如何挖掘和利用医保大数据价值？

党中央、国务院高度重视大数据在推进经济社会发展中的地位和作用。《促进大数据发展行动纲要》要求，推动大数据与云计算、物联网、移动互联网等新一代信息技术融合发展，探索大数据与传统产业协同发展的新业态、新模式。《大数据产业发展规划(2016-2020年)》强调，推动数据开放与共享、加强技术产品研发、深化应用创新。2022年6月22日，中央全面深化改革委员会第二十六次会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》。习近平总书记就加快构建数据基础制度体系进一步提出明确要求。会议强调，数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。2021年9月29日国务院发布《“十四五”全民医疗保障规划》，把建设智慧医保作为“五项建设”目标之一，提出加强医保信息化、标准化建设，推进大数据应用，实现更加精细化的管理和更加优质的服务。2022年5月10日，国家医保局施子海副局长在医保信息化标准化建设培训班上进一步强调，要依法依规有序开展数据共享及应用，深度挖掘数据价值，为打击欺诈骗保、药品和耗材招采、待遇政策制定和调整等提供数据支撑，发挥大数据对医保业务工作的支撑和引领作用。

2022年3月底，国家医保信息平台在全国31个省份和新疆生产建设兵团全部落地应用，这标志着“标准全国统一、数据两级集中”的全国统一的医疗保障信息系统主体建设任务已经完成，实现了国家、省、市、县四级医保信息互联互通、数据有序共享，为医保改革发展提供了有力支撑。但由于医保数据有着覆盖范围广、迭代速度快的特点，随着全量数据的不断集中，数据底层归集不全、数据治理能力差、数据统计响应慢、数据跨部门协同弱等问题不断显现，难以满足医保部门和参保群众快速及时获取准确数据服务的需求。主要表现在“缺、差、慢、弱”四个方面：一是数据治理“缺”。缺少体系化持续治理数据能力和多维度数据支撑；二是数据质量“差”。缺乏“一体化”数据质控体系、溯源体系、评价体系，数据多源、异构，质量参差不齐；三是数据响应“慢”。分析报表、政策仿真、精准决策等需求响应慢，数据协同不及时；四是数据创新“弱”。缺少从目标到任务到分析场景的全链路梳理，缺少成体系洞察服务、监管与数据分析成果的创新结合点。这些问题折射到实际工作中，表现为国家医保信息平台数据质控反馈各地“脏数据”量居高不下，省级平台建设的宏观决策大数据分析系统取数难、模型少、可用性差，基金监管大数据筛查智能化水平低等等。同时，医保部门大数据、云计算等前沿科技知识普及不够、认识不深，信息专业技术人才匮乏，医保业务与信息技术融合度不高、应用能力不足等问题也是制约医保大数据价值挖掘和利用不可忽视的原因之一。

实现医保大数据价值深度挖掘和有效利用，要满足“算力、数据和算法”三个基础条件。一是需要具备基于海量数据的强大计算能力；二是需要拥有全量可用的汇聚数据；三是需要具有明确问题导向的模型与算法。三者缺一不可。满足上述条件，可以从“强化两大平台支撑，把好五个关键环节”入手。

强化两大平台支撑。一个是支撑海量异构医保大数据存储与计算的大数据平台；另一个是支撑医保大数据标准化治理、可视化操作、便捷化使用的数据资产管理平台。

把好五个关键环节。一是准确定位问题、分析问题、总结问题。明确在数据分析工作中具体需要解决的问题，对问题进行准确提炼和总结；二是制定战略地图。在确定问题的基础上，更近一步理解发生问题的业务本质，对逻辑关系进行提取和抽象，如医保业务可描述为征缴（筹资）、待遇（定价）、结算（支付）三大核心业务逻辑，并可继续向下分解，如征缴可分解为个人、单位、险种、比例等要素，待遇可分解为目录、起付标准、补偿比例等要素，以此类推，最终能够获得一张描述核心业务活动及相关逻辑关系的地图；三是合理设计分析指标。把分析问题基于战略地图进行进一步细化分解，将每一个核心业务活动定位到发生问题的根本矛盾点，以不同问题维度组合，有针对性的设计具体计算指标集合；四是进行数据符合性与可用性探查。利用数据对指标集进行计算填充，把抽象问题带入现实并初步获得数据探查结论，实现对结论准确性概率的预判；五是设计分析路径。通过对指标的计算分析建立数据模型，汇总得到最终的大数据分析路径。这一递进的过程，需要把“懂业务的人”“懂数据的人”和“懂分析的人”汇集在一起，有机结合、协同进行。

随着智慧医保建设的不断推进，医保部门让数据说话、用数据监管、凭数据决策、以数据创新的能力将不断展现。

例如，医保管理者基于“医保数字大脑”能力，综合“高频就医”、“伴随团伙”、“虚假就医”等算法模型，将医保专家经验与算法模型智能化融合，并以标准化的业务数据开展医保基金监管场景模拟，可视化地调整数据结构并优化算法模型，提升模型准确率，助力医保基金精准监管。

例如，利用基于医保大数据的标签画像能力，对异地就医患者就医行为及偏好进行智能画像，并结合患者转外的就诊数据，对异地就医患者开展循因分析，为医保对转外就医人员的分析提供支持，为医院提升医疗服务质量及开展学科建设提供依据。

又如，医保政策模拟与仿真决策，集成系统动力学、机器学习、多智能体分析模型等研究方法，综合定制医保业务场景下的智能模型。从人口、经济、疾病谱以及自然环境因素切入，以微观为出发点，推导宏观影响，实现对医保业务数据的探查与模拟，提供基金运行情况监测和医保政策仿真评估的创新应用。

再如，对医保目录药品、医用耗材等开展价格测算及目录调整，并将调整结果代入历史就医数据中进行验证，通过对未来数据的推演预测，模拟目录及价格变化对医保基金支出及参保人待遇享受的影响，从而为政策调整效果验证提供支持。