[发明专利]医保监管方法、设备、装置及计算机可读存储介质

权利要求书

1.一种医保监管方法，其特征在于，所述医保监管方法包括以下步骤：

获取被保险人的就诊数据；

提取所述就诊数据中对应于康复项目的预设字段；

基于预设模型分析所述预设字段，得到分析结果，并根据所述分析结果提取疑似异常案例。

2.如权利要求1所述的医保监管方法，其特征在于，在基于预设模型分析所述预设字段，得到分析结果，并根据所述分析结果提取疑似异常案例的步骤之后，所述医保监管方法还包括以下步骤：

输出所述疑似异常案例；

接收与所述疑似异常案例对应的确认信息；

当所述确认信息确认所述疑似异常案例异常时，获取与所述疑似异常案例对应的修正信息；

根据所述修正信息修正医保费用。

3.如权利要求2所述的医保监管方法，其特征在于，在接收与所述疑似异常案例对应的确认信息的步骤之后，还包括以下步骤：

当所述确认信息否认所述疑似异常案例异常时，存储所述疑似异常病例，并累计一次误识别事件；

根据所述误识别事件的累计次数，计算所述预设模型的误识别率；

比对所述误识别率和预设阈值；

当所述误识别率大于或等于所述预设阈值时，根据存储的疑似异常案例优化所述预设模型。

4.如权利要求1所述的医保监管方法，其特征在于，提取所述就诊数据中对应于康复项目的预设字段的步骤包括：

清洗所述就诊数据；

分别获取清洗后的就诊数据中的规范文本和非规范文本；

提取所述规范文本中对应于康复项目的预设字段；

基于循环神经网络分析所述非规范文本，提取所述非规范文本中对应于康复项目的预设字段。

5.如权利要求4所述的医保监管方法，其特征在于，基于循环神经网络分析所述非规范文本，提取所述非规范文本中对应于康复项目的预设字段的步骤包括：

将所述非规范文本表示为向量序列；

根据分类体系方法或语料统计方法获取所述向量序列的语义距离；

根据所述向量序列的语义内容和语义距离，基于双向循环神经网络将所述向量序列编码为句子向量矩阵，其中，基于双向循环神经网络将所述向量序列编码为句子向量矩阵具体包括分别采用前向传播训练得到所述句子向量矩阵的前向隐层参数，采用反向传播训练得到所述句子向量矩阵的反向隐层参数；

根据所述康复项目，采用基于位置的注意力模型或基于内容的注意力模型，压缩所述句子向量矩阵为句子向量，并提取所述句子向量中对应于康复项目的预设字段。

6.如权利要求1所述的医保监管方法，其特征在于，所述预设字段包括被保险人的身份信息、病情信息和康复种类；

所述基于预设模型分析所述预设字段，得到分析结果，并根据所述分析结果提取疑似异常案例的步骤包括：

判断所述康复种类是否和所述病情信息相符合；

若所述康复种类和所述病情信息相符合，判断所述康复种类是否处于预设康复种类范围之内；

若所述康复种类不处于预设康复种类范围之内，将所述被保险人对应的案例列为疑似异常案例；

若所述康复种类和所述病情信息不符合，将所述被保险人对应的案例列为疑似异常案例。

7.如权利要求6所述的医保监管方法，其特征在于，所述预设字段还包括疗程时长、疗程数目和疗程间隔时长；

在判断所述康复种类是否处于预设康复种类范围之内的步骤之后，还包括以下步骤；

若所述康复种类处于预设康复种类范围之内，分别比对所述疗程时长和第一预设时长、所述疗程数目和预设数目、所述疗程间隔时长和第二预设时长；

当所述疗程时长大于或等于所述第一预设时长，或所述治疗次数大于或等于所述预设次数，或所述疗程间隔时长小于所述第二预设时长时，将所述被保险人对应的案例列为疑似异常案例。

8.一种医保监管设备，其特征在于，所述医保监管设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的医保监管方法的步骤。