数据驱动的检察官：司法部的分析革命如何重塑欺诈执法
2026年5月18日，加利福尼亚中区的一家陪审团裁定维奥莱塔·迈利亚恩博士策划 了一起通过虚假肉毒杆菌注射索赔骗取联邦医疗保险（Medicare）4500万美元的骗局。虽然这起欺诈案本身已够大胆，但真正使本案成为风向标的是政府是如何将其绳之以法的。
美国司法部（DOJ）医疗保健欺诈科的数据分析团队在分析发现梅利亚恩（Mailyan）因肉毒杆菌注射获得的联邦医疗保险（Medicare）报销金额高于全美任何其他医生后，对其进行了重点关注。 庭审中，检方通过一份同行比较证据将这一观点阐述得淋漓尽致——图表显示，梅利扬是统计学上的极端异常值，四年来收入超过2400万美元，是排名第二的医疗服务提供者群体的六倍。这一视觉呈现令人震撼、直观且具有毁灭性。它将复杂的欺诈计划简化为一个无可辩驳的数据点：这位医生与众不同：
迈利亚案并非孤立的成功案例。它最能体现联邦政府在侦查和起诉医疗保健欺诈方面所发生的一场根本性转变——即从被动调查转向主动、基于数据的欺诈行为识别。
数据分析团队的崛起
司法部医疗保健欺诈科的数据分析小组的成立，旨在增强该科侦查、调查和起诉复杂医疗保健欺诈案的能力。自成立以来，该小组在能力与目标上均取得了长足进步。 根据司法部《2025年度回顾》报告，仅在2025年，数据分析小组就完成了2,085项数据请求和164项主动数据转介——这些转介为起诉决策、重大案件的解决以及资产扣押提供了有力支持。[1]
“主动转介”是其中的关键概念。传统的医疗欺诈执法长期以来一直遵循“先付后追”的模式——政府先支付理赔款，收到举报或投诉后进行事后调查，然后试图追回往往早已挥霍一空的资金。 主动数据转介机制旨在颠覆这一模式。数据分析团队会在投诉提交之前，甚至在款项尚未支付之前，就从理赔数据中识别出统计异常、账单离群值以及可疑模式。
迈利亚案就是典型的例子。没有人提交举报投诉，也没有不满的员工拨打举报热线。是数据本身拉响了警报。
这对医疗服务提供者意味着什么
这对医疗服务提供者而言具有重大实际影响。美国司法部（DOJ）不再主要依赖举报人、患者投诉或传统调查线索来启动案件。政府正在积极挖掘联邦医疗保险（Medicare）和医疗补助计划（Medicaid）的索赔数据以识别异常情况——而且这一工作正在持续进行。
梅利亚案中的证据——一张显示被告数据与同龄人相比偏离多个标准差的同龄人比较图——预示了陪审团在未来的案件中将看到的内容。该图简单、直观且极具说服力。如果某位医疗服务提供者的数据出现显著的统计异常，人们会立即推断其中存在问题，而解释这些数据的责任将完全落在辩方身上。
出于合规考虑，服务提供商应始终假设其计费数据正被分析，并与同行数据进行对比。内部合规计划应采用与政府相同的分析方法——包括同行对比、异常值检测和趋势分析——以便在政府介入之前识别并解决潜在问题。正如美国司法部（DOJ）的执法记录所表明的，率先发现异常情况要好得多。
结论
迈利亚恩医生被定罪之所以具有里程碑意义，并非因为欺诈行为本身，而是因为它预示了未来医疗欺诈执法的发展方向。政府侦破此案并非依靠线报，也非通过举报人，而是借助数据。在庭审中，政府证明此案的主要依据并非合作证人或书面证据，而是一张图表——该图表显示，被告的账单数据与常规水平相差甚远，以至于任何合法的医疗行为都无法对此作出合理解释。
随着美国司法部（DOJ）持续加强其数据分析团队及人工智能驱动的检测能力建设，医疗服务提供者应意识到，“先付后追”的时代正逐渐让位于“先查后防”的时代。 Mailyan案中的同行比较图表，或许将成为近期医疗欺诈执法行动中最具深远影响的庭审证据之一——其意义不在于揭示某位医生的具体情况，而在于预示了政府未来如何发现并起诉下一个涉案者。
