[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，其中，所述就诊数据包括被保险人信息、病情记录和诊疗路径；

根据预设模型，提取所述就诊数据中的预设字段；

基于所述预设模型分析所述预设字段，并根据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，在基于所述预设模型分析所述预设字段，并根据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，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，根据所述疑似异常案例优化所述预设模型，其中，所述预设模型的优化基于机器学习实现。

4.如权利要求1所述的医保监管方法，其特征在于，根据预设模型，提取所述就诊数据中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；

根据预设模型，提取所述规范文本中的预设字段；

基于循环神经网络分析所述非规范文本，并根据所述预设模型和所述非规范文本的分析结果，提取所述非规范文本中的预设字段。

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，并根据所述预设模型和所述非规范文本的分析结果，提取所述非规范文本中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；

根据所述预设模型，采用注意力机制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，基于所述预设模型分析所述预设字段，并根据分析结果提取疑似异常案例的步骤包括：

计算各被保险人对应的案例中预设字段的距离度量；

计算被保险人的预设字段的距离度量相对其它被保险人的预设字段的距离度量的离群程度；

比对所述离群程度和预设离群程度；

当所述离群程度大于所述预设离群程度时，标记所述被保险人对应的案例为疑似异常案例。

7.如权利要求1至6中任一项所述的医保监管方法，其特征在于，所述预设字段包括病情症状、检查项目、药物方案、住院时长和住院间隔时长中的至少一种。

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。

9.一种医保监管装置，其特征在于，所述医保监管装置包括：

数据获取模块，用以获取被保险人的就诊数据；

字段提取模块，用以根据预设模型，提取所述就诊数据中的预设字段；

异常分析模块，用以基于所述预设模型分析所述预设字段，并根据分析结果提取疑似异常案例。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有医保监管程序，所述医保监管程序被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。