目前医疗保险稽核系统的功能仍以简单的查询、统计分析、多维钻取等为主,系统对医疗保险监管工作的支持非常有限。随着参保人数不断增加、违规行为呈多样化、隐蔽化等趋势,以人工抽查稽核方式为主导的医疗保险监管工作效果不佳,不能及时有效地发现医疗保险中存在的重复用药、重复就诊、超量配药等违规问题。医疗服务行为监管工作直接关系到各参保人的切身利益和医保基金的安全,影响医疗保险制度能否可持续健康发展。有效提升当前医疗保险稽核系统信息化水平,为医疗保险监管工作提供决策支持是解决当前由医疗保险监管方式不当而导致的医保基金流失的重要途径。本文梳理了数据挖掘技术的相关理论、重要算法并分析研究了数据挖掘技术在医疗领域的应用,提出将数据挖掘技术引入到智能医疗保险稽核系统中。利用数据挖掘技术对医保数据进行深入的分析、挖掘与建模,提炼有价值的知识并将其应在医疗保险监管流程中,以实现医疗保险就诊信息的全覆盖、实时、自动稽查,为医疗保险监管工作提供有力的信息化手段。本论文研究的主要内容如下:首先,对数据挖掘技术中的流程、任务、挖掘工具进行梳理,并对其中的BP神经网络算法、关联规则算法、属性约简算法等进行重点研究。在分析数据挖掘技术在医疗保险稽查系统中的适用性的基础上,提出基于BP神经网络和关联规则的智能医疗保险稽核系统体系结构,包括数据获取层、数据预处理层、数据挖掘引擎层、服务与管理层。然后,设计智能医疗保险稽核系统的支撑库:知识库、规则库和模型库。在知识库设计中重点介绍药品相互作用知识和常用药知识的构建过程,其中药品相互作用知识构建过程中包括利用分词系统对药品说明书语料进行术语、成分、作用规则提取等环节,常用药知识构建则是利用了关联规则算法、属性约简算法对参保人的历史就诊处方信息进行分析,以发现不同疾病的常用药模式。规则库涵盖了支付政策性审核规则、诊疗合理性审核规则、临床规范性审核规则、医疗行为异常监控规则等。规则引擎是规则的具体实现,将就诊信息转换成模型可处理的数据结构。在模型设计中,对系统BP神经网络模型的结构包括输入层、隐层、输出层等的节点个数以及模型的构建过程进行详细描述。最后,将数据挖掘工具WEKA集成到Myeclipse10开发环境中,利用研究所得的理论、方法和技术实现了基于BP神经网络和关联规则的智能医疗保险稽核系统的开发,该系统主要功能涵盖知识库管理、模型库管理、监测模型应用等模块,以实例展示智能医疗保险稽核系统在医疗保险监管工作中的应用。