摘要
本发明公开了一种基于大数据分析的医保费用预测与优化方法，属于医疗数据处理技术领域。该方法包括：构建多源数据采集模块，利用FHIR接口和区块链整合HIS系统、医保平台及可穿戴设备数据；采用BERT‑BiLSTM‑CRF模型融合多模态数据，建立包含Transformer异常检测和LSTM‑ARIMA时序预测的动态模型组，预测误差率降至12％(较传统方法降低28％)；设计多目标优化系统，基于改进NSGA‑II算法平衡医疗质量与费用控制，使单病种费用降低18％‑25％且质量达标率超95％；部署混合云与同态加密模块，数据泄露风险降90％；构建政策沙箱系统，支持医保政策模拟推演，响应时间缩至72小时。本发明解决了数据孤岛、预测精度低及隐私风险问题，实现医保费用全流程智能管控。
