在醫(yī)療保險信息化建設中應用大數(shù)據(jù)分析的研究

王為光

(蘇州工業(yè)園區(qū)社會保險基金和公積金管理中心,江蘇 蘇州 215000)

0 引言

隨著信息技術的發(fā)展，大數(shù)據(jù)已經成為新時代的熱點，并被給予“未來新石油”的評價[1-3]。對大數(shù)據(jù)的開發(fā)利用已成為國際競爭及國家整體實力的重要體現(xiàn)，世界各國先后制定和實施了大數(shù)據(jù)相關的戰(zhàn)略計劃，我國于2015年提出了大數(shù)據(jù)發(fā)展戰(zhàn)略[4-6]，隨著信息技術的迅速發(fā)展，基于大數(shù)據(jù)技術的數(shù)據(jù)開發(fā)利用已經成為各個行業(yè)在市場競爭中的重要因素，甚至成為國家整體實力的重要體現(xiàn)。在醫(yī)療領域仍舊如此，各區(qū)域醫(yī)療保險信息系統(tǒng)內存在著大量的數(shù)據(jù)，這些龐大的醫(yī)療保險數(shù)據(jù)在不經過梳理、分析、再整理、重構等處理的情況下，很難直接用于醫(yī)保管理，加大醫(yī)保工作人員的工作量，造成很大的資源浪費[7-10]。依據(jù)國家“大數(shù)據(jù)”發(fā)展戰(zhàn)略要求，利用大數(shù)據(jù)對醫(yī)保基金進行風險防控已經成為目前科技發(fā)展的重點，通過將大數(shù)據(jù)分析技術應用到醫(yī)療保險行業(yè)，能夠有效降低醫(yī)保基金運行風險，有利于解決醫(yī)保險欺詐、過度醫(yī)療等問題，最終實現(xiàn)醫(yī)保基金的可持續(xù)發(fā)展[5，11-12]。

因此， 如何利用好這些醫(yī)保大數(shù)據(jù)、探究大數(shù)據(jù)在醫(yī)療保險信息化建設中的應用具有十分重要的意義[13-14]。本研究以蘇州工業(yè)園區(qū)醫(yī)療保險特病結算數(shù)據(jù)為基礎，對數(shù)據(jù)進行梳理、分析、清洗、重構，運用系統(tǒng)建模大數(shù)據(jù)技術，利用預測模型、數(shù)理模型進行數(shù)學建模，分析影響特病支出費用的發(fā)展趨勢以及影響支出的關鍵因素，提高了數(shù)據(jù)的處理能力。

1 大數(shù)據(jù)應用方案設計

本研究通過以文蘇州工業(yè)園區(qū)社會保險基金和公積金管理中心(以下簡稱“中心”)醫(yī)療保險特病支出數(shù)據(jù)為基礎，對大數(shù)據(jù)的應用進行說明、分析借助于大數(shù)據(jù)分析挖掘技術助力醫(yī)保平臺特病數(shù)據(jù)監(jiān)控與費用控制，為醫(yī)保基金的可持續(xù)發(fā)展及醫(yī)療保險政策的制定、執(zhí)行、完善提供依據(jù)。如圖1所示。

圖1 大數(shù)據(jù)應用框架結構示意圖

在本研究設計中，其總體思路是：選擇園區(qū)的12種特病樣本數(shù)據(jù)，該疾病為尿毒癥、白內障、再生障礙性貧血、血友病、惡性腫瘤康復期、冠心病合并心肌梗死、癲癇、強直性脊柱炎、系統(tǒng)性紅斑狼瘡、類風濕性關節(jié)炎、惡性腫瘤放化療、重癥精神病等。首先將這些數(shù)據(jù)進行梳理、分析、清洗等處理，再利用大數(shù)據(jù)分析模型，進行數(shù)學建模，根據(jù)限額、限額以內的報銷比例，超限額報銷比例，申請人數(shù)四個影響維度，調整數(shù)理模型參數(shù)，對下一年度的特病支出費用做出預測。

通常，醫(yī)療保險信息化平臺為分為不同層次的幾個平臺，比如數(shù)據(jù)庫、數(shù)據(jù)存儲平臺、大數(shù)據(jù)計算、處理平臺、業(yè)務應用平臺、展示層等。醫(yī)療大數(shù)據(jù)被存儲在數(shù)據(jù)庫中，在信息化平臺中，數(shù)據(jù)存儲中心為基于Hadoop平臺的大型Hbase數(shù)據(jù)庫，hadoop分布式大數(shù)據(jù)平臺能夠提供數(shù)據(jù)提取、存儲和計算服務，其具有結構化的數(shù)據(jù)和非結構化的數(shù)據(jù)，非結構化的數(shù)據(jù)被存儲在Hadoop平臺中的HDFS文件系統(tǒng)中。在Hadoop平臺中的各種大數(shù)據(jù)可以實現(xiàn)分布式存儲、超融合VS分布式、刪重和壓縮以及整合分析等功能。

在數(shù)據(jù)計算之前通常要進行數(shù)據(jù)預處理，數(shù)據(jù)預處理主要包含數(shù)據(jù)梳理、數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)轉換和數(shù)據(jù)簡約等。在進行數(shù)據(jù)處理中，對已有的數(shù)據(jù)資源進行梳理，確定需要的有效的業(yè)務數(shù)據(jù)范圍，從核心業(yè)務數(shù)據(jù)庫oracle中抽取需要的原始目標業(yè)務數(shù)據(jù)，然后對原始數(shù)據(jù)在抽取時進行第一次數(shù)據(jù)粗清洗工作，清洗后的數(shù)據(jù)存入大數(shù)據(jù)平臺的hive數(shù)據(jù)倉庫中，然后對hive倉庫中的數(shù)據(jù)進行二次清洗，形成滿足要求的有效的高質量數(shù)據(jù)，二次清理后的數(shù)據(jù)存放在hive數(shù)據(jù)庫中，對第一次存儲的數(shù)據(jù)進行清除整理。數(shù)據(jù)清理之后，采用數(shù)據(jù)挖掘算法或者隨機矩陣模型對清洗后的數(shù)據(jù)進行計算、處理，然后通過展示頁面向用戶顯示數(shù)據(jù)。

2 關鍵技術設計

2.1 大數(shù)據(jù)處理技術

在諸如尿毒癥、白內障、再生障礙性貧血、血友病、惡性腫瘤康復期、冠心病合并心肌梗死、癲癇、強直性脊柱炎等多種醫(yī)療數(shù)據(jù)被輸入到信息化平臺時，需要對大數(shù)據(jù)進行預處理，在本研究設計中，采用移動平均模型(MA)或者指數(shù)平滑模型進行數(shù)據(jù)處理。

移動平均(MovingAverage)就是使用前N期的歷史數(shù)據(jù)進行序列的預測，即把前N期的歷史數(shù)據(jù)的平均值作為下一期的預測值，其基本原理是通過消除時間序列中的周期變動和不規(guī)則波動的影響，以便呈現(xiàn)出時間序列的總體發(fā)展趨勢(即趨勢線)，然后根據(jù)趨勢線分析序列的長期趨勢，其原理示意圖如圖2所示。

圖2 移動平均大數(shù)據(jù)預處理原理示意圖

上述為一次移動平均計算值，利用上述理論的效果如圖3所示。

圖3 移動平均大數(shù)據(jù)預處理效果示意圖

通過該方法，可操作性、解釋性比較強，易于工程化的實現(xiàn)，移動平均法能夠有效地消除預測中的隨機噪聲。

在使用指數(shù)平滑模型時，指數(shù)平均(exponential smoothing，也叫exponential weighted moving average)，這種平均方法的重要特征就是，Yt與之前產生的所有信號有關，并且距離越近的信號所占權重越大。根據(jù)所選時間特征分為如下類型：一階指數(shù)平滑、二階指數(shù)平滑、Holt-Winters指數(shù)平滑模型等，采用該模型優(yōu)點：精度較高，易于工程化的實施，python，R均有相關包實現(xiàn)，調用接口簡單易用，由數(shù)據(jù)異常導致的報錯較少。

2.2 數(shù)據(jù)處理方法

2.2.1 隨機矩陣理論處理方法

隨機矩陣理論是通過統(tǒng)計、分析醫(yī)療數(shù)據(jù)的能譜和本征態(tài)，得出實際測量中的隨機程度，進而揭示不同醫(yī)療實際數(shù)據(jù)所蘊含的整體關聯(lián)的事件特征。下面構建隨機矩陣理論模型對醫(yī)療數(shù)據(jù)的相關性進行計算。

假設醫(yī)療保險相關性評估矩陣模型為：

(1)

其中：

(2)

(3)

在上式中，對人體的健康造成重大傷害的疾病(諸如尿毒癥、白內障、再生障礙性貧血、血友病、惡性腫瘤康復期、冠心病合并心肌梗死、癲癇、強直性脊柱炎等)有M種，數(shù)據(jù)集合為：{P1，P2，P3……PM}，人體疾病的數(shù)據(jù)有N種，數(shù)據(jù)集合為：{Q1，Q2，Q3……QN}, 在評估時間窗區(qū)間范圍內，連續(xù)測試T次，其中將對人體健康造成重大傷害的影響的數(shù)據(jù)構建為矩陣D1，其中集合數(shù)據(jù)元素Pij為第i個疾病在j疾病等級下進行測量的疾病大數(shù)據(jù)。

在運算中，為了統(tǒng)一計算的方便，對評估矩陣模型D進行標準化。標準化公式為：

(4)

定義xi=(xi1,xi2,xi3……xiT), 假設標準化后的矩陣為D3，則D3=(yij)(M+N)*T，其中：

μ(yi)=0

(5)

σ2(yi)=1

(6)

其中：yi=(yi1,yi2,yi3……yiT)T, 1≤i≤M+N。

再次引入公式：

式(7)

其中:

Dstd=[w1,w1,w1……wM+N]T

(8)

該公式的運算過程為基于標準化后的矩陣D3而進行的，由于D3矩陣在計算中為非Hermitian矩陣，該矩陣的奇異值等同矩陣為：

(9)

在式(8)中，U為Haar酉矩陣，在運算中容易出現(xiàn)多個矩陣，假設有N個任意的非標準Hermitian矩陣D3，則存在N個奇異值等同矩陣。為了計算方便，按1個奇異值計算，這時Du可以表示為:

(10)

基于上述模型的建立，將上述建立的數(shù)據(jù)模型應用到引起人體疾病影響因素的評估上，觀察人體中隱藏的外在參數(shù)對人體健康影響情況。在本研究設計的方案中，忽略數(shù)據(jù)輸入的步驟，直接從醫(yī)療保險信息化平臺中的數(shù)據(jù)存儲中心中提取數(shù)據(jù)，然后進行下一步的操作。即按照標準化后的標準化公式(見式4)來計算，根據(jù)式(9)求出奇異值等同矩陣，根據(jù)式(10)求出奇異值計算，最后根據(jù)式(8)求出Dstd的值。公式在此不做重復描述，根據(jù)上文列出的公式，分別輸入采樣數(shù)據(jù)，求出各個公式的值。

然后利用隨機矩陣模型分析大數(shù)據(jù)，當計算出標準化矩陣積Dstd的特征值分布時，便可評估疾病對人體健康造成的影響，Dstd越大，影響量越大。由于D1表示的醫(yī)療疾病數(shù)據(jù)集合為嚴重影響人體健康，數(shù)據(jù)集合{P1，P2，P3……PM}中表示不同的參數(shù)，造成人體健康重大疾病的數(shù)據(jù)集合為{Q1，Q2，Q3……QN}中也表示不同的集合，因此在實際應用時，根據(jù)選擇數(shù)據(jù)類型而構建矩陣。

2.2.2 數(shù)據(jù)挖掘算法模型

在對大數(shù)據(jù)進行處理時，首先將數(shù)據(jù)按照一定的屬性分類，本研究基于數(shù)據(jù)挖掘算法實現(xiàn)智能大數(shù)據(jù)的分類。數(shù)據(jù)挖掘算法包含很多種算法，比如關聯(lián)算法、回歸分析、聚類算法、異常檢測等，其中每種算法又包括多個算法，比如分類算法包括諸如決策樹算法、貝葉斯算法、神經網絡、支持向量機等算法，聚類分析算法包括諸如k-means SOM神經網絡、FCM聚類算法等的算法。在本研究設計中，選擇使用決策樹算法中的ID3算法構建決策樹，實現(xiàn)對數(shù)據(jù)的分類。

假設表1為給定的數(shù)據(jù)集為D，根據(jù)最大信息增益選擇最優(yōu)特征生成極小熵決策樹，計算各特征A1、A2、A3、A4、A5對數(shù)據(jù)D的信息增益，如表1所示。表1中的D1和D2，D3分別表示在各個特征中取值為1、2和3的樣本子集，根據(jù)上文涉及的公式計算統(tǒng)計在表1中的數(shù)據(jù)可得：

H(D)=-8/15*log2(8/15)—7/15*log2(7/15)=0.996 8；

g(D,A1)=H(D)-[8/15*H(D1)+7/15*H(D2)]=0.288 0；

g(D,A2)=H(D)-[5/15*H(D1)+4/15*H(D2)+6/15*H(D3)]=0.139 8；

g(D,A3)=H(D)-[3/15*H(D1)+12/15*H(D2)]=0.029 2；

g(D,A4)=H(D)-[7/15*H(D1)+8/15*H(D2)]=0.288 0；

g(D,A5)=H(D)-[6/15*H(D1)+4/15*H(D2)+5/15*H(D3)]=0.413 1；

根據(jù)上面的計算結果，特征A5的信息增益最大，所以選擇A5為根節(jié)點。根據(jù)A5的取值將樣本分成3個結合，S1={2,3,6,8,12,13}，S2={1,5,7,14}，S3={4,9,10,11,15}，其中集合S2已全部屬于同一個類，不需要再分，已成為葉子節(jié)點。采用類似的方法可確定其它根節(jié)點和葉子節(jié)點。

表1 樣本數(shù)據(jù)

利用上述數(shù)據(jù)集構建決策樹如圖4所示。

圖4 決策樹示意圖

通過數(shù)據(jù)挖掘算法建立分類模型，使得多個不同類型的醫(yī)療保險數(shù)據(jù)庫根據(jù)用戶需求輸出不同的目標數(shù)據(jù)，縮短用戶利用數(shù)據(jù)的時間，提高了數(shù)據(jù)處理效率。

3 方案實驗及分析

本研究選擇了蘇州工業(yè)園區(qū)2012年度至2017年度醫(yī)療保險特病參保人員醫(yī)療結算數(shù)據(jù)作為研究對象，涉及12個病種，約5萬人員，1 400萬人次的結算數(shù)據(jù)。包括了特病人員的基本信息、就醫(yī)結算信息等。選取的數(shù)據(jù)樣本為12種特病分別為尿毒癥、白內障、再生障礙性貧血、血友病、惡性腫瘤康復期、冠心病合并心肌梗死、癲癇、強直性脊柱炎、系統(tǒng)性紅斑狼瘡、類風濕性關節(jié)炎、惡性腫瘤放化療、重癥精神病。在試驗時，將上述數(shù)據(jù)輸入到基于Matpower的IEEE-118節(jié)點的仿真系統(tǒng)系統(tǒng)中，假設矩陣D1=80*150，D2=400*500，根據(jù)公式Dstd=[w1,w1,w1……wM+N]T進行計算，其中D1分別為癲癇、強直性脊柱炎、系統(tǒng)性紅斑狼瘡等疾病數(shù)據(jù)構成的矩陣。在實施例時間，D1構成5個矩陣，D2為影響人體健康的參數(shù)，其數(shù)據(jù)樣本見表2所示。

表2 數(shù)據(jù)試驗表

在該步驟中，主要將處理后的醫(yī)療數(shù)據(jù)輸入到建立好的數(shù)據(jù)模型中，輸出用戶需要的數(shù)據(jù)。對處理后的數(shù)據(jù)進行T次采樣，構建狀態(tài)數(shù)據(jù)矩陣。即構建以下數(shù)據(jù)以數(shù)值的方式表示，比如將:

轉換成：

同時將:

轉換成：

由于矩陣的規(guī)模和篇幅的限制，在此僅僅做示例性說明，不再將矩陣按其真實規(guī)模展開。根據(jù)上述數(shù)據(jù)，應用上文提供的公式，將計算結果繪成曲線圖，如下文所述。

在圖5中，以尿毒癥對人體因素造成重大影響程度進行分析、判斷，其影響的曲線圖如圖5所示。

在圖6中，以白內障對人體因素造成重大影響程度進行分析、判斷，其影響的曲線圖如圖6所示。

在圖7中，以尿毒癥對人體因素造成重大影響程度進行分析、判斷，其影響的曲線圖如圖7所示。

在圖8中，以惡性腫瘤對人體因素造成重大影響程度進行分析、判斷，其影響的曲線圖如圖8所示。

圖5 影響人體病理參數(shù)為尿毒癥的曲線圖 圖6 影響人體病理參數(shù)為白內障的曲線圖

圖7 影響人體病理參數(shù)為血友病的曲線圖 圖8 影響人體病理參數(shù)為惡性腫瘤的曲線圖

因此，通過隨機矩陣理論都可以逼真地獲取醫(yī)療數(shù)據(jù)。通過隨機矩陣理論也可以對醫(yī)療數(shù)據(jù)進行關聯(lián)性評估。通過上述試驗，隨機矩陣理論在醫(yī)療保險信息化平臺大數(shù)據(jù)處理方面具有明顯的直觀顯示。

4 結束語

本研究通過在醫(yī)療保險信息化建設平臺中使用大數(shù)據(jù)處理算法，不僅有利于用戶從各種不同的數(shù)據(jù)庫中找到合適的最佳數(shù)據(jù)，也將極大地影響醫(yī)療保險基金的收支平衡和可持續(xù)發(fā)展，大數(shù)據(jù)技術還可以輔助相關決策的制定，比如參保險群體分析、參保對象年齡分析、醫(yī)保基金收支分析、大病費用補助分析，有效降低醫(yī)療保險基金風險。大數(shù)據(jù)技術對醫(yī)療保險管理具有決策支持、便民服務、風險管控、商保拓展等重要意義。