[发明专利]一种用于检测异常医保数据的图神经网络的方法

说明书

本发明属于医学人工智能技术领域，尤其是涉及一种用于检测异常医保数据的图神经网络的方法。一种用于检测异常医保数据的图神经网络的方法，包括以下步骤：S1、数据生成，在数据生成层中生成可应用于图神经网络的图结构的医保数据；S2、数据采样，在步骤S1所得的医保数据中，针对图结构的各个顶点的邻居顶点进行采样；S3、信息聚合，将步骤S2的采样结果锁获得的各个顶点分别聚合邻居顶点锁蕴含的数据信息；S4、结果预测，将步骤S3所得的各个顶点的向量作为全连接层的输入，预测目标节点的医保数据是否存在异常。本发明提供了一种让计算机使用人工智能的方式自主查找医保欺诈行为的用于检测异常医保数据的图神经网络的方法。

技术领域

本发明属于医学人工智能技术领域，尤其是涉及一种用于检测异常医保数据的图神经网络的方法。

背景技术

随着我国社会医疗保险制度改革的不断深入，医疗保险的社会保障功能开始显现。然而近年来，一些不法分子受利益驱动，利用医疗保险统筹基金管理的漏洞骗领医保基金，特别是一些民营医院的经营者参与骗保，严重影响医保基金的安全和医疗保险改革的稳步推进。对于目前医保局检测不法分子的医保欺诈行为主要依靠的是医保局自己指定的一系列规则，如帮助非参保人员虚构劳动关系、虚构享受医疗保险待遇条件，或者提供虚假证明材料骗取医保资格；将医疗保险证件、医疗保险卡或者支付凭证交给非参保人员使用；出具虚假证明材料或者鉴定意见，为非参保人员骗取医疗保险基金提供帮助等。但是规则是固定的，是可以被规避的。不法分子通过熟悉规则的方式能避开医保局的检查。而这就可以造成医疗保基金的极大损失。

目前，国家医保局将医保欺诈聚焦三个重点领域：一是医疗机构，重点查处诱导参保人员住院、盗刷和冒用参保人员社会保障卡、伪造医疗文书或票据、协助参保人员套取医保基金、虚记或多记医疗服务费用等行为。二是零售药店，重点查处串换药品，刷卡套取基金等行为。三是参保人员，重点查处通过票据作假骗取基金等行为。但是骗保行为依旧屡禁不止。导致这一原因是，目前国家医保局就医保欺诈检测只能依靠有经验的核保核赔人员的检查。医保局指定的的规则较为简单，目标行为一般聚焦于多日大金额交易。依靠人工核查以及简单的规则限制，医保欺诈中部分行为就会逃过国家医保局的监管，并对国家医保基金造成极大的财产损失。

人工智能是目前新兴的计算机技术，它所探究的是如何使计算机去做过去只有人才能做的智能工作，并能做的更好。使用人工智能的图神经网络的方式，让人工智能自动的去查找医保交易内部的异常和欺诈行为。这能使那些巧妙躲开规则的违法行为得以被发现，同时也能降低人工检查的疏漏的可能性。而作为目前兴起的图神经网络，它满足了现实场景的需求，因为现实数据本身就是互相存在关联且以非欧氏空间的方式相联结，是不具备规则的空间结构。如电子交易、推荐系统等抽象出来的图谱，图谱中每个节点与其他节点的连接不是固定的。图神经网络可以对非欧氏空间的数据进行建模，捕获数据的内部依赖关系。图神经网络是不规则的、无序的。对于医保交易数据，也是类似的构建图结构，图中每个交易数据样本(节点)都会有边与图中其他交易数据样本(节点)相关，这些信息可用于捕获交易之间的相互依赖关系。将它应用在医保欺诈的数据挖掘中，能更仔细的找到规则外的异常情况。因此，创建处一种用于检测异常医保数据的图神经网络的方法能更有效地进行医保欺诈的探究，能更好的保护且推进保险制度改革。

发明内容

本发明所要解决的技术问题是提供一种让计算机使用人工智能的方式自主查找医保欺诈行为的用于检测异常医保数据的图神经网络的方法。为此，本发明采用以下技术方案：

一种用于检测异常医保数据的图神经网络的方法，包括以下步骤：

S1、数据生成，在数据生成层中生成可应用于图神经网络的图结构的医保数据；

S2、数据采样，在步骤S1所得的医保数据中，针对图结构的各个顶点的邻居顶点进行采样；

S3、信息聚合，将步骤S2的采样结果锁获得的各个顶点分别聚合邻居顶点锁蕴含的数据信息；