[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

说明书

本发明实施例涉及医疗技术领域，公开了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，该设备的处理器用于执行：确定每个慢病患者根据不同并发症之间的共现频次，并根据共现频次确定的在图网络结构中每个节点的表征向量；将表征向量和历史慢病数据输入多层感知机模型确定并发症预测模型；将历史慢病数据和每个慢病患者患并发症的概率输入第一循环神经网络模型确定医保费用预测模型；将待测试慢病患者的就诊数据输入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和医保费用预测结果，基于慢病患者患并发症的风险概率预测医保费用，提高了预测准确性。本发明涉及区块链技术，上述数据可存储于区块链中。

技术领域

本发明涉及医疗技术领域，尤其涉及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。

背景技术

目前，慢病患者越来越多，包括高血压、糖尿病、肿瘤、肾病等，这些慢病患者需要长期的医疗保障，从而产生大量的医保费用开支。围绕这些慢病患者的医保费用预测，对于医保控费、欺诈监测等具有重要意义。当前的慢病患者的医保费用预测采用的是基于慢病患者群的历史费用信息和一些基本体征数据建模，其忽略了慢病患者医保开支中最重要的并发症风险所带来的影响，而这些并发症往往是造成高额费用的关键因素。因此，如何更好地预测慢病患者的医保费用非常重要。

发明内容

本发明实施例提供了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，可以预测慢病患者患并发症的风险概率，并将慢病患者患并发症的风险概率融入医保费用预测模型中，有助于提高预测慢病患者的医保费用的准确性。

第一方面，本发明实施例提供了一种融合并发症风险的慢病医保费用预测设备，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。

所述处理器确定所述图网络结构中每个节点的就诊表征向量时，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；