[开源] 医保基金流向追踪图：面向医保办自查与汇报的可视化分析系统

本项目是一个专为医保基金管理设计的可视化分析工具，将原始医保结算数据自动构建成有向资金流向图，以科室、医生、药品、诊疗项目为节点，以实际结算路径为边，直观呈现资金在医疗服务体系内的真实流动轨迹。我们不做抽象指标堆砌，而是把每一分医保基金的去向落到具体服务单元上；异常节点（如出度突增、资金断点、闭环流动、孤岛科室）自动高亮并支持下钻核查；最终交付一个开箱即用的 HTML 交互式大盘，既可本地运行供医保办日常筛查，也适合作为向分管领导汇报资金使用合规性的核心材料。系统提供 Python + Node.js 双 CLI 入口，覆盖模拟数据生成、图构建、异常检测、服务启动全流程；技术栈明确分层：Python 负责数据建模与规则计算，Node.js/TypeScript 承载 D3.js 可视化与命令行交互，所有能力均通过结构化输出（JSON 报告 + CSV 明细）留痕可溯。

定位与能力范围

我们聚焦医保基金监管中最基础也最易被忽视的一环：资金是否按真实服务链条流动。不是看总额超支，而是看钱有没有“走对路”，比如某药品大量结算却未关联到对应科室或医生，或某科室收治量低但资金流入极高，或多个节点形成无临床意义的资金小闭环。这类问题无法靠 Excel 汇总发现，必须还原为图结构才能识别。因此，本项目不替代 DRG/DIP 分组或智能审核系统，而是补上“资金流拓扑校验”这一层：它不判断单次结算是否合理，但能指出“这一批结算在整体网络中是否自洽”。适用对象非常明确：一线医保办工作人员（需快速自查）、医保科负责人（需向上汇报逻辑链）、以及参与医保飞行检查的数据支持人员（需定位可疑节点）。边界也很清晰：输入是标准医保结算明细表（含患者、科室、医生、药品、项目、金额等字段），输出是可交互图谱+结构化异常报告，不接入医院HIS实时库，不处理影像或文书类非结构化数据。

核心功能模块

系统能力由五个协同模块构成，各司其职且职责分明：

使用与配置流程

从零开始跑通整套流程，只需四步命令，无需修改代码：

# 1. 安装 Python 依赖（数据处理与检测） pip install -r requirements.txt # 2. 安装 Node.js 依赖（可视化与 CLI） npm install

# 3. 生成符合真实分布的演示数据（1000条） npm run generate

# 4. 执行分析并启动本地服务 npm run analyze npm run serve

打开浏览器访问http://localhost:8080即可见交互图谱。若需定制分析，Python CLI 提供更细粒度控制：

# 按科室筛选分析（仅处理“内科”相关结算） python src/main.py --data-path data/demo_data.csv --department 内科 --output-dir output/ # 调整异常检测敏感度（阈值从默认2.5改为3.0） python src/main.py --data-path data/demo_data.csv --output-dir output/ --outlier-threshold 3.0

所有输出文件均落于output/目录：anomaly_report_*.json包含异常类型、节点名、触发原因；anomaly_details_*.csv列出每条异常边的原始结算记录ID、金额、时间戳，方便回溯原始单据。

工程结构与技术选型

我们坚持“Python 做事，Node.js 呈现”的分工原则。Python 层专注数据可信性：结算记录清洗、图结构构建、异常规则计算，这些逻辑必须可复现、可审计、可嵌入现有医保数据平台；Node.js 层专注体验：D3.js 图形渲染、CLI 命令解析、静态资源服务，保证前端交互流畅，且不依赖 Python 运行时。这种分离让系统既能作为独立工具运行，也易于解耦集成：比如将FundFlowBuilder导出为 Python 包供其他医保分析系统调用，或将anomaly_report.json直接推送到单位内网BI平台。

项目目录严格按职责划分： -src/：Python 核心逻辑，含models/（数据定义）、graph_builder.py（建图）、anomaly_detector.py（检测）、main.py（CLI 入口） -templates/：HTML 与 JavaScript 模板，D3 渲染逻辑在此集中维护 -data/：输入数据目录（支持 CSV） -output/：所有分析结果输出位置（JSON + CSV） -docs/：项目文档（含异常类型说明、字段映射规则）

数据与扩展性设计

输入数据只需满足基础字段即可启动：patient_id,department,doctor,drug_name,treatment_item,amount,settlement_date。我们不强制要求字段名完全匹配，而是在graph_builder.py中预留映射配置，例如将医院HIS导出的dept_name字段映射到department，或把medication映射为drug_name。这种设计使系统能快速适配不同区域医保平台的导出格式。未来扩展方向明确：
-新增节点类型：如增加“检验科室”“耗材品牌”节点，只需在FundNode子类中定义新类型，并在FundFlowBuilder中补充映射规则；
-增强异常规则：如加入“同一患者7日内跨科室高频结算”规则，可直接在AnomalyDetector中新增检测方法，不影响可视化层；
-输出对接：anomaly_details_*.csv的字段设计已预留original_system_id（原始系统单据号）列，便于与医院结算系统做 ID 对接。

限制与说明

本系统有明确的能力边界，我们不掩盖也不夸大：
-不替代专业审核：检测出的breakpoint（断点）节点需人工判断是数据缺失还是真实违规，系统只负责标记“此处逻辑断裂”；
-不处理时间序列深度分析：不预测未来流向，不建模月度趋势，所有分析基于单批次结算数据快照；
-图布局为示意性：D3 力导向图的物理位置无业务含义，仅用于视觉分组，判断依据始终是节点度数、金额、连接关系等结构化指标；
-模拟数据生成逻辑公开：npm run generate产生的数据遵循真实医保分布规律（如门诊药品占比、科室结算集中度），但数值为模拟，不可用于正式审计。

异常类型判定规则已在项目文档中逐条说明，例如circular_flow（资金闭环）定义为：存在至少3个节点 A→B→C→A 的有向路径，且每条边金额均大于阈值，这排除了因数据噪声导致的两节点互指误报。

项目地址：
https://github.com/nexorin9/medical-insurance-trail-map