随着新医改的推进,我国社会医疗保险发展迅速,医疗事业信息化水平也在不断提升。然而,随着医保制度改革的进一步深化,参保人数的逐渐增多和信息化的逐步深入,近年来出现了许多医疗报销行为不合理情况。这些行为违反了国家医疗保险相关的法律法规,通过虚构身体状况、隐瞒真实情况等,从国家医保机构、医院、社区诊所、药店等医疗行业机构骗取大量的医保基金,严重危害到了我国医保制度的完善和健全。同时经过多年医疗信息化及各类医疗信息系统的应用,医院以及医保管理部门已经积累了大量的医疗就诊记录和电子数据,涵盖了就诊时间、治疗花费等内容,但现有医疗信息标准的不统一和低效利用难以推动基于医保研判分析的数据共享、数据映射和数据融合。因此,如何在大数据背景下有效开展对医疗保险数据集的研究与分析,挖掘隐藏于其中的异常行为是一个非常有价值的研究问题,对于促进医保数据标准化和结构化,提高医保异常检测效率和挖掘质量,辅助医保研判等具有重要的现实意义与价值。本文依托国家自然科学基金重点项目“大数据驱动的智慧医疗健康管理创新”（编号:71532002）和国家自然科学基金面上项目“医疗健康大数据驱动的临床误诊研判理论与技术”（编号:62173025）,在充分对国内外理论和技术文献综述基础上围绕着医保异常分析的相关方法和大数据挖掘技术进行研究,引入医疗信息标准化、关系提取、机器学习、大数据分析等方法,研究医保数据结构化、大数据辅助医保病案编码、医保异常行为挖掘和医保主动研判方法等内容。研究内容和结果如下:（1）基于Hadoop的医保病案编码实施方法首先分析了ICD-11相对于旧的编码方式所拥有的新特点和优势,阐述了ICD编码在当前医疗大数据中的应用情况以及重要作用,分析了在当前情况下推广和应用ICD-11标准所面临的潜在问题。随后建立了ICD-11实施评估表,通过实施前、实施中以及实施后三阶段,提出了ICD-11实施不同阶段的具体步骤。根据其中保障病案数据上报、旧编码标准的迁移映射以及ICD-11自动编码的实施这三个关键阶段,对此从大数据分析技术角度进行设计,提出了跨区域的ICD-11信息服务架构、基于Map Reduce模型的医保病案编码转换和映射方法以及面向大数据分析的医保病案自动编码方法,解决了ICD-11实施过程中的关键问题,提高了医保病案编码转换与升级的效率与准确率,保证了医疗保险报销的准确率。（2）基于频繁模式的医保聚集异常行为挖掘方法基于新的医保病案编码体系,首先分析了医疗聚集异常行为检测所面临的挑战,针对医疗聚集异常行为的复杂性,给出了相关概念并构建了医疗聚集行为结构化模型和医疗行为矩阵,引入关联规则挖掘方法,将医疗聚集行为挖掘转换为频繁模式挖掘问题。利用大数据分析技术,结合Map Reduce分布式计算模型和医保报销的实际场景,提出一种改进的基于分布式的医疗聚集行为挖掘方法,克服了关联规则挖掘方法在医疗领域应用的不足之处,提升了高维频繁项集数据检测的效率与准确性,通过对真实的门诊报销数据进行分析与验证,实现了对医疗聚集异常行为的有效识别。（3）基于患者信息加权树的医保欺诈标记方法基于多叉树的概念,针对不同患者类型的相似医疗索赔信息,首先构建了患者信息加权多叉树,以患者信息列值视为节点,将根节点和叶节点之间的每条完整路径视为相应患者类型的一个详细信息集,并根据信息集出现的相对频率计算边的权重和阈值,将患者的医疗保险报销信息与包含真实欺诈信息的患者信息列表进行映射来检测欺诈性索赔。通过与传统的映射方法相比,基于患者信息加权树的映射通过提供有效的欺诈标记来减少误报的数量,提高了欺诈检测的效率。（4）基于智能大数据的医保主动研判方法在研究内容（1）（2）（3）的基础上,首先分析了现有大数据理论在医疗健康相关应用中的局限性,聚焦在医疗健康大数据分析领域遇到的复杂问题,提出了智能大数据的定义与概念模型,该模型可以有效利用大数据数据集之间的关系,通过融合医保大数据结构化处理、数据集语义分析、机器学习方法集映射、探索性可视化等关键技术与方法,建立了智能大数据驱动的医保主动研判框架。在Hadoop、Hbase、Spark等大数据组件的支持下,将本文提出的智能大数据分析模型和医疗大数据主动决策框架应用在具有现实意义的医保研判支持场景中,最终能够在医疗健康大数据时代下为我国医疗信息化发展所需要的理论和技术提供借鉴作用。