本申请提供一种医保用药审核方法、装置、电子设备及存储介质，所述医保用药审核方法，包括：获得患者的用药数据，以及医保药品用药审核规则，所述医保药品用药审核规则包括针对医保药品设置的多个使用条件，其中，各使用条件包括一个或多个子条件描述，每个子条件描述对应一个正则表达式；对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果；根据各正则表达式的参数化处理结果，对所述用药数据进行审核处理，确定所述用药数据中是否包含违规使用医保药品的用药数据。该方法摒弃了现有技术中依靠人工对患者用药数据的审核方法，在降低医保用药的监管成本的同时，提高了对医保用药的审核效率。提高了对医保用药的审核效率。提高了对医保用药的审核效率。
【技术实现步骤摘要】
一种医保用药审核方法、装置、电子设备及存储介质
[0001]本申请涉及机器学习领域，具体涉及一种无指征用药审核方法、装置、电子设备及存储介质。
技术介绍
[0002][0003]医保违规行为包括医疗机构在患者不满足医保药品使用限制条件的情况下，使用医保限制性支付的药品，并将其纳入医保报销的行为。为了加强对医保数据的监管，医保部分通常通过引入专业的医保审核团队，弥补医保部门监管人力和监管能力的不足。然而，通过引入专业的医保审核团队完成对医保数据的监管不仅耗费大量的人力物力，而且审核效率较低。
[0004]因此，如何降低医保用药的监管成本和审核效率成为本领域技术人员亟需解决的技术问题。
技术实现思路
[0005]本申请提供一种医保用药审核方法、装置、电子设备及存储介质，以降低医保用药的监管成本，并提高审核效率。
[0006]根据本申请实施例的第一方面，提供了一种医保用药审核方法，包括：
[0007]获得患者的用药数据，以及医保药品用药审核规则，所述医保药品用药审核规则包括针对医保药品设置的多个使用条件，其中，各使用条件包括一个或多个子条件描述，每个子条件描述对应一个正则表达式；
[0008]对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果；
[0009]根据各正则表达式的参数化处理结果，对所述用药数据进行审核处理，确定所述用药数据中是否包含违规使用医保药品的用药数据。
[0010]在本申请的一种可选实施方式中，所述对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果，包括：
[0011]将各正则表达式转化为能够识别用药数据的状态转移规则；
[0012]对所述状态转移规则进行参数化处理，得到参数化处理结果。
[0013]在本申请的一种可选实施方式中，还包括：
[0014]基于参数化处理结果，构建对应所述正则表达式的循环神经网络；
[0015]根据所述循环神经网络，构建用于对所述用药数据进行审核处理的用药审核模型，并将所述用药审核模型作为各正则表达式的参数化处理结果。
[0016]在本申请的一种可选实施方式中，所述将各正则表达式转化为能够识别所述用药数据的状态转移规则，包括：
[0017]将各正则表达式转化为对应的有限状态自动机；
[0018]或者，将各正则表达式转换为对应的状态转化图。
[0019]在本申请的一种可选实施方式中，在所述状态转移规则为有限状态自动机的情况下，所述对所述状态转移规则进行参数化处理，得到参数化处理结果，以及基于参数化处理结果，构建对应所述正则表达式的循环神经网络，包括：
[0020]获得所述有限状态自动机的起始状态权重、终止状态权重，以及状态转移权重张量；
[0021]其中，所述状态转移权重张量的张量矩阵中的第i行第j列的元素，用于表示响应于所述有限状态自动机中输入的用药数据序列，将所述有限状态自动机由状态i转移至状态j的状态转移权重，其中，i、j均为正整数，且i小于j；
[0022]基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及所述状态转移权重张量，构建与所述有限状态自动机对应的循环更新关系；
[0023]根据所述循环更新关系，获得所述有限状态自动机的循环神经网络。
[0024]在本申请的一种可选实施方式中，所述基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及所述状态转移权重张量，构建与所述有限状态自动机对应的循环更新关系，包括：
[0025]获得所述状态转移权重张量的张量矩阵；
[0026]基于所述张量矩阵的秩，对所述张量矩阵进行分解，获得所述张量矩阵的多个子矩阵；
[0027]基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及各子矩阵，构建所述循环神经网络的循环更新关系。
[0028]在本申请的一种可选实施方式中，所述多个子矩阵，包括：具有词表维度的第一词嵌入矩阵、具有张量维度的第一张量矩阵，以及具有张量维度的第二张量矩阵；
[0029]基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及各子矩阵，构建所述循环神经网络的循环更新关系，包括：
[0030]根据所述第一词嵌入矩阵，获得输入有限状态自动机的用药数据序列中的第t个词的词嵌入向量；
[0031]根据所述第t个词的词嵌入向量、第一张量矩阵，以及第二张量矩阵，构建所述神经网络的第t
‑
1个状态与第t个状态之间的递进关系；
[0032]根据所述递进关系、所述起始状态权重，以及所述终止状态权重，构建所述循环神经网络的循环更新关系。
[0033]在本申请的一种可选实施方式中，所述根据所述第一词嵌入矩阵，获得输入有限状态自动机的用药数据序列中的第t个词的词嵌入向量，包括：
[0034]基于预先训练的文本理解模型，获得第二词嵌入矩阵；所述预先训练的文本理解模型通过文本语义识别训练得到；
[0035]根据所述第一词嵌入矩阵和所述第二词嵌入矩阵，获得所述用药数据序列中的第t个词的词嵌入向量。
[0036]在本申请的一种可选实施方式中，所述根据所述循环神经网络，构建所述用药审核模型，包括：
[0037]获得针对所述医保药品设置的多个使用条件之间的逻辑关系，所述逻辑关系用于表示所述医保数据能够通过审核所具备的条件；
[0038]基于所述逻辑关系，构建所述用药审核模型的软聚合层；所述软聚合层用于基于各循环神经网络的输出，确定所述用药数据中是否包含违规使用医保药品的用药数据；
[0039]基于所述软聚合层和各有限状态自动机的循环神经网络，获得所述所述用药审核模型。
[0040]在本申请的一种可选实施方式中，还包括：
[0041]获得标注有审核处理结果的用药数据作为样本数据；
[0042]根据所述样本数据对所述用药审核模型进行训练，获得训练后的用药审核模型。
[0043]在本申请的一种可选实施方式中，还包括：
[0044]基于训练后获得的用药审核模型中任意循环神经网络的参数，构建与所述循环神经网络对应的有限状态机。
[0045]根据本申请实施例的第二方面，提供了一种医保用药审核装置，包括：
[0046]第一单元，用于获得患者的用药数据，以及医保药品用药审核规则，所述医保药品用药审核规则包括针对医保药品设置的多个使用条件，其中，各使用条件包括一个或多个子条件描述，每个子条件描述对应一个正则表达式；
[0047]第二单元，用于对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果；
[0048]第三单元，用于根据各正则表达式的参数化处理结果，对所述用药数据进行审核处理，确定所述用药数据中是否包含违规使用医保药品的用药数据。
[0049]根据本申请实施例的第三方面，提供了一种电子设备，包括：
[0050]处理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医保用药审核方法，其特征在于，包括：获得患者的用药数据，以及医保药品用药审核规则，所述医保药品用药审核规则包括针对医保药品设置的多个使用条件，其中，各使用条件包括一个或多个子条件描述，每个子条件描述对应一个正则表达式；对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果；根据各正则表达式的参数化处理结果，对所述用药数据进行审核处理，确定所述用药数据中是否包含违规使用医保药品的用药数据。2.根据权利要求2所述的方法，其特征在于，所述对各个正则表达式进行参数化处理，获得各正则表达式的参数化处理结果，包括：将各正则表达式转化为能够识别用药数据的状态转移规则；对所述状态转移规则进行参数化处理，得到参数化处理结果。3.根据权利要求2所述的方法，还包括：基于参数化处理结果，构建对应所述正则表达式的循环神经网络；根据所述循环神经网络，构建用于对所述用药数据进行审核处理的用药审核模型，并将所述用药审核模型作为各正则表达式的参数化处理结果。4.根据权利要求2所述的方法，其特征在于，所述将各正则表达式转化为能够识别所述用药数据的状态转移规则，包括：将各正则表达式转化为对应的有限状态自动机；或者，将各正则表达式转换为对应的状态转化图。5.根据权利要求3所述的方法，其特征在于，在所述状态转移规则为有限状态自动机的情况下，所述对所述状态转移规则进行参数化处理，得到参数化处理结果，以及基于参数化处理结果，构建对应所述正则表达式的循环神经网络，包括：获得所述有限状态自动机的起始状态权重、终止状态权重，以及状态转移权重张量；其中，所述状态转移权重张量的张量矩阵中的第i行第j列的元素，用于表示响应于所述有限状态自动机中输入的用药数据序列，将所述有限状态自动机由状态i转移至状态j的状态转移权重，其中，i、j均为正整数，且i小于j；基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及所述状态转移权重张量，构建与所述有限状态自动机对应的循环更新关系；根据所述循环更新关系，获得所述有限状态自动机的循环神经网络。6.根据权利要求5所述的方法，其特征在于，所述基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及所述状态转移权重张量，构建与所述有限状态自动机对应的循环更新关系，包括：获得所述状态转移权重张量的张量矩阵；基于所述张量矩阵的秩，对所述张量矩阵进行分解，获得所述张量矩阵的多个子矩阵；基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以及各子矩阵，构建所述循环神经网络的循环更新关系。7.根据权利要求6所述的方法，其特征在于，所述多个子矩阵，包括：具有词表维度的第一词嵌入矩阵、具有张量维度的第一张量矩阵，以及具有张量维度的第二张量矩阵；基于所述有限状态自动机的所述起始状态权重、所述终止状态权重，以...
【专利技术属性】
技术研发人员：王晨骁，周梦强，尤心心，刘喜恩，吴及，
申请(专利权)人：清华大学，
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。