<menu id="kue2i"><menu id="kue2i"></menu></menu>
<nav id="kue2i"><strong id="kue2i"></strong></nav>
<nav id="kue2i"><strong id="kue2i"></strong></nav>
<menu id="kue2i"></menu>
<input id="kue2i"><tt id="kue2i"></tt></input>
<nav id="kue2i"><code id="kue2i"></code></nav>
<menu id="kue2i"></menu>
<xmp id="kue2i"><menu id="kue2i"></menu>
  • 醫保風控

    亞信數據醫保基金智能風控運營服務將AI和大數據手段相結合,收集學習上萬例欺詐案例數據和多維度對比數據,尋找欺詐行為模式規律,應對層出不窮的各類新型違規行為,對各類基金欺詐、浪費、濫用等違法違規行為形成強有力的威懾力,幫助政府嚴厲打擊欺詐騙保行為;定期發現可能影響基金運行的高風險行為/事件,通過事前、事中等環節的干預管理措施,幫助醫保部門及時化解潛在風險,實現在確保醫療服務質量的同時,有效控制醫保基金不合理支出,提高醫保基金使用效率,緩解地方財政壓力。

    各級財政承擔城鄉居民醫保基金大部分籌資壓力

    近年來隨著經濟發展進入新常態,人口老齡化問題凸顯,我國醫療保障基金支出高速增長,各級財政壓力不斷增大。加之過度醫療、欺詐騙保行為層出不窮,醫保基金可持續發展面臨巨大挑戰。
    • 11.7%
      全國財政醫療衛生累計支出
      年均增幅11.7%
    • 7.2%
      全國醫療衛生財政預算
      約占全國財政支出7.2%
    • 188億
      2022年專項治理
      共追回醫保資金

    醫保基金監管效能亟待提升

    醫保基金支出持續高速增長,各級財政承擔著城鄉居民醫保基金大部分籌資壓力。可持續性面臨巨大挑戰,相關研究表明醫保基金支出中不合理支出占比約35%。
     
    • 多、快、高
      100萬家各級醫療機構、1175萬衛生人員、13億參保人、萬億資金…
      掛床騙保、住院體檢、代刷醫保卡、重復掛號等騙保方式層出不窮…
      社會對醫保期望較高,起付線、報銷比例、大病統籌仍有提升空間…
    • 少、慢、低
      2018年成立國家醫保局,編制80人,各級醫保局陸續成立,人員偏少…
      監管程序和規則相對固化,升級機制尚不完善,升級慢,周期長…
      針對違規行為的監管系統水平低,系統重建設,輕效果…

    亞信數據醫保智能風控運營服務助力政府加快實現全民免費基本醫療

     
    醫保智能風控運營服務將AI和大數據手段相結合,有效控制醫保基金不合理支出,提高醫保基金使用效率,緩解地方財政壓力。
     
    精準定位違規案件
    以結果可執行為導向,精準定位醫保基金使用中的各種違約違規違法行為,減輕醫保部門的工作量。
    醫保稽查專家顧問服務
    亞信數據醫保專家根據醫保部門需求提供專家現場顧問、案件線索分析答疑等服務。
    事前事中提醒
    可根據監管需要,將監管關口前移到事前事中環節,通過提醒、攔截等手段對基金使用中的風險進行及時干預。
    基金運行風險態勢感知服務
    全面匯聚歸集人口健康、醫療、醫保結算等多源異構數據實時分析基金運行態勢動態,協助用戶提高基金監管針對性,及時化解各類基金支出風險。
    新型欺詐濫用浪費行為的監控識別
    新型違規風險智能識別引擎,將人口健康、醫療、醫保結算等多源異構數據與AI技術相結合,讓層出不窮的新型違規行為無處遁形。
    基金運行風險評估與咨詢服務
    亞信數據運營團隊由具有豐富實踐經驗的醫保基金專業人員與醫保研究頂尖專家構成,為用戶提供完整的基金運行情況評估與咨詢服務,可對當地的醫保政策規范、管理政策規范、基金支出實際情況、當地監管措施與人員情況進行系統性的評估,提供評估報告以及監管方案建議。

    核心競爭力

    以自主可控的無代碼醫保風控監管平臺,加ABCDS五大核心能力實現管人、管事、管模型、管數據。
    AI智能化平臺
    基于快速獲取的國-省-市海量的非結構化數據的計算,AI智能自適應學習問題資金、分析預警和考核指標,形成專業化的模型識別能力。
    BI審計平臺
    自研多維度宏觀數據分析視角,為常規性問題判斷實現倍增的效率,解決微觀視角的局限性。
    Code編碼翻譯平臺
    針對海量醫療系統和醫保規則的編碼識別難題,進行即插即用式的高達95%自動識別能力。
    Data基礎醫學數據庫
    歷時多年積累的四大醫學基礎字典和數據庫,為更加精準的智能識別能力提供賦能,成為核心差異化能力。
    SaaS體系運營能力
    查實每一筆問題資金所需要的至少120個工作環節,實現標準化智能化的云服務能力,通過當地政務云的本地化工作模式,解決了流程的標準化與數據的本地化之間的矛盾。

    實現路徑

    • 第一步:正式簽約落地
      雙方簽訂框架協議,地方政府前期0投入;亞信數據啟動進場,進入服務落地準備階段。
    • 第二步:平臺匯聚數據
      基于現有城市平臺或協助建設區域醫療大數據平臺,匯聚本區域內所有醫保稽核相關數據。可根據情況,提供免費的驗證性測試并出具報告。
    • 第三步:全面啟動服務
      雙方簽訂服務補充協議,明確根據成果收取服務費,沒有效果不收費的合作模式;同時亞信啟動多維度、智能化的風控探查引擎進行全面稽核監測,生成分析報告。
    • 第四步:按結果定費用
      結合全面稽核結果,配合監管部門進行違規處置、結果跟蹤,對使用效果進行評估,產生效果后才結算服務費用。

    全國多地醫保風控實踐取得不俗成效

    亞信數據醫保智能風控運營服務已在全國多省市落地實踐,均取得不俗成效,并助推最高人民檢察院全國醫保基金數字檢察工作高效運行。
     
    • 陜西
    • 安徽
    • 海南
    • 山東
    • 江西
    • 四川
    • 浙江
    • ……

    成功案例 - 打擊欺詐騙保全量類別

    在X市打擊欺詐騙保專項治理“回頭看”行動中,亞信數據協助該市對抽取的20家醫療機構當年的涉嫌欺詐醫保基金的行為進行專項治理,發現多家醫院存在九大類涉嫌騙取醫保基金高風險行為。發現各類違規可疑線索涉及金額¥8,292.31萬元,涉及就診數量共計32,826人次
    • 誘導住院¥8,253,300
    • 重疊住院¥6,871,500
    • 頻繁入院¥31,777,500
    • 套餐式檢查¥28,682,500
    • 指征入院¥5,243,600
    • 體檢式入院¥1,296,500
    • 醫療費用雷同¥663,000
    • 結伴入院¥716,600
    • 死亡后就診¥8,700
    • ……

    成功案例 - 項目串換、疊床騙保

    醫保基金支出持續高速增長,各級財政承擔著城鄉居民醫保基金大部分籌資壓力。可持續性面臨巨大挑戰,相關研究表明醫保基金支出中不合理支出占比約35%。
     
    • X基層醫療機構X年度項目串換
      X醫院將實際開展的“血液光量子自體血回輸治療、一次性回輸裝置”項目,串換為“血液稀釋療法、自體血回輸”醫保目錄項目。
      兩項串換合計16,415次
      違規套取醫保基金103.5萬元
    • X醫院眼科疊床騙保
      某醫院眼科經常出現住院人數大于編制床位數的情況,個別時間甚至會發生在院人數超床位數4倍以上的情況,涉嫌疊床住院,累計涉嫌疊床達202床日
    黄色电影网址