[发明专利]医保监管方法、设备、装置及计算机可读存储介质

说明书

本发明公开了一种医保监管方法，所述医保监管方法是基于智能决策实现的。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；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。本发明还公开了一种医保监管设备、装置及计算机可读存储介质。本发明技术方案有助于降低医保监管的难度，改善医保监管的准确性和严密性。

技术领域

本发明涉及医保技术领域，尤其涉及一种医保监管方法、设备、装置及计算机可读存储介质。

背景技术

随着社会和经济的发展，国家的医保政策逐渐优化，越来越多医疗过程中所产生的费用可以得到报销。然而，部分被保险人为了获得更多的报销，存在伪造病情、拆分费用、过度治疗等违规行为，造成了医保经费的流失。目前，医保监管主要依赖于人工审核的方式，然而由于被保险人众多、就诊数据庞大且专业化强等因素，导致人工监管的难度很大，不仅需要大量的专业化的人力资源，而且监管的准确性也较低，还很容易产生监管漏洞。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种医保监管方法，旨在解决上述医保监管难度大、准确性低、容易产生监管漏洞的技术问题，以降低医保监管的难度，改善医保监管的准确性和严密性。

为实现上述目的，本发明提供一种医保监管方法，包括以下步骤：

获取被保险人的就诊数据；

根据预设模型，提取所述就诊数据中的预设字段，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；

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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；