全民健保實施的目的,在於提昇醫療品質並分散就醫時之財務風險;雖然實施迄今已獲取許多實質上的成效,然這些成就背後卻隱藏某些危機,最主要也最受人矚目的就是健保財務收支問題。除卻醫病行為先天的限制以外,又以詐領健保醫療給付影響財務最鉅。類神經網路等技術已成功應用在工商業界,但是否能應用在醫療費用稽核上,能預判出虛、浮報費用之院所?此為十分令人感到興趣的問題。本研究目的有三: 1.探討健保醫療費用異常虛報的要因,並建構模式以幫助健保局減少不當醫療費用支出。 2.類神經網路、區別分析、邏輯迴歸分析應用在判別出在費用上造假之 院所是否可行? 3.分別針對中醫、西醫、牙醫診所找到較佳的預判模式。 本研究以大台北地區(台北縣/市、宜蘭縣/市、基隆市)、金門縣、連江縣執業之中醫、西醫、牙醫基層診所為研究標的,資料期間從民國八十四年健保開辦起至八十八年一月底止,篩選出異常(有浮、濫、虛報歷史紀錄)與正常(無前述紀錄)的院所,計中醫104家(異常51家、正常53家),西醫174家(異常87家、正常87家),牙醫72家(異常35家、正常37家)共350家基層診所,並訪談健保局稽核人員以過濾出可能違規的指標,最終資料分別輸入倒傳遞式類神經網路、區別分析與邏輯迴歸分析三個模組以找出中醫、西醫、牙醫三者較佳之預判模式;所得結果與建議摘要如下: 1.相關技術應用在判別異常診所上確實可行。 2.中醫與西醫基層診所適用於監督型類神經網路模式、牙醫部份則以邏 輯迴歸分析結果最優。 3.由衛生署或健保局高層官員出面整合相關資源(醫療、醫管、資料庫) 等方面,應可獲得更佳結果。 4.此預判模式可擴充至不同地區別、不同業務別,或針對單一業務建構更 細緻的模式或將其它資料發掘(Data Mining)技術應用到類似領域。