AI赋能医保基金监管：基层智能审核的创新实践与展望
AI赋能医保基金监管：基层智能审核的创新实践与展望
随着医疗保障制度改革的深入推进，医保基金智能审核已成为重要监管手段。然而，在基层实践中，如何提高智能审核末端效率成为亟待解决的问题。本文作者莫淑然，作为基层医保监管工作者，通过将AI大模型与医保审核业务深度融合，探索出一条"零成本、易上手、见效快"的智能审核新模式，为破解基层监管资源瓶颈提供了创新思路。
医保智能审核末端的现实挑战
当前，基层医保智能审核面临三大挑战：
智能审核疑点数量庞大：尽管规则不断优化，但全量结算数据跑完规则后输出的疑点数量仍过于庞大，医疗机构逐条反馈的文本信息以及附带的病历、检验结果等佐证信息，要人工做到逐条复查对末端的审核人员而言存在困难。
审核人员转型不足：部分审核人员知识储备不全面，缺乏医学逻辑、数据分析、收费物价的整合能力，无法将历年飞行检查、专项治理中的典型案例活化到核查中。
人工复核标准不统一：面对大量的规则以及如物价内涵的调整、限制用药范围的更新，人工处置会存在一定的差错率和未及时率。
AI大模型用于智能监管的基层实践
作者尝试使用“AI理解+VBA编程+WPS数据处理”的模式，探索适应基层的智能审核末端高效处理模式。以“伏诺拉生”限制用药规则为例，介绍具体步骤：
规范医院回复：首先确保基础数据的准确性。根据《国家药品目录》，伏诺拉生限反流性食管炎的患者，要求医疗机构规范填写诊断信息。
AI指令调试：通过AI学习医学知识和医药机构的回复情况，形成用于VBA编程的指令库。例如，要求AI生成VBA代码，判断反馈意见中是否同时包含“反流”和“食管炎”字段。
数据批量处理：将VBA代码导入WPS软件，可以同时运行约40条智能审核的VBA代码，覆盖全部智能审核医院反馈数据的70%，每次运行大约耗时0.5秒。
人工复核：主要复核两方面，一是提示“符合”的，按5%-10%的比例抽查医疗机构提供的病案首页等原始佐证材料；二是提示“不符合”的，按100%比例复核。
启发与展望
这种处理模式具有四大优势：
规则标准化：从经验判断转向数据驱动，减少判断偏差，实现审核标准统一。
人力资源效能倍增：使用AI后，用于逐条审阅医院回复的人力投入可减少90%以上，释放人力资源投入高精度工作。
零成本部署：基于既有办公环境，无需专业编程知识，可解决多个规则的初判问题。
确保数据安全：实现医保敏感数据全流程本地处理，审核日志可追溯。
但该模式也存在局限性：规则仍需人工构建，VBA代码判断灵活性不足。未来，随着医疗AI产业纵深发展，医保监管领域将经历技术应用、知识图谱构建、决策支持三个维度的范式跃迁，推动智能医保监管模式跻身世界前沿。