[發明專利]基于健康風險的醫療支出費用預測系統

在審

• 申請號: 202011035028.0
• 申請日: 2020-09-27
• 公開（公告）號: CN112132625A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 陳源
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/08;G16H50/30;G06F40/284
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 何江濤

1.一種基于健康風險的醫療支出費用預測系統，其特征在于，所述系統包括：

信息離散模塊，用于獲取用戶的個人屬性信息和預設周期內的疾病信息，并將所述個人屬性信息和所述疾病信息分別進行離散化，得到對應的詞單元；

詞向量生成模塊，用于根據預設獲取時間段內的用戶歷史屬性信息構建得到訓練文本，并根據所述訓練文本訓練得到各詞單元的詞向量；所述詞向量包括個人屬性信息詞向量和疾病信息詞向量；

個人健康風險預測模型構建模塊，用于基于個人屬性信息詞向量和疾病信息詞向量，構建得到個人健康風險預測模型；

醫療費用支出預測模型訓練模塊，用于獲取預設周期內的實際醫療費用和所述個人健康風險預測模型的輸出結果，并根據所述個人健康風險預測模型的輸出結果以及所述預設周期內的實際醫療費用，訓練得到醫療費用支出預測模型；

醫療費用支出預測模塊，用于根據所述醫療費用支出預測模型，輸出得到對應的醫療支出預測費用。

2.根據權利要求1所述的系統，其特征在于，所述詞向量生成模塊，包括：

用戶歷史屬性信息獲取模塊，用于獲取預設獲取時間段內的用戶歷史屬性信息；所述用戶歷史屬性信息可存儲于區塊鏈中；

文本數據生成模塊，用于將所述用戶歷史屬性信息進行離散化，生成對應的文本數據；

訓練文本生成模塊，用于將所述文本數據確定為各所述詞單元的訓練文本；

訓練模塊，用于根據全局詞向量模型對所述訓練文本進行訓練，生成與各所述詞單元對應的詞向量。

3.根據權利要求2所述的系統，其特征在于，所述詞向量生成模塊，還包括：

詞單元遍歷模塊，用于將所述訓練文本作為基準，遍歷根據離散化得到的個人屬性信息詞單元和疾病信息詞單元；

公共關系檢測模塊，用于當檢測到與所述訓練文本存在具有公共性關系的關聯詞單元時，將各所述關聯詞單元確定為關聯詞組；

詞向量訓練模塊，用于基于所述全局詞向量模型，訓練得到所述關聯詞組對應的詞向量。

4.根據權利要求1所述的系統，其特征在于，所述個人健康風險預測模型構建模塊，包括：

個人健康向量生成模塊，用于將所述個人屬性信息詞向量以及預設周期內的疾病信息詞向量進行疊加，得到個人健康詞向量；所述個人健康詞向量用于預測得到該用戶在下一預設周期內的疾病信息；

個人健康風險預測模型生成模塊，用于將所述個人健康詞向量作為輸入，將下一預設周期內用戶的疾病信息作為輸出，對第一原始回歸分析模型進行訓練，構建得到個人健康風險預測模型。

5.根據權利要求1所述的系統，其特征在于，所述醫療費用支出預測模型訓練模塊，包括：

患病概率確定模塊，用于根據所述個人健康風險預測模型的輸出結果，確定用戶在下一預設周期內在每個疾病分組中的患病概率；所述疾病分組根據預設的分組器進行劃分；

醫療費用支出預測模型生成模塊，用于將下一預設周期內用戶在每個疾病分組中的患病概率作為輸入，將下一預設周期內用戶的實際醫療支出費用作為輸出，對第二原始回歸模型進行訓練，訓練得到醫療費用支出預測模型。

6.根據權利要求3所述的系統，其特征在于，所述詞向量生成模塊，還包括：

共同出現次數統計模塊，用于統計所述關聯詞組內各所述關聯詞單元的共同出現次數；

共現矩陣構建模塊，用于根據所述關聯詞單元的共同出現次數，構建得到共現矩陣；

詞向量確定模塊，用于根據所述共現矩陣確定共同出現的各所述關聯詞單元的相近程度，并將所述共現矩陣的行向量或列向量，確定為與各所述關聯詞單元對應的詞向量。