[发明专利]一种融合并发症风险的慢病医保费用预测方法及相关设备

权利要求书

1.一种融合并发症风险的慢病医保费用预测设备，其特征在于，所述设备包括：存储器和处理器；

所述存储器，用于存储程序指令；

所述处理器，用于调用所述程序指令，当所述程序指令被执行时，用于执行以下操作：

获取慢病人群数据集，所述慢病人群数据集包括多个慢病患者的历史就诊数据、历史医保费用结局数据和历史并发症结局数据，所述历史就诊数据包括历史慢病数据和历史并发症数据，其中，所述历史慢病数据是用于指示慢病的诊断数据，所述历史并发症数据是用于指示并发症的诊断数据；

根据所述慢病人群数据集中每个慢病患者的历史就诊数据中的所述历史慢病数据和所述历史并发症数据，确定所述慢病人群数据集中每个慢病患者的不同并发症之间的共现频次；

根据所述每个慢病患者的不同并发症之间的共现频次，确定与所述历史并发症数据的医学知识图谱对应的图网络结构，并确定所述图网络结构中每个节点的表征向量，其中，所述图网络结构由多个节点和边组成，每个节点是一种并发症，每条边是指两个并发症之间相关联；

将所述慢病人群数据集中每个慢病患者的历史慢病数据以及在图网络结构中每个节点的表征向量输入多层感知机模型，得到所述慢病人群数据集中每个慢病患者患各并发症的概率，并根据所述每个慢病患者患各并发症的概率训练所述多层感知机模型得到并发症预测模型；

将所述每个慢病患者的历史慢病数据和所述每个慢病患者患各并发症的概率输入第一循环神经网络模型，得到所述每个慢病患者的医保费用结果，并根据所述每个慢病患者的医保费用结果训练所述第一循环神经网络模型得到医保费用预测模型；

获取待测试慢病患者的就诊数据，将所述待测试慢病患者的就诊数据输入所述并发症预测模型和医保费用预测模型，得到待测试慢病患者患并发症的风险概率以及医保费用预测结果。

2.根据权利要求1所述的设备，其特征在于，所述处理器确定所述图网络结构中每个节点的表征向量时，具体用于：

根据第一编码方式对所述慢病人群数据集中每个慢病患者的历史就诊数据中的所述历史慢病数据和所述历史并发症数据进行编码处理，得到第一编码数据；

将所述慢病人群数据集中每个慢病患者的历史就诊数据对应的第一编码数据输入第二循环神经网络模型，得到所述慢病人群数据集中每个慢病患者的历史就诊数据的就诊表征向量，并根据所述每个慢病患者的历史就诊数据的就诊表征向量确定所述图网络结构中每个节点的表征向量。

3.根据权利要求2所述的设备，其特征在于，所述处理器将所述慢病人群数据集中每个慢病患者的历史就诊数据对应的第一编码数据输入第二循环神经网络模型，得到所述慢病人群数据集中每个慢病患者的历史就诊数据的就诊表征向量时，具体用于：

将所述慢病人群数据集中每个慢病患者的历史就诊数据对应的第一编码数据输入第二循环神经网络模型，得到所述慢病人群数据集中每个慢病患者的所述历史慢病数据对应的慢病表征向量以及所述历史并发症数据对应的并发症表征向量；

根据所述慢病人群数据集中每个慢病患者的所述慢病表征向量和所述并发症表征向量，确定所述慢病人群数据集中每个慢病患者的就诊表征向量。

4.根据权利要求3所述的设备，其特征在于，所述处理器根据所述每个慢病患者患并发症的概率训练所述多层感知机模型，得到并发症预测模型时，具体用于：

将所述每个慢病患者患并发症的概率与所述每个慢病患者的历史并发症结局数据进行对比；

根据对比结果调整所述多层感知机模型的参数，并将所述每个慢病患者的所述就诊表征向量输入调整参数后的多层感知机模型进行训练，得到所述并发症预测模型。