近年来医保基金的收支规模持续增长、保障范围不断扩大,医保基金监管水平和监管内容不平衡的矛盾日益突出,“分解住院”、“挂床住院”、“虚开药品和检查项目”、“大处方”等侵蚀医保基金行为屡屡发生,手法复杂繁多且更加隐蔽。受到审计思维、审计方式、审计人员、审计数据和审计技术等多种因素的限制,传统常规医保审计难以有效满足工作需要,审计工作面临新的挑战。大数据医保审计,在审计理念、审计技术和审计方式上大步革新,能够深入挖掘潜藏在数据中的医保基金管理漏洞,从而促进医保政策落地、深化医保制度改革、强化医保基金管理、更好地保障和改善民生。目前,大数据医保审计仍处于理论研究阶段,各地鲜有完整的应用案例。本文采用文献研究法、定量分析法、以及定量定性结合分析法,融合“审计免疫系统理论”、“DRGs疾病相关诊断理论”和“数据挖掘理论”,基于F市近年贫血性心脏病诊疗数据,尝试构建了K-均值聚类分析大数据审计模型和朴素贝叶斯分类分析大数据审计模型,并利用上述模型对F市贫血性心脏病患者侵蚀医保基金情况进行了分析。在诊疗特征不明的情况下,前者采用特殊算法使数据自动分析特征并划分为若干组,生成F市贫血性心脏病患者侵蚀医保基金的显著特征和量化指标。后者则是结合以往审计结果,分析侵蚀医保基金患者特点,并反推具有这些特点的患者侵蚀医保基金的概率,得到F市贫血性心脏病患者侵蚀医保基金行为特征概率全表。利用特征指标和概率全表,F市审计人员可从待审计的海量诊疗数据中快速筛选那些特征显著、概率较高的患者就诊记录列入审计疑点进行重点核实。大数据医保审计扩展了审计思路,丰富了审计方法,提升了审计质量。此外,本文还从审计理念、审计制度、审计方式、人才培养等方面进一步研究了F市大数据医保审计的保障措施,提出了转变审计理念、建立大数据审计制度、加强人才培养、创建应用大数据分析平台、以数据先行的审计方式开展大数据审计项目,为F市医保审计提供了新的思路和解决方案。