本发明专利技术涉及人工智能技术领域，提供一种医疗数据风险识别方法、装置、电子设备及存储介质，通过目标用户的核保查询请求确定目标数据源，从而从目标数据源中精准的获取目标用户的医疗数据，精准的获取目标用户的医疗数据有助于提高后续基于医疗数据识别目标用户的医疗风险的准确度，在确定目标用户的意向保险产品后，通过匹配与意向保险产品的类型对应的初始核保决策树模型，从而对初始核保决策树模型进行规则配置，得到目标核保决策树模型，最后使用目标核保决策树模型基于所述医疗数据进行核保识别，并根据所述目标核保决策树模型中的多颗决策树的识别结果输出核保查询结果，提高了风险识别的效率和准确度。了风险识别的效率和准确度。了风险识别的效率和准确度。
【技术实现步骤摘要】
医疗数据风险识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，具体涉及一种医疗数据风险识别方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，人们在关注饮食、运动的同时，还会通过购买健康险抵御未来风险，随着购买健康险的用户群体的增加，如何有效识别用户的医疗风险成为当下保险公司的最大痛点。
[0003]专利技术人在实现本专利技术的过程中发现，对医疗风险的识别主要由保险工作人员人工进行，费时费力，效率较低，此外，保险公司的保险工作人员大多非医疗专业背景出身，什么疾病可保，什么不可保，无从判断，导致医疗风险的识别准确度较低。而通过线上核保，效果也不尽人意：缺乏专业的医疗风控模型进行分析和判断；无法精准获取用户的医疗数据，没有医疗数据，无法进行疾病发生率的剖析，也就无法准确识别客户的医疗风险。
技术实现思路
[0004]鉴于以上内容，有必要提出一种医疗数据风险识别方法、装置、电子设备及存储介质，能够提高风险识别的效率和准确度。
[0005]本专利技术的第一方面提供一种医疗数据风险识别方法，所述方法包括：
[0006]接收对目标用户的核保查询请求，根据所述核保查询请求确定目标数据源；
[0007]从所述目标数据源获取所述目标用户的医疗数据；
[0008]根据所述核保查询请求获取所述目标用户的意向保险产品，并匹配与所述意向保险产品的类型对应的初始核保决策树模型；
[0009]对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型，所述目标核保决策树模型包括多颗决策树；
[0010]使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果，并根据多颗所述决策树的识别结果输出核保查询结果。
[0011]根据本专利技术的一个可选的实施方式，所述根据所述核保查询请求确定目标数据源包括：
[0012]获取所述核保查询请求中所述目标用户的意向投保地区及授权机构标识；
[0013]根据地区机构映射表确定所述意向投保地区对应的多个数据机构标识；
[0014]根据所述授权机构标识从所述多个数据机构标识中获取目标数据机构标识；
[0015]将所述目标数据机构标识对应的数据机构确定为所述目标数据源。
[0016]根据本专利技术的一个可选的实施方式，所述从所述目标数据源获取所述目标用户的医疗数据包括：
[0017]从所述目标数据源获取所述目标用户的初始医疗数据集，所述初始医疗数据集中
的每条初始医疗数据包括病人描述信息和医疗描述信息；
[0018]对所述初始医疗数据集进行采样，得到与所述初始医疗数据集具有相同数据分布的医疗样本集；
[0019]在所述医疗样本集中确定医疗描述值，使得包括所述医疗描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第一预设阈值；
[0020]在所述医疗样本集中获取与所述医疗描述值对应的病人描述值，使得包括所述病人描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第二预设阈值；
[0021]在所述初始医疗数据集中查找包括所述医疗描述值但不包括所述病人描述值的初始医疗数据；
[0022]将查找到的初始医疗数据作为所述目标用户的医疗数据。
[0023]根据本专利技术的一个可选的实施方式，所述对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型包括：
[0024]判断是否从所述医疗数据中获取到所述目标用户的就医记录标识；
[0025]当从所述医疗数据中获取到所述目标用户的就医记录标识时，计算所述就医记录标识的个数；
[0026]根据所述个数配置决策树的数量；
[0027]根据所述决策树的数量生成目标核保决策树模型。
[0028]根据本专利技术的一个可选的实施方式，所述使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果，包括：
[0029]获取所述医疗数据中每个所述就医记录标识对应的诊疗数据；
[0030]将多个所述诊疗数据输入至所述目标核保决策树模型中进行核保识别；
[0031]获取所述目标核保决策树模型中每颗决策树的识别结果。
[0032]根据本专利技术的一个可选的实施方式，所述根据多颗所述决策树的识别结果输出核保查询结果之后，所述方法还包括：
[0033]获取预定时间段内的增量数据；
[0034]根据所述增量数据生成增量决策树；
[0035]基于所述增量决策树和所述目标核保决策树模型中的决策树来对所述增量数据进行标签预测，得到标签预测结果；
[0036]根据所述标签预测结果确定所述目标核保决策树模型中的决策树和所述增量决策树中的决策树的综合性能；
[0037]基于所述综合性能，从所述目标核保决策树模型中的决策树和所述增量决策树中的决策树中选取预定数量的决策树作为更新后的目标核保决策树模型。
[0038]根据本专利技术的一个可选的实施方式，所述从所述目标核保决策树模型中的决策树和所述增量决策树中的决策树中选取预定数量的决策树包括：
[0039]根据所述标签预测的结果来确定所述决策树针对所述增量数据的预测准确率；
[0040]将所述决策树的建立时间作为所述综合性能的权重；
[0041]根据所述权重对所述增量数据的预测准确率进行排序；
[0042]从所述目标核保决策树模型中的决策树和排序后的预测准确率中获取所述预定数量的决策树。
[0043]本专利技术的第二方面提供一种医疗数据风险识别装置，所述装置包括：
[0044]接收模块，用于接收对目标用户的核保查询请求，根据所述核保查询请求确定目标数据源；
[0045]获取模块，用于从所述目标数据源获取所述目标用户的医疗数据；
[0046]匹配模块，用于根据所述核保查询请求获取所述目标用户的意向保险产品，并匹配与所述意向保险产品的类型对应的初始核保决策树模型；
[0047]配置模块，用于对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型，所述目标核保决策树模型包括多颗决策树；
[0048]识别模块，用于使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果，并根据多颗所述决策树的识别结果输出核保查询结果。
[0049]本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述医疗数据风险识别方法。
[0050]本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述医疗数据风险识别方法。
[0051]综上所述，本专利技术所述的医疗数据风险识别方法、装置、电子设备及存储介质，通过目标用户的核保查询请求确定目标数据源，从而从目标数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医疗数据风险识别方法，其特征在于，所述方法包括：接收对目标用户的核保查询请求，根据所述核保查询请求确定目标数据源；从所述目标数据源获取所述目标用户的医疗数据；根据所述核保查询请求获取所述目标用户的意向保险产品，并匹配与所述意向保险产品的类型对应的初始核保决策树模型；对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型，所述目标核保决策树模型包括多颗决策树；使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果，并根据多颗所述决策树的识别结果输出核保查询结果。2.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述根据所述核保查询请求确定目标数据源包括：获取所述核保查询请求中所述目标用户的意向投保地区及授权机构标识；根据地区机构映射表确定所述意向投保地区对应的多个数据机构标识；根据所述授权机构标识从所述多个数据机构标识中获取目标数据机构标识；将所述目标数据机构标识对应的数据机构确定为所述目标数据源。3.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述从所述目标数据源获取所述目标用户的医疗数据包括：从所述目标数据源获取所述目标用户的初始医疗数据集，所述初始医疗数据集中的每条初始医疗数据包括病人描述信息和医疗描述信息；对所述初始医疗数据集进行采样，得到与所述初始医疗数据集具有相同数据分布的医疗样本集；在所述医疗样本集中确定医疗描述值，使得包括所述医疗描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第一预设阈值；在所述医疗样本集中获取与所述医疗描述值对应的病人描述值，使得包括所述病人描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第二预设阈值；在所述初始医疗数据集中查找包括所述医疗描述值但不包括所述病人描述值的初始医疗数据；将查找到的初始医疗数据作为所述目标用户的医疗数据。4.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型包括：判断是否从所述医疗数据中获取到所述目标用户的就医记录标识；当从所述医疗数据中获取到所述目标用户的就医记录标识时，计算所述就医记录标识的个数；根据所述个数配置决策树的数量；根据所述决策树的数量生成目标核保决策树模型。5.如权利要求1至4中任意一项所述的医疗数据风险识别方法，其特征在于，所述使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标...
【专利技术属性】
技术研发人员：吴子涵，
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：
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。