The invention belongs to the field of artificial intelligence, and provides a method, device, equipment and storage medium for data detection of abnormal insurer's purchase of drugs, including acquiring data of insurer's purchase of drugs to be tested, which includes the proportion of drug cost and the name of drug purchase, and clustering the data of insurer's purchase of drugs to be tested into a pre-trained clustering model to classify the data of insurer's purchase of drugs to be tested. It is divided into several groups to be tested based on the proportion of different drug costs; the abnormal groups to be detected are determined from the groups to be tested according to the proportion of drug costs of each group to be tested, and the original drug purchasing names corresponding to the data of the insured persons to be tested are determined from the original drug purchasing database stored in advance; and the abnormal groups to be detected are included in the group to be inspected. The purchasing names of the tested insurers were compared with the corresponding original drug purchasing names, and the abnormal drug purchasing data of the insured who did not match the original drug purchasing names were detected. The invention can improve the detection efficiency.
【技术实现步骤摘要】
异常参保人购药数据检测方法、装置、设备及存储介质
本专利技术涉及人工智能领域,尤其涉及一种异常参保人购药数据检测方法、装置、设备及存储介质。
技术介绍
医保体系中,治疗慢性病的药品已纳入医保体系,参保人购买治疗慢性病的药品可进行医保报销。然而存在部分参保人为了私利将自费药品挂在可报销药品名目下的现象,造成医保基金的浪费。为保障医保基金的合理支出,通常会由人工对参保人的医保数据进行异常检测,由于需要检测的数据量大、涉及的药品名称众多,人工检测的方式,效率低,难度大,无法应对复杂的实际情况。
技术实现思路
本专利技术的主要目的在于提供一种异常参保人购药数据检测方法、装置、设备及存储介质,旨在解决依靠人工检测参保人的医保数据的方式,效率低,难度大的技术问题。为实现上述目的,本专利技术提供一种异常参保人购药数据检测方法,所述异常参保人购药数据检测方法包括以下步骤:获取待检测参保人购药数据,其中,所述待检测参保人购药数据包括药品费用占比和购药名称;将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类,以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组;根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组,并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称;将所述异常待检测群组包含的待检测参保人购药数据的购药名称,分别与所述对应的原始购药名称进行比对,以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。可选地,所述获取待检测参保人购药数据的步骤之前,包括:获 ...
【技术保护点】
1.一种异常参保人购药数据检测方法,其特征在于,所述异常参保人购药数据检测方法包括以下步骤:获取待检测参保人购药数据,其中,所述待检测参保人购药数据包括药品费用占比和购药名称;将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类,以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组;根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组,并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称;将所述异常待检测群组包含的待检测参保人购药数据的购药名称,分别与所述对应的原始购药名称进行比对,以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。
【技术特征摘要】
1.一种异常参保人购药数据检测方法,其特征在于,所述异常参保人购药数据检测方法包括以下步骤:获取待检测参保人购药数据,其中,所述待检测参保人购药数据包括药品费用占比和购药名称;将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类,以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组;根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组,并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称;将所述异常待检测群组包含的待检测参保人购药数据的购药名称,分别与所述对应的原始购药名称进行比对,以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。2.如权利要求1所述的异常参保人购药数据检测方法,其特征在于,所述获取待检测参保人购药数据的步骤之前,包括:获取待检测参保人医保数据;将所述待检测参保人医保数据输入预设清洗模型依次进行数据切片、数据分词、文本转换、字段填充的清洗处理,得到待检测参保人购药数据。3.如权利要求1所述的异常参保人购药数据检测方法,其特征在于,所述获取待检测参保人购药数据的步骤之前,还包括:采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型。4.如权利要求3所述的异常参保人购药数据检测方法,其特征在于,所述采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型的步骤包括:获取用于训练聚类模型的参保人购药数据;根据用于训练聚类模型的参保人购药数据,建立用于训练聚类模型的训练样本;根据所述训练样本,采用预设无监督学习聚类算法训练聚类模型,得到所述训练完成的聚类模型。5.如权利要求4所述的异常参保人购药数据检测方法,其特征在于,所述根据所述训练样本,采用预设无监督学习聚类算法训练聚类模型,得到所述训练完成的聚类模型的步骤之后,包括:根据预设成熟度计算公式mature=ε*rate计算训练训练完成的聚类模型的成熟度,其中,mature表示成熟度,rate表示准确率,ε表示权重值;判断训练完成的聚类模型的成熟度是否达到预设成熟度阈值;若训练完成的聚类模型的成熟度达到预设成熟度阈值,则执行步骤:获取待检测参保人购药数据。6.如权利要求1所述的异常参保人购药数据检测方法,其特征在于,所述根据各个待检测群组的药品费用占比范围从待检测群...
【专利技术属性】
技术研发人员:陈明东,黄越,胥畅,
申请(专利权)人:平安医疗健康管理股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。