项目成员：王姝茗、门玉欣、刘彦俪、刘祎凡

指导教师：杨晨

作品简介：本项目基于大数据与人工智能技术，面向医保基金精细化管理、骗保行为精准识别及疾病风险提前预判的需求，采用 “数据处理 - 模型分析 - 可视化交互” 的三层架构（数据层、分析层、应用层），集成医疗保险信息可视化、医保骗保预测及疾病预测功能。通过 Python 生态工具（Pandas、Scikit-learn 等）结合 KNN、XGBoost、Prophet 等模型，实现医保数据的多维度分析与预测，为医保监管、医疗资源调配及健康管理提供高效、智能的决策支持工具。

图1 医保信息的热力图、混淆军阵

图2 骗保预测准确率

项目创新点：

（1）技术创新：本项目构建医保数据智能分析系统，采用多技术协同架构。融合 KNN 模型的简单可解释性与 XGBoost 的高预测精度，分别适配快速初筛与精准分析场景；数据处理环节整合 ETL 工具与分布式存储技术（Hadoop HDFS），实现多源医保数据（结构化费用明细、非结构化病历文本）的清洗、融合与高效存储；交互层面借助 ECharts 搭建交互式可视化界面，支持热力图、折线图等动态展示，并通过参数可调的模型训练模块（如分析精度滑块）优化用户体验，多技术协同提升系统的数据分析深度与操作便捷性。

（2）应用创新：面对传统医保管理中数据孤岛、骗保手段隐蔽及疾病趋势难预判等问题，本项目构建的智能分析系统可实现全流程智能化处理。通过医保信息可视化直观呈现基金收支、就诊频次等关键指标；基于 KNN 模型的骗保预测精准识别异常就医行为；结合时间序列分析与分类模型的疾病预测提前预警发病趋势，适用于医保监管部门风险防控、医疗机构资源调配及参保人群健康干预场景，推动医保管理从被动应对向主动防控转型，为医疗保障体系的智慧化升级提供新路径。

项目视频：