【技术实现步骤摘要】
基于机器学习的就诊数据异常识别方法、设备及存储介质
本专利技术涉及数据处理
，尤其涉及一种基于机器学习的就诊数据异常识别方法、设备及存储介质。
技术介绍
社会医疗保险是国家和社会根据一定的法律法规，为向保障范围内的劳动者提供患病时基本医疗需求保障而建立的社会保险制度。目前，医疗服务机构分布广泛，为参保人员提供更为便民的医疗服务，然而在利益的驱动下，一些机构出现乱检查、乱开药、重复就诊重复开药、乱收费用等违规操作，浪费了本就有限的医疗资源，同时还损害了参保人员的合法利益，进而不利于医疗质量和医疗健康的可持续发展。
技术实现思路
本专利技术的主要目的在于提供一种基于机器学习的就诊数据异常识别方法、设备及存储介质，旨在解决如何精准有效地识别出可疑的就诊数据，从而有效扼制违规的医疗操作的技术问题。为实现上述目的，本专利技术提供的一种基于机器学习的就诊数据异常识别方法，所述就诊数据异常识别方法包括以下步骤：接收医疗机构采集并上传的参保人的历史就诊数据，并基于预设筛选规则从所述历史就诊数据中筛选出含有中草药的正常就诊数据和异常就诊数据作为符合建模的就诊数据；以筛选出的就诊数...
【技术保护点】
1.一种基于机器学习的就诊数据异常识别方法，其特征在于，所述就诊数据异常识别方法包括以下步骤：接收医疗机构采集并上传的参保人的历史就诊数据，并基于预设筛选规则从所述历史就诊数据中筛选出含有中草药的正常就诊数据和异常就诊数据作为符合建模的就诊数据；以筛选出的就诊数据作为训练样本，采用机器学习方式，建立中草药费用异常模型；获取待检测就诊数据，并将所述待检测就诊数据导入至所述中草药费用异常模型进行异常识别，得到识别结果；若所述待检测就诊数据的识别结果为异常，则确定所述待检测就诊数据为中草药违规乱收费。
【技术特征摘要】
1.一种基于机器学习的就诊数据异常识别方法，其特征在于，所述就诊数据异常识别方法包括以下步骤：接收医疗机构采集并上传的参保人的历史就诊数据，并基于预设筛选规则从所述历史就诊数据中筛选出含有中草药的正常就诊数据和异常就诊数据作为符合建模的就诊数据；以筛选出的就诊数据作为训练样本，采用机器学习方式，建立中草药费用异常模型；获取待检测就诊数据，并将所述待检测就诊数据导入至所述中草药费用异常模型进行异常识别，得到识别结果；若所述待检测就诊数据的识别结果为异常，则确定所述待检测就诊数据为中草药违规乱收费。2.如权利要求1所述的就诊数据异常识别方法，其特征在于，所述基于预设筛选规则从所述历史就诊数据中筛选出含有中草药的正常就诊数据和异常就诊数据作为符合建模的就诊数据包括：根据所述历史就诊数据的数据内容，剔除不含有中草药的历史就诊数据，其中，所述数据内容至少包括就诊时间、就诊用药和用药费用；根据剩余的历史就诊数据中的就诊时间、中草药及其用药费用，统计得到单次中草药总费用和单月中草药总费用；判断历史就诊数据的单次中草药总费用和/或单月中草药总费用是否大于或等于预设阈值；若历史就诊数据的单次中草药总费用和/或单月中草药总费用大于或等于预设阈值，则将历史就诊数据标注为异常就诊数据；若历史就诊数据的单次中草药总费用和/或单月中草药总费用小于预设阈值，则将历史就诊数据标注为正常就诊数据；将标注的所述异常就诊数据和所述正常就诊数据作为符合建模的就诊数据。3.如权利要求1所述的就诊数据异常识别方法，其特征在于，所述以筛选出的就诊数据作为训练样本，采用机器学习方式，建立中草药费用异常模型包括：对筛选出的就诊数据进行提取处理，得到特征参数和时序信息；以筛选出的就诊数据所对应的参保人的历史就诊数据作为输入量、以该就诊数据处理得到的特征参数和时序信息作为输出量，采用递归神经网络对所述输入量和所述输出量的取值样本进行训练，得到中草药费用异常模型。4.如权利要求3所述的就诊数据异常识别方法，其特征在于，所述对筛选出的就诊数据进行提取处理，得到特征参数和时序信息包括：对筛选出的就诊数据依次进行数据清洗、分词切片和去除无关用词，得到词条，并对所述词条进行特征提取，得到特征参数；根据所述特征参数在就诊数据中的时间位置，确定特征参数对应的时序...
【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。