[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

本發明實施例涉及醫療技術領域，公開了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，該設備的處理器用于執行：確定每個慢病患者根據不同并發癥之間的共現頻次，并根據共現頻次確定的在圖網絡結構中每個節點的表征向量；將表征向量和歷史慢病數據輸入多層感知機模型確定并發癥預測模型；將歷史慢病數據和每個慢病患者患并發癥的概率輸入第一循環神經網絡模型確定醫保費用預測模型；將待測試慢病患者的就診數據輸入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和醫保費用預測結果，基于慢病患者患并發癥的風險概率預測醫保費用，提高了預測準確性。本發明涉及區塊鏈技術，上述數據可存儲于區塊鏈中。

技術領域

本發明涉及醫療技術領域，尤其涉及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。

背景技術

目前，慢病患者越來越多，包括高血壓、糖尿病、腫瘤、腎病等，這些慢病患者需要長期的醫療保障，從而產生大量的醫保費用開支。圍繞這些慢病患者的醫保費用預測，對于醫?？刭M、欺詐監測等具有重要意義。當前的慢病患者的醫保費用預測采用的是基于慢病患者群的歷史費用信息和一些基本體征數據建模，其忽略了慢病患者醫保開支中最重要的并發癥風險所帶來的影響，而這些并發癥往往是造成高額費用的關鍵因素。因此，如何更好地預測慢病患者的醫保費用非常重要。

發明內容

本發明實施例提供了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，可以預測慢病患者患并發癥的風險概率，并將慢病患者患并發癥的風險概率融入醫保費用預測模型中，有助于提高預測慢病患者的醫保費用的準確性。

第一方面，本發明實施例提供了一種融合并發癥風險的慢病醫保費用預測設備，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。

所述處理器確定所述圖網絡結構中每個節點的就診表征向量時，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；