一种医疗行为异常的识别方法、装置、存储介质及设备制造方法及图纸

本发明专利技术涉及医疗信息技术领域，公开了一种医疗行为异常的识别方法、装置、存储介质及电子设备，包括：获取多项收费明细单中的多组收费数据，并从收费数据中，提取生成收费特征信息；将收费特征信息输入至医疗行为向量表示模型，生成并输出多个医疗行为的向量表示信息，其中，每组收费特征信息对应一个医疗行为的向量表示信息；将多个医疗行为的向量表示信息输入至预先建立的医疗行为异常识别模型中，得到多个医疗行为的正常偏离分数；根据多个医疗行为的正常偏离分数，综合判断医生是否具备异常的医疗行为。通过该方法，能够提高医疗行为异常识别的效率和准确率。常识别的效率和准确率。常识别的效率和准确率。

【技术实现步骤摘要】
一种医疗行为异常的识别方法、装置、存储介质及设备


[0001]本专利技术涉及医疗信息
，尤其涉及一种医疗行为异常的识别方法、装置、存储介质及电子设备。

技术介绍

[0002]医疗行为，是指医务人员通过检查、使用药物、医疗器械等方法，对疾病作出判断，帮助患者恢复健康的一种行为。异常的医疗行为主要是指，基于患者所确诊的疾病类型，医务人员作出了不合理的检查、出现不合理用药以及滥用药等行为，从而形成了医疗费用的不必要支出，造成国家医保资金的损失。
[0003]目前，为了实现医保控费的政策目的，主要是采取人工抽查的方式，对大额的收费单据进行检查，从患者的角度来判断是否具备不合理的收费行为。或者是，通过定义与疾病类型相对应的报销费用阈值，基于所述报销费用阈值，来判断是否具备不合理的收费行为。然而，上述判断的方式，效率低下，并且也不够精准。因此，如何提高医疗行为异常识别的效率和准确率，成为亟需解决的技术问题。

技术实现思路

[0004]本申请实施例提供一种医疗行为异常的识别方法、装置、存储介质及电子设备，以解决现有技术中，医疗行为异常识别的效率低和准确率不高的技术问题。
[0005]第一方面，提供了一种医疗行为异常的识别方法，包括：
[0006]获取多项收费明细单中的多组收费数据，并从收费数据中，提取生成收费特征信息，其中，所述收费明细单是由同一位医生对患者治疗后所出具的单据，每项收费明细单对应一组收费特征信息；
[0007]将收费特征信息输入至医疗行为向量表示模型，生成并输出多个医疗行为的向量表示信息，其中，每组收费特征信息对应一个医疗行为的向量表示信息；
[0008]将多个医疗行为的向量表示信息输入至预先建立的医疗行为异常识别模型中，得到多个医疗行为的正常偏离分数；
[0009]根据多个医疗行为的正常偏离分数，综合判断医生是否具备异常的医疗行为。
[0010]第二方面，提供了一种医疗行为异常的识别装置，包括：
[0011]提取收费特征信息模块：用于获取多项收费明细单中的多组收费数据，并从收费数据中，提取生成收费特征信息，其中，所述收费明细单是由同一位医生对患者治疗后所出具的单据，每项收费明细单对应一组收费特征信息；
[0012]生成医疗行为向量表示信息模块：用于将收费特征信息输入至医疗行为向量表示模型，生成并输出多个医疗行为的向量表示信息，其中，每组收费特征信息对应一个医疗行为的向量表示信息；
[0013]计算医疗行为正常偏离分数模块：用于将多个医疗行为的向量表示信息输入至预先建立的医疗行为异常识别模型中，得到多个医疗行为的正常偏离分数；
[0014]判断异常模块：用于根据多个医疗行为的正常偏离分数，综合判断医生是否具备异常的医疗行为。
[0015]第三方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述医疗行为异常的识别方法的步骤。
[0016]第四方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述医疗行为异常的识别方法的步骤。
[0017]上述医疗行为异常的识别方法、装置、存储介质及电子设备，通过从收费明细单中提取收费特征信息，并利用一个收费特征信息来代表一个医疗行为，将医生对患者的医疗行为，由具象的收费特征信息来表示，并将基于收费特征信息所生成的医疗行为向量表示信息输入至医疗行为异常识别模型中，计算同一位医生的多个医疗行为的正常偏离分数，然后根据医疗行为的正常偏离分数，综合判断该医生是否具备异常的医疗行为。本申请，能够从医生的角度来判断医生是否存在多开药、过度安排治疗等异常医疗行为，从而进一步控制异常医疗费用的报销，提高了医疗行为异常识别的效率和准确率。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术一实施例中医疗行为异常的识别方法的一应用环境示意图；
[0020]图2是本专利技术一实施例中医疗行为异常的识别方法的一流程示意图；
[0021]图3是图2中步骤S20的一具体实施方式流程示意图；
[0022]图4是本专利技术一实施例中生成医疗行为的向量表示信息的说明示意图；
[0023]图5是图2中步骤S30的一具体实施方式流程示意图；
[0024]图6是图2中步骤S40的一具体实施方式流程示意图；
[0025]图7是本专利技术一实施例中医疗行为异常的识别装置的一结构示意图；
[0026]图8是本专利技术一实施例中计算机设备的一结构示意图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]本专利技术实施例提供的医疗行为异常的识别方法，可应用在如图1所示的应用环境中，其中，客户端通过网络与服务端进行通信。服务端可以通过客户端，获取到收费明细单中的收费数据，并从收费数据中，提取生成收费特征信息。与此同时，服务端将收费特征信息导入至医疗行为向量表示信息生成模块，生成并输出多个医疗行为的向量表示信息；并将多个医疗行为的向量表示信息导入至医疗行为正常偏离分数计算模块，得到多个医疗行
为的正常偏离分数；最后，根据多个医疗行为的正常偏离分数综合判断医生是否具备异常的医疗行为。如果判断医生具备异常的医疗行为，那么可以在客户端进行显示结果；或者是，通过服务端获取医生对应的科室邮件系统接口，通过所述邮件系统接口，将医生的异常医疗行为通知医生对应的科室。
[0029]本专利技术实施例中，通过从收费明细单中提取收费特征信息，并利用一个收费特征信息来代表一个医疗行为，将医生对患者的医疗行为，由具象的收费特征信息来表示，并将基于收费特征信息所生成的医疗行为向量表示信息输入至医疗行为异常识别模型中，计算同一位医生的多个医疗行为的正常偏离分数，然后根据医疗行为的正常偏离分数，综合判断该医生是否具备异常的医疗行为，能够从医生的角度来判断医生是否存在多开药、过度安排治疗等异常医疗行为，从而进一步控制异常医疗费用的报销。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。下面通过具体的实施例对本专利技术进行详细的描述。
[0030]请参阅图2所示，图2是本专利技术一实施例中医疗行为异常的识别方法的一流程示意图，包括如下步骤：
[0031]S10：获取多项收本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗行为异常的识别方法，其特征在于，包括：获取多项收费明细单中的多组收费数据，并从收费数据中，提取生成收费特征信息，其中，所述收费明细单是由同一位医生对患者治疗后所出具的单据，每项收费明细单对应一组收费特征信息；将收费特征信息输入至医疗行为向量表示模型，生成并输出多个医疗行为的向量表示信息，其中，每组收费特征信息对应一个医疗行为的向量表示信息；将多个医疗行为的向量表示信息输入至预先建立的医疗行为异常识别模型中，得到多个医疗行为的正常偏离分数；根据多个医疗行为的正常偏离分数，综合判断医生是否具备异常的医疗行为。2.根据权利要求1所述的方法，其特征在于，所述收费特征信息包括：收费名称、收费类型和收费金额，所述将收费特征信息输入至医疗行为向量表示模型，生成并输出多个医疗行为的向量表示信息，包括：输入第一组收费特征信息中的收费名称、收费类型和收费金额，并基于bert模型结构，输出第一个医疗行为的向量表示信息；输入第二组收费特征信息中的收费名称、收费类型和收费金额，并基于bert模型结构，输出第二个医疗行为的向量表示信息；依此类推，输入最后一组收费特征信息中的收费名称、收费类型和收费金额，并基于bert模型结构，输出最后一个医疗行为的向量表示信息。3.根据权利要求2所述的方法，其特征在于，所述收费类型包括：检验费用、药品费用、住院费用、门诊费用中的一项或多项，用于生成医疗行为向量表示信息，提高医疗行为异常识别的正确率。4.根据权利要求1所述的方法，其特征在于，所述医疗行为异常识别模型的建立，包括：获取多种疾病类型的多个医疗行为的向量表示信息；根据第一种疾病类型的多个医疗行为的向量表示信息，基于聚类算法，训练构建出第一种疾病类型的医疗行为特征信息；根据第二种疾病类型的多个医疗行为的向量表示信息，基于聚类算法，训练构建出第二种疾病类型的医疗行为特征信息；依此类推，根据最后一种疾病类型的多个医疗行为的向量表示信息，基于聚类算法，训练构建出最后一种疾病类型的医疗行为特征信息。5.根据权利要求4所述的方法，其特征在于，所述将多个医疗行为的向量表示信息输入至预先建立的医疗行为异常识别模型中，得到多个医疗行为的正常偏离分数，包括：确定第一个医疗行为的疾病类型，并将第一个医疗行为的向量表示信息与第一个医疗...

【专利技术属性】
技术研发人员：唐蕊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：