The invention discloses an anomaly recognition method for medical treatment data based on machine learning, which includes: receiving the historical medical treatment data collected and uploaded by medical institutions, and selecting the medical treatment data containing the traditional Chinese medicine physical treatment items from the historical medical treatment data with the preset Chinese medicine physical treatment items as keywords; using the selected medical treatment data as training samples, and adopting the machine. The machine learning method establishes the abnormal model of TCM consultation, obtains the data to be detected, and imports the data to the abnormal model of TCM consultation, and obtains the recognition result. If the recognition result of the data to be detected is abnormal, the data to be detected is determined to be excessive medical treatment of TCM project. The invention also discloses a device and a storage medium. The invention realizes intelligent analysis of data by machine learning in artificial intelligence technology, thereby accurately and effectively identifying suspicious medical data and effectively restraining illegal medical operations.
【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,并以预设的中医理疗项目为关键字,从所述历史就诊数据中筛选出含有所述中医理疗项目的就诊数据;以筛选出的就诊数据作为训练样本,采用机器学习方式,建立中医就诊异常模型;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医就诊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医项目过度医疗。可选地,所述以预设的中医理疗项目为关键字,从所述历史就诊数据中筛选出含有所述中医理疗项目的就诊数据,包括:根据所述历史就诊数据的数据内容,并以中医理疗项目为关键字,剔除不含有所述中医 ...
【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,并以预设的中医理疗项目为关键字,从所述历史就诊数据中筛选出含有所述中医理疗项目的就诊数据;以筛选出的就诊数据作为训练样本,采用机器学习方式,建立中医就诊异常模型;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医就诊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医项目过度医疗。
【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,并以预设的中医理疗项目为关键字,从所述历史就诊数据中筛选出含有所述中医理疗项目的就诊数据;以筛选出的就诊数据作为训练样本,采用机器学习方式,建立中医就诊异常模型;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医就诊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医项目过度医疗。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,所述以中医理疗项目为关键字,从所述历史就诊数据中筛选出含有所述中医理疗项目的就诊数据,包括:根据所述历史就诊数据的数据内容,并以预设的中医理疗项目为关键字,剔除不含有所述中医理疗项目的历史就诊数据,其中,所述数据内容至少包括就诊时间、就诊症状、理疗项目和理疗费用;根据剩余的历史就诊数据中的就诊时间和中医理疗项目,统计得到单日中医理疗次数和月中医理疗次数;判断历史就诊数据的单日中医理疗次数和/或月中医理疗次数是否大于或等于预设阈值;若历史就诊数据的单日中医理疗次数和/或月中医理疗次数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日中医理疗次数和/或月中医理疗次数小于预设阈值,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合并,得到就诊数据。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,建立中医就诊异常模型包括: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,得到中医就诊异常模型。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...
【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。