病种违规用药检测方法、装置、设备及计算机存储介质制造方法及图纸

本发明专利技术属于人工智能领域，提供一种病种违规用药检测方法、装置、设备及计算机存储介质，该方法包括：获取原始待检测参保人诊疗数据；将原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据，其中，待检测参保人诊疗数据包括住院率；将待检测参保人诊疗数据输入训练完成的聚类模型进行聚类，以将待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组；对待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从待检测群组中检测出病种与用药不符的异常参保人诊疗数据。本发明专利技术从住院率的角度，基于聚类模型对大量的参保人诊疗数据进行异常检测，可降低检测难度，提高检测效率和准确性。

Detection methods, devices, equipment and computer storage media for illegal drug use

The invention belongs to the field of artificial intelligence, and provides a detection method, device, equipment and computer storage medium for illness violation medication. The method includes: acquiring the original data of the insured to be detected; inputting the original data of the insured to the preset cleaning model for pretreatment, and obtaining the data of the insured to be detected, in which the data of the insured to be detected are included. Including hospitalization rate; Clustering the data of insured persons to be tested into the clustering model completed by training to divide the data of insured persons to be tested into several groups to be tested based on different hospitalization rate ranges; Analyzing the characteristic indicators of the data of insured persons to be tested and the data of insured persons to be detected, in order to detect the discrepancies between diseases and medication from the groups to be tested. The data of diagnosis and treatment of abnormal insured persons. From the perspective of hospitalization rate, the invention detects abnormal data of a large number of insured persons based on clustering model, which can reduce the difficulty of detection and improve the detection efficiency and accuracy.

【技术实现步骤摘要】
病种违规用药检测方法、装置、设备及计算机存储介质
本专利技术涉及人工智能领域，尤其涉及一种病种违规用药检测方法、装置、设备及计算机存储介质。
技术介绍
医保体系中，针对不同的病种，其用药有一定限制范围，比如白蛋白仅用于低蛋白血症，病种和用药范围相符时，相关药品可进行医保报销。为保障医保基金的合理支出，需要对参保人诊疗数据进行异常检测，以核验参保人的药品报销费用。由于需要检测的数据量大，传统仅依靠人工检测的方式，难度大，效率低。
技术实现思路
本专利技术的主要目的在于提供一种病种违规用药检测方法、装置、设备及计算机存储介质，旨在解决传统仅依靠人工检测参保人诊疗数据的方式，难度大，效率低的技术问题。为实现上述目的，本专利技术提供一种病种违规用药检测方法，所述病种违规用药检测方法包括以下步骤：获取原始待检测参保人诊疗数据；将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据，其中，所述待检测参保人诊疗数据包括住院率；将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类，以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组；对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。可选地，所述获取原始待检测参保人诊疗数据的步骤之前，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。可选地，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诊疗数据；将所述用于训练聚类模型的参保人诊疗数据输入预设清洗模型进行预处理；根据预处理后的用于训练聚类模型的参保人诊疗数据，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，得到得到所述训练完成的聚类模型。可选地，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：获取原始待检测参保人诊疗数据。可选地，所述将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据的步骤包括：将所述原始待检测参保人诊疗数据输入预设清洗模型中依次进行数据切片、数据分词、文本转换、字段填充的清洗处理，得到待检测参保人诊疗数据。可选地，所述待检测参保人诊疗数据包括各病种费用占比差额；所述对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据的步骤包括：分别将各个待检测群组对应的住院率范围与预设住院率阈值进行比对；将住院率范围下限值超出预设住院率阈值的待检测群组确定为异常待检测群组；从所述异常待检测群组包含的各个待检测参保人诊疗数据中分别提取对应的各病种费用占比差额作为特征指标；分别将提取的各病种费用占比差额与预设各病种费用占比差额阈值进行比对；对于所述异常待检测群组中各病种费用占比差额超出预设各病种费用占比差额阈值的待检测参保人诊疗数据，则转由人工进行二次检测，以检测出病种与用药不符的异常参保人诊疗数据。可选地，所述病种违规用药检测方法还包括以下步骤：将所述待检测参保人诊疗数据与预处理后的用于训练聚类模型的参保人诊疗数据进行合并，以更新用于训练聚类模型的训练样本；根据更新的训练样本，对聚类模型进行进一步训练。此外，为实现上述目的，本专利技术还提供病种违规用药检测装置，所述病种违规用药检测装置包括：第一获取模块，用于获取原始待检测参保人诊疗数据；预处理模块，用于将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据，其中，所述所述待检测参保人诊疗数据包括住院率；聚类模块，用于将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类，以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组；分析模块，用于对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。此外，为实现上述目的，本专利技术还提供一种病种违规用药检测设备，所述病种违规用药检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的病种违规用药检测程序，其中所述病种违规用药检测程序被所述处理器执行时，实现如上述的病种违规用药检测方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机存储介质，所述计算机存储介质上存储有病种违规用药检测程序，其中所述病种违规用药检测程序被处理器执行时，实现如上述的病种违规用药检测方法的步骤。本专利技术提供一种病种违规用药检测方法，从住院率的角度，基于聚类模型，可以先将大量的待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组，然后结合待检测群组及其包含的待检测参保人诊疗数据的特征指标进行异常检测，从而从待检测群组中检测出病种与用药不符的异常参保人诊疗数据，不仅降低了检测难度，还可提高检测效率，也为有效检测出病种与用药不符的异常参保人诊疗数据提供了精确的分析依据，提高了检测的准确性。附图说明图1为本专利技术实施例方案中涉及的病种违规用药检测设备的硬件结构示意图；图2为本专利技术病种违规用药检测方法第一实施例的流程示意图；图3为本专利技术病种违规用药检测方法第一实施例的细化流程示意图；图4为本专利技术病种违规用药检测方法第三实施例的流程示意图；图5为本专利技术病种违规用药检测装置第一实施例的功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例涉及的病种违规用药检测方法主要应用于病种违规用药检测设备，该病种违规用药检测设备可以是个人计算机(personalcomputer，PC)、服务器等具有数据处理功能的设备。参照图1，图1为本专利技术实施例方案中涉及的病种违规用药检测设备的硬件结构示意图。本专利技术实施例中，病种违规用药检测设备可以包括处理器1001(例如中央处理器CentralProcessingUnit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(randomaccessmemory，RAM)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本专利技术的限定，可以包括比图示更多或更少的本文档来自技高网...

【技术保护点】
1.一种病种违规用药检测方法，其特征在于，所述病种违规用药检测方法包括以下步骤：获取原始待检测参保人诊疗数据；将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据，其中，所述待检测参保人诊疗数据包括住院率；将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类，以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组；对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。

【技术特征摘要】
1.一种病种违规用药检测方法，其特征在于，所述病种违规用药检测方法包括以下步骤：获取原始待检测参保人诊疗数据；将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据，其中，所述待检测参保人诊疗数据包括住院率；将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类，以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组；对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析，以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。2.如权利要求1所述的病种违规用药检测方法，其特征在于，所述获取原始待检测参保人诊疗数据的步骤之前，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。3.如权利要求2所述的病种违规用药检测方法，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诊疗数据；将所述用于训练聚类模型的参保人诊疗数据输入预设清洗模型进行预处理；根据预处理后的用于训练聚类模型的参保人诊疗数据，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。4.如权利要求3所述的病种违规用药检测方法，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：获取原始待检测参保人诊疗数据。5.如权利要求1所述的病种违规用药检测方法，其特征在于，所述将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理，得到待检测参保人诊疗数据的步骤包括：将所述原始待检测参保人诊疗数据输入预设清洗模型中依次进行数据切片、数据分词、文本转换、字段填充的清洗处理，得到待检测参保人诊疗数据。6.如权利要求1所述的病种违规用药检测方法，其特征在于，所述待检测参保人诊疗数据包括各病种...

【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