基于大数据技术的公立医院医疗收入智能稽核模型构建.pdf

Contemporary Accounting151Apr.2023实务园地基于大数据技术的公立医院医疗收入智能稽核模型构建吕晓明泉州市第一医院摘 要：在新技术快速发展的过程中，AI技术与大数据技术在会计领域、财务管理领域中的应用更加广泛。对此，分析公立医院医疗收入传统稽核方式存在的不足之处，提出基于大数据技术的智能稽核模型构建策略。关键词：大数据技术；医疗收入；智能稽核ConstructionoftheIntelligentAuditModelforMedicalRevenueInPublicHospitalsBasedonBigDataTechnologyLV Xiao-mingQuanzhou First HospitalAbstract:In the process of rapid development of new technologies,the application of AI technology and big data technology in the field of accounting and financial management has become more extensive.In this regard,this paper analyzes the shortcomings of the traditional audit method for medical revenue in public hospitals,and proposes a strategy for constructing an intelligent audit model based on big data technology.Key words:big data technology;medical revenue;intelligent audit0 引言在日常会计中，收入稽核可以充分预防舞弊、错误、疏忽等现象的出现，规范会计核算，保证信息质量，有效促进国有资本实现保值与增值。现阶段，公立医院内部环境与外部环境越来越复杂，应积极探索智能、高效、灵活的模式，为公立医院建立合理的财务管理系统提供保障，有效推进公立医院管理的精细化，提高管理效率。1 公立医院医疗收入传统稽核方式的不足之处1.1 稽核工作低效，需要投入大量时间与人力某医院住院部、门诊部等部门预交金信息每天达到上万条，应收数据达到上千条，住院结算信息达2 000条，患者信息达5 000条。该医院的医疗收入根据会计核算规范，所有收入项目均记录明细数据，同时向临床科室中的最小核算模块进行归集处理。根据医院管理规定，特定项目应核算具体患者的信息，比如患者预交金（涵盖出院结算退预交金、住院缴纳预交金等），应根据具体患者展开明细 核算。医院通过HIS系统定时向中间库推送预交金、门诊与住院等收入信息，通过HRP收入接口采集收入稽核所需数据。因为HIS系统与HRP系统无法自动储存、下载数据，相关人员需要投入大量时间进入系统完成数据下载，工作量较大，需要投入较多时间才可以完成，并且需要对繁杂、重复、简单的数据进行二次整理，同样需要投入较大人力。1.2 稽核数据来源于不同的系统，数据整合、对比难度大在工作实践中，稽核人员需要核对资金数据层与业务数据层的信息。因为数据来源于网上银行、线上支付平台、HIS系统等，所以存在跨平台、跨流程，以及跨系统交互，各个系统之间的数据格式、明细程度、核算维度等存在差异，要求收入会计、稽核人员分别开展数据下载、匹配等操作。同时，对收入数据的金额、日期等重要信息展开重复对比、整合，此过程冗杂重复，需要投入大量人力，并且还无法充分保证数据质量。若是相关岗位人员休假或是在节假日，则会导致此项工作积压，对收入稽核工2023.4A当代会计152实务园地作的及时性和财务报告编撰的时效性产生影响。2 基于大数据技术的智能稽核模型构建策略2.1 设计思路以AI技术与大数据技术为切入点，根据现阶段医院收入稽核业务的不足之处，进行大数据清洗、智能挖掘等操作，与模型构建相匹配，进而优化稽核功能。模型涵盖匹配模型与清洗模型，清洗模型可以为大数据清洗提供保障，匹配模型可以实现智能匹配操作。2.2 重要修正点公立医院的开放渠道一般涵盖线上收费平台（支付宝、微信公众号等）、自助收费（自动缴费机）、收费窗口。所有渠道都设置线上对账系统，能够得到该渠道中的详细数据信息，然而并未与HIS数据进行直接关联。弥补不同平台因结构不同而导致的操作困难、信息相互独立等不足，是公立医院构建智能稽核模型的重要内容。2.2.1 Q 系统Q系统，即医院针对线上收费平台所属银行建立的支付渠道，该系统可以全面记录缴费窗口中支付宝缴费与微信缴费等记录。该渠道会产生庞大的数据，然而还没有与HIS系统设置接口，没有全面记录患者信息和其他核心信息，所以匹配缺乏有效性，在该部分交易中，流水账稽核工作更加困难。2.2.2 Y 系统Y系统是自助收费渠道的对账系统，该系统功能齐全。Y系统结合HIS系统进行接口设置，所以可以记录患者信息，也可以结合患者信息，查询患者各项历史数据。其实践格式采用12小时制，没有区分上午时间段与下午时间段，所以清洗模型应对时间展开特殊处理。2.2.3 N 系统N系统，即线上收费平台的对账系统。该系统特点与Y系统类似，与HIS系统设置接口，进而实现联通。现阶段该平台数据量少，使用频率低。2.3 建立智能模型2.3.1 大数据 AI 清洗模型因为存在异构数据与数据孤岛问题，所以在进行数据分析前，应对数据进行标准化处理。公立医院具有一定的复杂性，并且数据标准化涵盖定量标准化和定性标准化。定量标准化是计算、选取数字类型的过程。例如，可以直接查询某字段以获得数据来源实际交易数额，然而部分数据来源实际交易数额，一般需要计算不同字段中的差值、和值；定性标准化即整合不同来源信息相同定义的字段。该模块引入机器学习机制和NLU技术，基于大数据技术，不断强化智能标准化。在完成标准化处理之后，对数据进行排序。若数据存在时间顺序，通过基础排序算法能够实现排序操作。然而，部分数据缺乏时间顺序，清洗模型采用矢量化方式处理数据，通过图论算法的弱连通图原理展开排序操作。在最后一步，可以识别、去除无效数据，模型对指定特征进行计算，在所有数据中识别无效数据，如异常数据、重复数据等。在进行判断时，选择KNN算法，借助数据训练确定相邻点（数量为K个），判断测试数据中数据点的有效性，借助机器学习机制，不断提高模型精准度。基于高并发量分析，清洗模型应兼容分布式算法与多线程处理算法。具体见下式：k1=otherwisejifyjyIjyIiNiii，）（）（01100（1）其中，j代表该数据属于有效数据。N0代表测试数据中，与k个数据点最接近的集合；k=1，2，3，主要借助机器学习得到适当数值。2.3.2 匹配模型考虑到不同医院、不同渠道的数据结构具有较大差异，匹配模型结合非监督学习机制，借助聚类分析，支付渠道和HIS数据匹配键进行检测。此步骤引入K-均值算法，进而获得簇内精密度的最低总和值。由于存在异构数据，通过匹配模型对数据进行分离处理后，应采用人工方式展开修正、校验。第一，修正的结果可以输入机器学习，提高匹配的准确度。第二，实现“机器+人工”的集合效果，充分保证稽核结果的精准度。匹配模型中具有较强关联性，在单线程处理中具有良好适用性。具体见下式：W（Ck）=kCCW1)(i,iCkPj 1（XijXij）2（2）其中，i代表簇内数据点数量，W（Ck）代表簇内Contemporary Accounting153Apr.2023实务园地精密度。紧密度综合为：=kkkCW1)(W（Ck）。3 稽核模型的应用效果3.1 测试样本某医院通过HIS系统记录体检、住院与门诊的收入信息，彼此之间相互独立，无交叉数据。因此，HIS系统较重视合并前的清洗与标准化处理。在HIS系统、Q系统、Y系统与N系统中，随机挑选不同自然日信息用于版本数据，选择清洗模型，清洗、合并所有数据，之后选择匹配模型展开智能核查处理，最后采用人工方式展开核验。3.2 测试结果该医院以往选择人工稽核方式或采用HIS对账系统，单日稽核误差在-16%13%范围内，单季差异在-2.5%1.2%范围内。同时，稽核工作需要投入大量时间。选择智能稽核系统对支付渠道信息与HIS系统中的信息进行清洗处理，并借助匹配模型进行处理，匹配数额的差值绝对值在1 000元以内，甚至在100元以内。通过计算发现，差值比例在1/1 000以内。相比于传统人工稽核方式，该方式在效率、精度等方面的优势更加突出，可以快速确定缺失内容与缺失原因，全面体现出AI技术和大数据技术成果。在开展测试工作时，随机选取数据样本，涵盖原始数据、清洗模型处理后的数据，以及匹配模型处理数据（见表1）。表1 测试结果自然日工作日工作日节假日节假日工作日工作日工作日HIS数据原始数据量6 6825 9628 2698 0477 2087 0296 854有效数据量4 5983 8645 7115 3795 0084 7084 677需稽核的数额/元1 169 703.23 1 120 996.71 1 796 889.65 1 413 563.69 1 169 562.32 1 396 712.53 1 573 655.54Y系统原始数据量2 7422 1093 3042 7152 7472 8362 780有效数据量2 6101 9653 1262 5232 5912 6742 624N系统原始数据量22265640634354有效数据量20265640563953Q系统原始数据量1 7561 6592 1652 2391 9661 8951 698有效数据量1 7341 6442 1602 2331 9601 8931 690匹配成功的数额556.21541.41567.47260.32156.56154.6777.25差值556.21541.41567.47260.32156.56154.6777.254 结束语在公立医院信息化发展能力持续提高的过程中，不同系统的基础数据得到了进一步优化，数据逻辑规则越来越清晰，大数据技术开始广泛应用于公立医院的各种财务应用场景，不断提高会计数据质量，促进财务管理工作实现信息化、精细化与流程化。将大数据技术应用于收入稽核工作，可以充分提高稽核的效率与精准性，体现大数据技术成果。参考文献：1 于俊红,李萍,解雨辰,等.基于大数据背景下的公立医院内部审计探索和研究 J.卫生经济研究,2022,39(8):85-88+93.2 邓晓农,周志鹏.DRG/DIP支付方式改革下公立医院面临的挑战及对策 J.海峡科技与产业,2022,35(9):33-36+40.3 曾碧娇,崔砚秋,李悦楷,等.大数据时代下财务会计向管理 会计的转型研究:以公立医院为例 J.中国总会计师,2022(10):64-67.4 冯珍慧,章倩,周敏,等.医院智慧财务信息化建设路径及对策研究:C大型公立医院为例 J.投资与创业,2021,32(19):93-95.5 葛幸元.数字经济背景下基于可视化技术的财务数据分析平台构建与实践:以甘肃省XX医院为例 J.老字号品牌营销,2022(13):85-87.