[发明专利]一种检测医保欺诈的方法、系统及存储介质

说明书

本发明所提供的一种检测医保欺诈的方法、系统及存储介质，其中，所述方法包括：获取患者的就诊记录，根据所获取的就诊记录提取对应的患者特征，并根据所提取的患者特征及患者与医生的对应关系，建立医患关系神经网络；将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值；根据所输出的预测值判定对应节点的患者是否存在欺诈行为。通过机器学习的方法预测患者是否存在欺诈行为，降低了预测欺诈行为的难度，且能够有效地检测医保欺诈行为，利于维护医保体系健康普及。

技术领域

本发明涉及医疗技术领域，尤其涉及的是一种检测医保欺诈的方法、系统及存储介质。

背景技术

医疗保险是我国的一项社会保障项目，是为补偿公民或劳动者因为疾病风险造成的经济损失而建立的一种社会保障制度。但是，随着医疗保险的普及，伴随的是不法分子借助全民医保的契机进行医疗保险欺诈的现象层出不穷，造成全国财政医疗卫生支出额外增高。

因此，需对医保欺诈活动进行有效的检测，现有的检测方法包括非监督学习和监督学习。其中，非监督学习依赖于异常值分析来发现未标记数据中潜在的异常，但是用于检测异常的方法并不适用于如医疗保险欺诈数据等高度偏斜的数据；监督学习则需要有大量标记点数据，通过标记欺诈和非欺诈示例以实现预测，但由于缺少专家和医疗欺诈调查，实际能够做到的标记点很少，并不能够实现有效的检测。

可见，目前针对医保欺诈检测的两种方式均不能对真实的医保欺诈进行有效检测，并不利于预防医保欺诈行为的发生。

因此，现有技术存在缺陷，有待改进与发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种检测医保欺诈的方法、系统及存储介质，旨在解决现有技术中的医保欺诈检测方法并不能够进行有效检测，不能预防医保欺诈行为的问题。

本发明解决技术问题所采用的技术方案如下：

一种检测医保欺诈的方法，其中，包括：

获取患者的就诊记录，根据所获取的就诊记录提取对应的患者特征，并根据所提取的患者特征及患者与医生的对应关系，建立医患关系神经网络；

将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值；

根据所输出的预测值判定对应节点的患者是否存在欺诈行为。

能够通过机器主动学习并预测出存在欺诈行为的患者节点，方便对医保欺诈行为进行有效的管理，以利于医保体系健康普及。

进一步地，所述将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值之后包括：

监测是否有新增的就诊记录；

若有新增的就诊记录，将具有预测值的患者节点输入预先建立的动态更新网络中，删除其中无效的患者节点；

将删除无效节点后的其余就诊记录与新增的就诊记录整理成更新后的就诊记录；

根据更新后的就诊记录继续判定每个节点对应的患者是否存在欺诈行为。

通过及时对数据进行更新，以删除无效的节点，在保证预测准确度的前提下能够提高预测的效率，保证系统快速运行以预测出更多的具有欺诈行为的患者节点。

进一步地，所述若有新增的就诊记录，将具有预测值的患者节点输入预先建立的动态更新网络中，删除其中无效的患者节点，其中，判定无效的患者节点的依据为：

根据具有预测值的患者节点的生成日期及预测值，分别计算每个患者节点的优先级；