[發明專利]通過數據分析推斷醫療保險違規行為的風控方法

有效

• 申請號: 201810191862.5
• 申請日: 2018-03-08
• 公開（公告）號: CN108492196B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 程吉安
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G16H40/20
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 林彥之

1.一種通過數據分析推斷醫療保險違規行為的風控方法，其特征在于，風控對象的就診目的被劃分為正常目的和異常目的，所述方法包括以下步驟：

步驟1、獲取風控對象的當前及歷史就診行為數據、以及與風控對象相關的個人信息和公共數據；

步驟2、從在步驟1獲取的數據中提取與風控對象的就診行為相關的特征；

步驟3、根據所提取的特征，將風控對象的當前及歷史就診行為中的每次就診行為劃分到相應的就診類別，形成就診類別序列；

步驟4、將在步驟3中形成的就診類別序列作為觀測序列，將就診目的作為隱含狀態，根據隱馬爾可夫模型計算出最可能的隱含狀態序列；所述隱馬爾可夫模型包含觀測概率矩陣和狀態轉移概率矩陣，其中，所述觀測概率矩陣中記錄有每個就診目的下的各個就診類別的概率，所述狀態轉移概率矩陣中記錄有從一個就診目的轉移到另一個就診目的的概率；

步驟5、如果所述最可能的隱含狀態序列中包含的一個或多個隱含狀態對應于異常目的、或者所述最可能的隱含狀態序列的發生概率低于預定閾值，則輸出與所述風控對象的當前及歷史就診行為相關的醫療數據；

如果包含異常目的的全部隱含狀態序列的發生概率之和高于預定閾值，則將所述風控對象識別為風險目標并輸出到后端系統；

和/或，如果所述最可能的隱含狀態序列中包含的所述風控對象的就診目的中的一個或多個對應于異常目的，則將所述風控對象識別為風險目標并輸出到后端系統；

和/或，如果所述最可能的隱含狀態序列中不包含異常目的、但所述最可能的隱含狀態序列的發生概率低于預定閾值，則將所述風控對象識別為風險目標并輸出到后端系統。

2.根據權利要求1所述的通過數據分析推斷醫療保險違規行為的風控方法，其特征在于，在步驟3中，使用K-Means或者RVM分類器，將風控對象的當前及歷史就診行為中的每次就診行為劃分到相應的就診類別，

其中，與風控對象相關的個人數據包括風控對象的醫保結算數據、風控對象的人口學數據，

與風控對象相關的公共數據包括醫療機構相關數據、以及醫保基金稽核數據。

3.根據權利要求1所述的通過數據分析推斷醫療保險違規行為的風控方法，其特征在于，所述正常就診目的包括：體檢、初診、復診、配藥、住院，

觀測概率矩陣和狀態轉移概率矩陣是利用Baum-Welch算法推導出的。

4.根據權利要求1所述的通過數據分析推斷醫療保險違規行為的風控方法，其特征在于，在步驟2中，所述特征包括：

人口學特征，包括風控對象的年齡、性別、職業、文化水平；

地理特征，包括風控對象的籍貫、公司地理位置、醫療機構地理位置、參保區域等；

時間特征，包括風控對象的就診時間、就診間期、參保時間；

醫療特征，包括風控對象的診斷數據、就診科室、醫療消費清單、醫療機構規模、醫療機構等級、醫療機構的既往案底標簽、醫生平均職稱；

費用特征，包括風控對象的單次花費、時間段總花費、費用構成比例。

5.一種用于進行如權利要求1至4中的一個所述的方法的風控系統，包括：

風控對象數據獲取模塊，被配置用于獲取風控對象的當前及歷史就診行為數據、以及與風控對象相關的個人信息和公共數據；

特征提取模塊，被配置用于從所述風控對象數據獲取模塊獲取的數據中提取與風控對象的就診行為相關的特征；

就診分類模塊，被配置用于根據所提取的特征，將風控對象的當前及歷史就診行為中的每次就診行為劃分到相應的就診類別，形成就診類別序列；

就診目的推測模塊，被配置用于將在所述就診類別序列作為觀測序列，將就診目的作為隱含狀態，根據隱馬爾可夫模型計算出最可能的隱含狀態序列；

異常輸出模塊，被配置用于在所述隱含狀態序列中包含的隱含狀態中的一個對應于異常目的的情況下，輸出與所述風控對象的當前及歷史就診行為相關的醫療數據；以及

隱馬爾可夫模型建立模塊，被配置用于利用Baum-Welch算法，基于從醫療機構或公開數據源獲取的大數據，計算出隱馬爾可夫模型對應的觀測概率矩陣和狀態轉移概率矩陣。

6.一種計算機可讀存儲介質，其上存儲有用于執行通過數據分析推斷醫療保險違規行為的風控方法的程序，所述程序被處理器執行時，實現根據權利要求1至4中的一個所述的方法的步驟。