데이터마이닝을 이용한 건강보험 상해요인 조사 대상 선정 모형 개발 -건강보험 지역가입자 상해상병 진료건을 중심으로-

Development of the Fraud Detection Model for Injury in National Health Insurance using Data Mining -Focusing on Injury Claims of Self-employed Insured of National Health Insurance

상해상병으로 청구되는 건수가 증가함에 따라 조사 대상을 보다 정교하게 선정하여 상해요인 조사 대상을 줄이면서 환수율 및 환수금액을 올릴 수 있는 방안을 마련할 필요가 있다. 이를 위해서 2006~2011년까지의 상해요인 조사자료를 수집하여 의사결정나무 모형을 활용하여 지역가입자 상해상병 진료건에 대한 부당환수 조사대상 선정모형을 개발하였다. 최종 개발된 모형결과에 따르면, 조사대상 유형은 18개로 분류되었고, 이러한 분류결과는 실제 조사가 시행될 시, 모형을 적용하지 않았을 때 보다 최고 12.8배 높은 부당환수결정율을 나타낼 수 있을 것으로 분석되었다. 또한, 본 연구에서 개발된 조사 대상자 선정 모형을 실제 업무에 적용하기 위해서는 조사물량 대비 국민건강보험공단의 조사인력 및 운영 계획을 보다 면밀히 검토해야만 모형 적용의 효과성이 극대화 될 수 있을 것으로 판단된다.

According to increasing number of injury claims, the challenge is reducing investigation of cases of injuries by selecting them more delicately, while also increasing the redemption rates and the amount of restitution. In this regards, we developed the fraud detection model for injury claims of self-employed insured by using decision tree after collecting medical claim data from 2006 to 2011 of the National Health Insurance in Korea. As a result of this model, subject types were classified into 18 types. If applying these types to the actual survey compared with if not applying, the redumption collecting rate will be increasing by 12.8%. Also, the effectiveness of this model will be maximize when the number of claims handlers considering their survey volume and management plans are examined thoroughly.