[發明專利]一種建立醫保住院費用預測模型的方法及系統

在審

• 申請號: 201711471828.5
• 申請日: 2017-12-29
• 公開（公告）號: CN108197737A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 王新軍;洪曉光;劉征征;閆中敏;王敏蝦
• 申請（專利權）人: 山大地緯軟件股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q40/08
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 許振強;杜正國

本發明公開了一種建立醫保住院費用預測模型的方法及系統，通過預測模型持續優化過程，定期采集社保數據的增量數據，并保存至訓練數據庫中；根據增量數據檢驗前一版預測模型的模型預測效果，將得到的模型預測結果與真實值進行對比，根據對比值差距大小判定是否重新觸發并啟動模型訓練任務，通過機器學習算法優化訓練更新后樣本數據，以構建效果更佳的預測模型并存儲。基于源源不斷的新增數據，追蹤預測效果，持續優化，實現最優的模型構建體系。

技術領域

本發明涉及大數據處理技術領域，具體涉及一種建立醫保住院費用預測模型的方法及系統。

背景技術

近年來，各種疾病發生率一直攀高，隨之而來的就醫費用成為人們一大沉重負擔，受到了極大的關注，尤其是病況嚴重需要住院時，昂貴的就醫費用有時可能成為積極治療的巨大阻力。如果患者能夠提前對后期治療花銷、自己所需承擔費用、醫保可報銷費用等有一個了解，一方面可以對比多家醫院作出最佳選擇，另一方面能夠心里有數，提前做好資金準備。平常生活中，人們往往會根據歷史經驗做出一個預判，尋找與自己情況相似，疾病相同、年齡相近的案例作為參考進行估算，不難發現，歷史數據正是預測未來的重要依據。

醫保醫療信息化快速發展的背景下，醫保結算數據也在快速增長，目前已積累了較大規模的數據資源，與此同時，大數據、人工智能、互聯網等信息技術快速發展，珍貴的數據資源與先進的技術為實現醫保住院費用預測這一現實需求提供了雙重保障。

然而國內醫保工作開展較晚，目前鮮有針對醫保住院費用預測模型方面的研究，未能將社保數據有效利用起來，未能通過分析整合形成建模數據，以及未能快速構建預測模型并且持續優化。現有醫療大數據分析方法，如中國專利號CN105117587A公開一種醫保領域中基于醫療大數據的智能分析方法，通過對醫院原始醫療數據抽取與清洗，然后再醫院醫療業務的框架下建立不同的數據集市，以對醫院的數據進行細粒度分析，并能夠各家醫院的差異做出相應的調整，以滿足各個醫院的不同需求，再由各個數據集市建立起數據倉庫，最后利用多維分析語言進行數據的查詢，并將數據可視化。即上述醫療數據的智能分析方法為靜態數據分析，主要用于對醫院醫保業務數據進行細粒度的分類和劃分。靜態數據統計分析方法，無法適用及融合不斷更新的醫療醫保大數據，無法充分挖掘醫保大數據中存在的規律，導致分析模型不完善，分析結果不精確。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種建立醫保住院費用預測模型的方法及系統，通過新增數據對預測模型進行持續優化，以提高對醫保住院費用預測的可靠性和精確性。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種建立醫保住院費用預測模型的方法，包括預測模型初始構建過程和預測模型持續優化過程,所述預測模型持續優化過程包括：

采集增量數據：定期采集社保數據的增量數據，并保存至訓練數據庫中；

優化訓練模型：根據增量數據檢驗預前一版預測模型的模型預測效果，將得到的模型預測結果與真實值進行對比，根據對比值差距大小判定是否重新觸發并啟動模型訓練任務，通過機器學習算法優化訓練更新后樣本數據，以構建效果更佳的預測模型并存儲。

優選的，所述預測模型初始構建過程包括：

采集初始數據：抽取社保數據的初始數據，形成初始訓練樣本，并保存至訓練數據庫中；

訓練模型：根據模型訓練定義，調取訓練數據庫中初始訓練樣本，啟動并執行模型訓練任務，通過機器學習算法訓練初始樣本以初次構建預測模型并存儲。

本發明同時公開一種建立醫保住院費用預測模型的系統，所述系統包括：

數據采集模塊102，用于完成從社保數據到訓練數據的初始數據采集和增量數據采集；