医疗保险理赔欺诈检测(Medicare FWA)算法

可视化演示

展示医疗保险理赔欺诈检测的特征空间异常散点、提供商-理赔图异常检测、以及规则+模型双阶段检测管道。

欺诈问题分析

老周的社区不大，但医保基金却年年“失血”。他翻开近三年的报案记录：有人把一次普通的感冒包装成“全套高端体检”，有人明明是摔伤却报成“交通事故后遗症”，还有病人和诊所串通，批量开“幽灵处方”。老周意识到，这不是个别坏人，而是一个分工明确的“骗保江湖”。江湖中的人各怀鬼胎，有人故意造假，有人顺手占便宜，还有人只是没按规矩办事——这三种情况，医疗领域统称为 FWA：Fraud（欺诈）、Waste（浪费）、Abuse（滥用）。欺诈是有预谋的虚假申报，浪费是没有必要的过度医疗，滥用是不合规但未必故意的操作。三者都在掏空医保基金，但性质和治理方式完全不同。

老周明白，不能一概而论地“抓人”。真正的难点在于：第一，标注稀缺，被确认欺诈的理赔只占总量极少数（通常不足 1%），模型能学的“坏例子”太少；第二，对抗性强，欺诈者会根据规则调整手法，规则一紧他们就换剧本；第三，数据规模大，比如美国 Medicare 每年处理超过 10 亿条理赔，单条理赔的实时打分必须毫秒级完成。这些难点交织在一起，让“从海量正常中捞出异常”变成一场概率战。用贝叶斯公式可以理解为什么这么难：

老周把这些思考写进了新笔记本的扉页：“看单子不能只凭感觉，要把三个妖怪分清楚，再用概率说话。” 这一页，就是整套检测系统的出发点。

数据特征工程

老周有个泛黄的笔记本，每页都写满嫌疑人的“特征”：出险时间、伤情描述、就医选择、用药偏好。时间一长，他发现碰瓷的人有共同点：总在周五下午报案、描述伤情时像背课文一样流利、总去同一家小诊所开高价药。笔记本里的每条记录，就是原始线索。在算法世界里，这个笔记本叫“特征工程”：原始理赔数据是半结构化的表格，包含诊断编码（ICD-10）、手术编码（CPT）、金额、日期、医生 ID、医院 ID。要让模型“看懂”，必须把这些原始字段加工成有判别力的数值特征。

特征按对象可分为四大类。理赔层面：单笔金额的均值与抖动幅度、同一患者短期重复理赔次数、诊断与治疗是否匹配——比如感冒却开了核磁共振，就值得怀疑。患者层面：历史理赔总次数、慢病基础标签、就诊机构分散度——一个“老病号”突然频繁换医院，背后可能有猫腻。医疗服务者层面：医生单日开单量、平均每单金额、开单时间分布——凌晨三点还在大量开单的内科医生，老周会多问一句。时序层面：相邻理赔的时间间隔、月末与季末的突增、节假日模式。这些特征交织在一起，才构成老周笔记本上“立体的人物画像”。

一个容易踩的细节是量纲问题：金额动辄上万，频次只有个位数。如果不做标准化，模型会天然被“大数字”带偏。因此要对特征做归一化处理：

老周把笔记本交给新来的助理整理成电子表格，每列都是量化的特征。他说：“好线索和坏线索的差别，就藏在这些数字里。”

图异常检测

单看每个人的特征，碰瓷专业户未必显眼——他们每次都精心伪装成普通患者。但老周把关系网一画，问题就浮出水面：同一批人总在固定时间出现在同一家诊所，诊所又总是推荐同一个“康复中心”。单独看每个节点都正常，放到网上一看，却形成一个密不透风的小圈子。这就是图异常检测的思路：把患者、医生、医院、药店看作图中的节点，把“就诊”“开药”“转诊”看作连接节点的边。一个正常的医疗网络应该像城市的毛细血管一样分布均匀，而骗保团伙会聚集成高度互通的“黑团”，在图上格外扎眼。

构建三部图（患者→医生→医院）之后，常用三类方法。一是社区发现（如 Louvain 算法）：把网络划分成若干子集团，找出内部连接异常紧密的团伙候选区。二是节点异常评分：用 Node2Vec 等方法学习节点嵌入，再用孤立森林等无监督模型找出与邻居“格格不入”的异常节点——一个病人跑来跑去见了 200 位医生，就非常可疑。三是边权特征：统计两个节点之间的交互频次与金额，用 Jaccard 相似度衡量他们关系的“专一度”。

老周盯着画满圆圈和箭头的关系网，圈出那个密不透风的小圈子，感慨道：“单打独斗的骗子好抓，成团伙的就要靠这张网了。”

规则与模型

老周办案有两套本事。一套是师傅传下来的“经验口诀”：“频繁报案必有鬼，深夜开单要盯紧。”这套口诀简单直接、人人能懂，但难免挂一漏万。另一套是他在警校学的统计思维：他会计算哪个辖区的报案率异常，哪些人组合出现的概率低到不自然。口诀是规则，统计是模型。老周知道，单靠哪一边都抓不全骗子。成熟的 FWA 检测系统普遍采用“规则 + 模型”双引擎：规则引擎由医保专家把业务红线固化成 if-then 语句，例如“同一医生单日开单超过 50 张直接告警”；机器学习模型则从海量历史标注中自动学习复杂模式。

规则引擎的优点是透明可控，但它无法捕捉多维特征的复杂交互。监督模型（逻辑回归、梯度提升树）能自动学习非线性关系，但依赖高质量标注。真实场景中欺诈标注极少，常用 PU learning（正例-未标注学习）：把少量已确认的欺诈作为正例，其余全部视为“未标注”而非“负例”，用两阶段训练逼近真实分布。最后，通过加权融合把规则得分与模型得分合并，得到一个最终风险分：

老周把口诀抄在纸上交给系统，系统再把统计规律揉进公式。他笑道：“老经验不丢，新套路也能防。”

误报审查

起初系统上线，老周挺高兴，但麻烦很快来了——每周告警名单几十人，他挨个排除，结果十有八九是冤枉的。药店老板是正经生意人，被他上门问话后气得直投诉；一位常去复查的糖尿病老人被反复“关照”，寒了心。老周这才意识到，抓错好人比抓漏坏人更伤社区元气。这正是 FWA 检测必须认真对待的误报问题：欺诈率极低时，即便模型精确率达到 95%，每 100 条告警里也可能有 80 条是误报。用精确率（Precision）可以量化这个现象：

提高精确率的同时不能丢掉召回率，否则骗子更嚣张。实用策略是构建“人机闭环”：模型按风险分排序输出 Top K 名单，专家抽样复核，复核结果作为新标注回灌模型；同时用 SHAP 等可解释工具告诉专家“为什么告警”——比如某案例被标记是因为“金额超过同病种均值 4 倍且转诊链闭环”，专家几秒就能判断对错。主动学习则优先挑选模型最“犹豫”的样本请求标注，让有限的专家精力花在刀刃上。老周把“先核实再定性”写进了系统流程：让机器跑得快，让人把得准。如今他再敲门，心里有底了。

性能与实战

社区大了，老周不可能一天跑遍所有街道。他给自己定规矩：早晚高峰去菜市场、学校门口巡逻，深夜去夜市蹲点。同样，FWA 系统面对每天数百万条理赔，不可能对每条都做复杂的图计算和模型推理——必须知道把算力花在哪里。性能优化的核心是“分层筛选”：第一层用轻量规则和线性模型做粗筛，把 99% 的普通理赔快速放行；第二层只对进入初筛名单的 1% 做图分析和深度模型重排序。这样既保证覆盖面，又控制成本。

针对类不平衡，常见做法是欠采样（随机丢弃部分正常样本）或 SMOTE 过采样（在少数类样本之间插值合成新样本），让训练集不至被“正常”淹没。评估指标不能只看准确率——全部预测为正常也有 99% 准确率。要综合看 F1 分数：

最后一个重点是：模型会“过期”。欺诈者会学习新规则，医保政策也会调整。因此要监控特征分布漂移，定期重训；日常运维中保存每条告警的“裁决结果”，形成持续学习的数据飞轮。如今老周的巡逻路线图越来越智能——哪条街骗保高发，哪个时段容易出幺蛾子，系统比他还清楚。他感叹：“好系统不是一次性工程，而是像老民警一样，天天在长本事。”

AI 应用场景

Python 演示

import numpy as npfrom sklearn.linear_model import LogisticRegression # 1. simulate claim datarng = np.random.RandomState(42)n = 2000amount = rng.gamma(2, 500, n)freq = rng.poisson(3, n).astype(float)doc_volume = rng.poisson(10, n).astype(float)history = rng.poisson(5, n).astype(float)X = np.column_stack([amount / 1000, freq, doc_volume, history]) # 2. generate fraud labels with low priorz = -6.0 + 0.8 * X[:, 0] + 0.5 * X[:, 1] + 0.4 * X[:, 2] + 0.2 * X[:, 3]y = rng.binomial(1, 1 / (1 + np.exp(-z)) * 0.05) # 3. train a supervised modelmodel = LogisticRegression(max_iter=1000)model.fit(X, y)score = model.predict_proba(X)[:, 1] # 4. expert rules: high amount and high frequencyrule = (X[:, 0] > 2.0) & (X[:, 1] > 5) # 5. ensemble score = 0.6 * model + 0.4 * rulefinal = 0.6 * score + 0.4 * rule.astype(float) # 6. show top 20 suspicious claimstop = np.argsort(final)[-20:][::-1]print("=== Top 20 suspicious claims ===")for i in top:    print("claim#%d amount=%.0f freq=%.0f model=%.2f rule=%d final=%.2f"          % (i, amount[i], freq[i], score[i], int(rule[i]), final[i]))print("fraud rate in top20: %.2f" % y[top].mean())

1. y = rng.binomial(1, 1 / (1 + np.exp(-z)) * 0.05)用伯努利分布模拟“欺诈先验概率极低”的现实，让正例只占极少数，还原真实场景中的类不平衡。
2. model = LogisticRegression(max_iter=1000)创建逻辑回归分类器，用四个特征学习欺诈概率，权重由数据自动拟合。
3. rule = (X[:, 0] > 2.0) & (X[:, 1] > 5)专家规则：理赔金额超过 2000 元且频次超过 5 次就触发告警，代表业务红线。
4. final = 0.6 * score + 0.4 * rule.astype(float)加权融合：模型分占 60%、规则命中占 40%，取两者之长。
5. top = np.argsort(final)[-20:][::-1]按融合分从高到低取前 20 条，生成人工复核名单。
6. print("fraud rate in top20: %.2f" % y[top].mean())打印 Top20 中真实欺诈的占比，直观检验融合方案的精确率。

常见误区

面试题