背景  

        据国家医保局曝光台发布，湖南省长沙市望城坡春望医院欺诈骗保案，经长沙市公安局联合医保局调查，发现长沙市望城坡春望医院副院长李某某、院长兼法人刘某某等人存在在药品、化验检查、中药封包治疗等方面骗取医保基金共计人民币4253947.38元的事实。经法院审理判决刘某某有期徒刑10年，并处罚金人民币10万元；处李某某有期徒刑3年，缓刑5年，并处罚金人民币7万元。

       这个案件不是个例，按发达国家的测算，医保欺诈的损失率在4%-10%左右。我国医保欺诈的实际损失率很可能高于发达国家。2020年追回医保基金223.1亿元，占全年医保支出的1.06%，可看到其应该还有很大的监管空间。医保基金的损失不但给医保基金收支平衡造成了很大压力，也不利于提高参保人的医保待遇水平。       

痛点

     《国务院办公厅关于推进医疗保障基金监管制度体系改革》中要求全面建立智能监控制度，并建立和完善医保智能监控系统，加强大数据应用。加强对定点医疗机构临床诊疗行为的引导和审核，强化事前、事中监管。

       由于编制限制、经费有限，医保部门长期以来一直缺乏专业化的反欺诈工作队伍，缺乏侦查取证的能力。寄此希望通过监管系统提高监管能力，但当前系统受限于技术能力，不能满足地域性差异化特点，比如某省希望能对6岁儿童在不同等级的医院的医疗费用进行监管就无法获得当前系统支持。

       由于系统架构设计问题，无法在合理资源配置下支持高并发处理能力，无法对医疗过程中进行监管和预警，导致只能事后处理。

       整体架构如下：

        当前风控系统将规则采用硬编码写入业务逻辑中，根据客户要对时间范围进行筛选数据，然后提交批量任务到大数据集群。风控业务提交到大数据集群后，对时间范围内的数据进行分布式进行处理，每条数据进行风控规则判断，将异常数据输出到指定目录。

设计

        FusionInsight RTD实时决策引擎主要提供多租户多维度的交易伪冒侦测和风险管理功能。主要与数据接入系统、离线计算系统、主机、业务管理系统、坐席客户端系统产生联系以进行伪冒侦测和风险管理。离线计算系统会定期将批次变量导入到实时决策平台。各渠道交易数据经过数据接入系统整合后，进入实时决策平台进行伪冒侦测，侦测结果将产生伪冒告警通知坐席客户端，坐席客户端侦测专员处理告警，通过实时决策平台调研主机接口对风险的人/片/商户等进行管制或解管制。业务管理员通过业务管理系统对变量和规则等进行配置。

        整体架构如下：

        架构具有以下特点：

• 提供RESTful API，基于面向服务的架构。
• 平台所有业务处理组件均为分布式架构，可水平扩展。
• 基于内存查询，增量计算，管道模型，快速处理事件流。
• 遵循大数据lambda架构，实时数据（15天以内）快速查询，历史数据（15天以上）批次处理，通过规则汇总计算结果进行实时决策，可支撑海量数据的实时处理。

        实时决策引擎的软件组成部分主要包含：

• 实时决策 Service：提供实时决策平台的业务安装、布署、运行及业务逻辑的编排能力，是整个实时决策平台的核心组件。采用主备模式布署，保证可用性。
• 实时决策 Executor：负责平台的业务处理。
• 实时决策DB：提供了快速大吞吐量的访问能力，并通过存储过程为业务提供了业务逻辑在数据库层快速处理的能力，采用集群方式部署。
• Containers：提供业务处理容器，是实时决策 BLU的承担体，负责运行实时决策的事件处理业务逻辑，从Kafka接收事件消息，处理业务链辑，访问实时决策DB数据库。Container为实时决策 BLU提供了水平扩展、自动部署、资源隔离的能力。
• Kafka：消息队列，事件入口和消息出口，为实时决策平台接入多种数据源。
• DBService组件：为实时决策Service组件提供实时决策系统和业务元数据存储，保证这些数据不丢失，并能快速的访问。
• FusionInsight Manager：作为运维系统，提供高可靠、安全、容错、易用的集群管理能力，支持BLU的安装部署、集群监控、告警、用户管理、权限管理、审计、服务治理、健康检查、问题定位、升级和补丁等。

        针对医保风控，通过实时决策Service定义医保风控规则，保存至实时决策DB中。发布实时决策BLU，通过实时决策Executor进行规则处理。医保事件实时加入到消息队列Kafka中，实时决策BLU从Kafka中获取事件，根据事件定义的各种变量通过实时决策DB的存储过程进行分析，最终给出评分。最后将评分结果发送给消息队列供业务系统消费使用。

        从医保事件发生到规则处理，结果发送可以达到毫秒级处理时延，从而能够事前拦截医保欺诈。

实现

         采用FusionInsight RTD实时决策系统后，可以对医保相关事件进行实时决策，将医保智能监控系统从事后分析转为事前分析。

        比如某省希望能对6岁儿童在不同等级的医院的医疗费用进行监管。具体规则如下：

       根据规则定义输入和输出结果内容。

      6岁儿童药品价格审核信息如下：

       在FusionInsight RTD中定义表结构和实时变量，同时对药品价格审核逻辑进行实时变量定义。

        整体数据流转变为实时处理，实时决策。

效果

环境搭建

       通过FusionInsight Manager安装MRS集群，其中部署Kafka、RTD、MOTService、Container服务。

规则创建

• 通过FusionInsight Manager创建用户

• 在RTD Service中创建租户

• 关联用户与租户

• 建表

• 创建维度

• 创建事件源

• 创建实时变量

实时决策

总结

        华为云FusionInsight MRS云原生数据湖为政企客户提供湖仓一体、云原生的数据湖解决方案，构建一个架构可持续演进的离线、实时、逻辑三种数据湖，支撑政企客户全量数据的实时分析、离线分析、交互查询、实时检索、实时决策、多模分析、数据仓库、数据接入和治理等大数据应用场景。     

        通过引入FusionInsight RTD实时决策系统，实现医保费用事前预防、事中控制、事后审核的全流程管理。从而将医保监管系统建设成既符合医保智能监管平台需求且具备未来信息化标准拓展能力，同时又能满足国家对智能监控的各项要求，最终实现先进的医保智能监管体系。