[發明專利]一種融合并發癥風險的慢病醫保費用預測方法及相關設備

有效

• 申請號: 202011206105.4
• 申請日: 2020-11-02
• 公開（公告）號: CN112037918B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 徐嘯;徐銜;孫瑜堯;李響;謝國彤
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H10/60;G16H40/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種融合并發癥風險的慢病醫保費用預測設備，其特征在于，所述設備包括：存儲器和處理器；

所述存儲器，用于存儲程序指令；

所述處理器，用于調用所述程序指令，當所述程序指令被執行時，用于執行以下操作：

獲取慢病人群數據集，所述慢病人群數據集包括多個慢病患者的歷史就診數據、歷史醫保費用結局數據和歷史并發癥結局數據，所述歷史就診數據包括歷史慢病數據和歷史并發癥數據，其中，所述歷史慢病數據是用于指示慢病的診斷數據，所述歷史并發癥數據是用于指示并發癥的診斷數據；

根據所述慢病人群數據集中每個慢病患者的歷史就診數據中的所述歷史慢病數據和所述歷史并發癥數據，確定所述慢病人群數據集中每個慢病患者的不同并發癥之間的共現頻次；

根據所述每個慢病患者的不同并發癥之間的共現頻次，確定與所述歷史并發癥數據的醫學知識圖譜對應的圖網絡結構，并確定所述圖網絡結構中每個節點的表征向量，其中，所述圖網絡結構由多個節點和邊組成，每個節點是一種并發癥，每條邊是指兩個并發癥之間相關聯；

將所述慢病人群數據集中每個慢病患者的歷史慢病數據以及在圖網絡結構中每個節點的表征向量輸入多層感知機模型，得到所述慢病人群數據集中每個慢病患者患各并發癥的概率，并根據所述每個慢病患者患各并發癥的概率訓練所述多層感知機模型得到并發癥預測模型；

將所述每個慢病患者的歷史慢病數據和所述每個慢病患者患各并發癥的概率輸入第一循環神經網絡模型，得到所述每個慢病患者的醫保費用結果，并根據所述每個慢病患者的醫保費用結果訓練所述第一循環神經網絡模型得到醫保費用預測模型；

獲取待測試慢病患者的就診數據，將所述待測試慢病患者的就診數據輸入所述并發癥預測模型和醫保費用預測模型，得到待測試慢病患者患并發癥的風險概率以及醫保費用預測結果。

2.根據權利要求1所述的設備，其特征在于，所述處理器確定所述圖網絡結構中每個節點的表征向量時，具體用于：

根據第一編碼方式對所述慢病人群數據集中每個慢病患者的歷史就診數據中的所述歷史慢病數據和所述歷史并發癥數據進行編碼處理，得到第一編碼數據；

將所述慢病人群數據集中每個慢病患者的歷史就診數據對應的第一編碼數據輸入第二循環神經網絡模型，得到所述慢病人群數據集中每個慢病患者的歷史就診數據的就診表征向量，并根據所述每個慢病患者的歷史就診數據的就診表征向量確定所述圖網絡結構中每個節點的表征向量。

3.根據權利要求2所述的設備，其特征在于，所述處理器將所述慢病人群數據集中每個慢病患者的歷史就診數據對應的第一編碼數據輸入第二循環神經網絡模型，得到所述慢病人群數據集中每個慢病患者的歷史就診數據的就診表征向量時，具體用于：

將所述慢病人群數據集中每個慢病患者的歷史就診數據對應的第一編碼數據輸入第二循環神經網絡模型，得到所述慢病人群數據集中每個慢病患者的所述歷史慢病數據對應的慢病表征向量以及所述歷史并發癥數據對應的并發癥表征向量；

根據所述慢病人群數據集中每個慢病患者的所述慢病表征向量和所述并發癥表征向量，確定所述慢病人群數據集中每個慢病患者的就診表征向量。

4.根據權利要求3所述的設備，其特征在于，所述處理器根據所述每個慢病患者患并發癥的概率訓練所述多層感知機模型，得到并發癥預測模型時，具體用于：

將所述每個慢病患者患并發癥的概率與所述每個慢病患者的歷史并發癥結局數據進行對比；

根據對比結果調整所述多層感知機模型的參數，并將所述每個慢病患者的所述就診表征向量輸入調整參數后的多層感知機模型進行訓練，得到所述并發癥預測模型。