基于机器学习的治疗费用预测方法、系统、设备及存储介质技术方案

本发明专利技术涉及基于机器学习的治疗费用预测方法、系统、设备及存储介质。包括：获取患者的基本信息数据和诊断信息数据；将所述基本信息数据和诊断信息数据输入预先训练好的疾病诊断模型，得到患者的疾病种类；根据所述疾病种类调取医院病历数据库在所述疾病种类下的不同治疗方案的数据子集；将患者的基本信息数据和诊断数据信息和所述数据子集中病历的基本信息数据和诊断信息数据进行比对，匹配得到患者在不同治疗方案的数据子集中最接近的病历，获得所述病历的治疗方案及治疗费用；根据所述病例的治疗方案及治疗费用输出患者不同治疗方案及每种治疗方案的治疗费用。本申请在改善医患关系中具有重要的应用价值。医患关系中具有重要的应用价值。医患关系中具有重要的应用价值。

【技术实现步骤摘要】
基于机器学习的治疗费用预测方法、系统、设备及存储介质


[0001]本专利技术涉及智能医疗
，更具体地，涉及基于机器学习的治疗费用预测方法、系统、设备及存储介质。

技术介绍

[0002]目前患者和家属在临床场景下面临治疗方案决策时，由于缺少相关专业知识，仅能够被动依赖医生建议，难以在短时间内充分了解各个临床治疗路径的优缺点，做出更符合自身利益的决策。此外，现有的临床治疗方案对医生的临床经验有较高要求，对于临床经验不足的医生提出很大挑战，且临床医生可能难以照顾到患者的自身需求。

技术实现思路

[0003]为解决上述问题，本申请建立一种基于机器学习的治疗费用预测方法、系统、设备及存储介质。
[0004]本申请的目的在于提供一种基于机器学习的治疗费用预测方法，具体方法步骤包括：
[0005]获取患者的基本信息数据和诊断信息数据；
[0006]将所述基本信息数据和诊断信息数据输入预先训练好的疾病诊断模型，得到患者的疾病种类；
[0007]根据所述疾病种类调取医院病历数据库在所述疾病种类下的不同治疗方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的治疗费用预测方法，其特征在于，具体方法步骤包括：获取患者的基本信息数据和诊断信息数据；将所述基本信息数据和诊断信息数据输入预先训练好的疾病诊断模型，得到患者的疾病种类；根据所述疾病种类调取医院病历数据库在所述疾病种类下的不同治疗方案的数据子集，所述医院病历数据库在所述疾病种类下的不同治疗方案的数据子集是通过对医院病历数据库进行聚类分析得到；将患者的基本信息数据和诊断数据信息和所述数据子集中病历的基本信息数据和诊断信息数据进行比对，匹配得到患者在不同治疗方案的数据子集中最接近的病历，获得所述病历的治疗方案及治疗费用；根据所述病例的治疗方案及治疗费用输出患者不同治疗方案及每种治疗方案的治疗费用。2.根据权利要求1中所述的基于机器学习的治疗费用预测方法，其特征在于，所述预先训练好的疾病诊断模型的训练过程为：获取患者的基本信息数据和诊断信息数据作为训练集，训练机器学习模型，得到预测的疾病种类与实际疾病种类进行比对，生成损失值，反向传播，进行疾病诊断模型的优化，得到所述预先训练好的疾病诊断模型；可选的，所述基本信息数据包含年龄，性别，入院时间，出院时间等信息数据，所述诊断信息数据包含入院诊断，检查检验数据，护理诊断，遗嘱数据，出院诊断等诊断信息数据。3.根据权利要求2中所述的基于机器学习的治疗费用预测方法，其特征在于，所述预先训练好的疾病诊断模型采用的算法是从多种机器学习算法选择得到的，所述机器学习算法选自下列机器学习算法中的一种或几种：支持向量机、随机森林、XGBoost、LightGBM。4.根据权利要求1中所述的基于机器学习的治疗费用预测方法，其特征在于，所述医院病历数据库在所述疾病种类下的不同治疗方案的数据子集的构建过程包括：获得医院病历数据库在所述疾病种类下的所有病历集，基于治疗方案的差异进行聚类分析，得到在所述疾病种类下的不同治疗方案的数据子集，优选的，所述聚类分析可采用FCM模糊聚类、K
‑
Means聚类；可选的，所述医院病历数据库为动态更新的数据库。5.根据权利要求1中所述的基于机器学习的治疗费用预测方法，其特征在于，所述方法步骤还包括，对所述获得病历的治疗方案及治疗费用的修正，得到修正的病历的治疗方案及治疗费用，根据所述修正的病例的治疗方案及治疗费用输出患者不同治疗方案及每种治疗方案的治疗费用，所述病历的治疗方案及治疗费用的修正包括病历的治疗方案的修正和/或治疗费用的修正，所述治疗费用的修正是将病历中医保减免的费用还原成全自费...

【专利技术属性】
技术研发人员：任馨，伍咏梅，徐耘，黎照明，唐毅，唐谜，罗智宇，苏涛，胡锐豪，王驰，
申请(专利权)人：国信医控信息技术有限公司，
类型：发明
国别省市：