如何利用大数据识别药物滥用者及那些失德的医生

一个法医专家小组正试图阻止处方药向黑市流动。

bigdatapills.jpg

因处方药用量过度而导致的死亡人数正在上升。国家毒品情报中心的一份报告指出,医疗保健系统一年中“转移”作康乐用途的药物费用高达72.5亿美元。然而,账面上却只有数十亿美元是通过国家药房开出的合法处方。那么如何打击这些猖狂的欺诈行为?

北美最大的药房福利管理公司-美国快捷药方公司(Express Scripts),扮演着医院药房和医疗保健计划之间的有趣角色。这意味着,他们每年能收到140亿个处方,每一个处方及相关信息都会纳入他们的数据库。目前,该公司组成了一个100人的团队,试图通过公司拥有的数据发现欺诈行为。

Jo-Ellen Abou Nader是该公司的高级主管,Michael Klein是该公司药房分析和报告部门的总经理,我曾与这两位高管就快捷药方公司如何识别欺诈行为进行过交流。

处方药倒卖者和药贩子都很小心的隐藏自己的踪迹,其中一个药品倒卖者去拜见了19位医生和21位药店抓药。每个医生和药房都会以为他们是在给病人做正确的事情,因为他们并不知道这位病人还会去看别的医生到其他的药店,所以这样的欺诈行为只能在系统级别做监测。任何人看到这个人的寻医记录都会发现有不对的地方,但是Express Scripts有1亿多人的数据,该如何监测呢?

Klein说,他们建立了一个内部??排序算法,并通过历史数据进行调整。排序算法主要依赖三个主要但并非独立的因素:“在一定时间内拿到的处方的数量,访问的独立药店的数量,某些药物的庞大数量。”研究人员最开始会寻找到得高分的人,然后开始收集证据。

但结果证明他们的判断并非总是正确的。近期,他们发现社交媒体,尤其是布告板,是挖掘信息的宝库。他们通过查看医生评论来判断是否有人已经注意到某个医生开处方习惯。曾有一位病人写道,“如果你去找他,这个医生给你开的止痛药足够杀死一只成年的马!”事实也如这位病人所言,这位医生开具的处方中确实有太多的止痛药。

Klein也讲到,他们绝不会仅仅使用社交媒体上帖子证明某一个案例,但从历史看,社交媒体的帖子确实是非常好的突破口。

Nader 和 Klein告诉我的一个最复杂案例是一个医生给30人开了22000粒麻醉药,这些药物折合460万美元。而这位医生也很聪明,他降低了处方的强度,从而给患者开具数量庞大的药物的一些信息不易被识别。

Express Scripts会继续改善他们的工具,公司下一步将要推出的是一个预测模型,该模型会提示他们早点知道哪位医生存在欺诈的高风险性。

在“云计算”、“大数据”变革的今天,医疗云和医疗大数据是公众、政府和企业均高度关注的领域。卫生行政部门希望获得医院的运行状况数据,以便对医院进行有效的监管和考评;医疗 IT开发商希望摆脱恶性竞争,从卖“IT人力”进入到“卖服务”;企业希望通过医疗大数据占领下一波的吸金潮…..其实,作为个人,我们完成可以做自己的医生。随着大数据和云计算的发展,“量化自我”和“个人健康云”逐步完善,每个消费者足不出户便能知道自己的身体状况,一些简单的头疼脑热完全可以根据自己的历史医疗数据判断出该吃什么药,这不仅能减少医生滥用药物的情况,还可以时刻掌握自己的身体状况,预防疾病的产生。