【技术实现步骤摘要】
本专利技术涉及医保支付，尤其涉及一种治疗项目向量库构建方法及费用转移行为检测方法。
技术介绍
1、疾病诊断相关分组(diagnosis related groups，drg)支付作为一种以病例为基础的医疗费用结算方式，被引入以提高医疗资源的有效配置，降低过度治疗的风险，并鼓励医疗机构提供更加经济高效的医疗服务。drg支付的引入旨在提高医疗服务的效率与透明度，但同时也伴随着一些潜在的风险，例如可能存在的医疗费用转移的违规行为。
2、对于drg支付中费用转移行为的检测，现有方案主要采用人工审核的方式实现。该方式要求审查医生凭借自身的专业医学知识，对医疗费用中的特定项目是否存在费用转移行为进行明确判断。
3、然而，对于人工审核的方式，审查医生的医学知识只能覆盖对于部分诊疗项目和药品的判断，难以准确判断所有项目是否存在费用转移行为。而且，逐一核实大量的可疑项目及其费用需要耗费大量时间和人力资源，导致审核效率低下。同时，人工审核的准确率也可能受到人为主观判断的影响，从而可能遗漏一些转嫁费用行为，或者误判一些正当的费用报销。
技术实现思路
1、本专利技术提供一种治疗项目向量库构建方法及费用转移行为检测方法，用以解决现有技术中存在的缺陷。
2、本专利技术提供一种治疗项目向量库构建方法，包括：
3、确定各主要诊断及其必要治疗项目，并将每个主要诊断及其必要治疗项目组成的目标文本的词嵌入向量以及词权重向量进行拼接；
4、将拼接结果输入至目标医
5、基于每个目标文本的语义向量表示，构建所述治疗项目向量库；
6、其中，所述目标医学语言模型基于训练样本集对初始语言模型进行训练得到，所述训练样本集将每个目标文本作为正样本，将每个主要诊断及其他主要诊断的必要治疗项目组成的非目标文本作为负样本。
7、根据本专利技术提供的一种治疗项目向量库构建方法，所述初始语言模型基于如下步骤训练得到：
8、基于通用语言模型，确定每个主要诊断对应的相关信息，所述相关信息包括相关治疗项目；
9、基于医疗知识库，获取所述相关治疗项目的知识信息；
10、基于各主要诊断、每个主要诊断对应的相关信息以及所述知识信息，构建训练语料库；
11、基于所述训练语料库，对基础医学语言模型进行训练，得到所述初始语言模型。
12、根据本专利技术提供的一种治疗项目向量库构建方法，所述基于所述训练语料库，对基础医学语言模型进行训练，得到所述初始语言模型，包括：
13、基于所述训练语料库，在掩码语言模型任务和下一句预测任务下，或在掩码语言模型任务、下一句预测任务和掩码实体预测任务下，对所述基础医学语言模型进行训练，得到所述初始语言模型。
14、根据本专利技术提供的一种治疗项目向量库构建方法，所述目标医学语言模型基于如下步骤训练得到：
15、确定所述训练样本集中每个样本的词嵌入向量以及词权重向量，并将每个样本的词嵌入向量和词权重向量进行拼接，将拼接结果输入至所述初始语言模型，得到所述初始语言模型输出的每个样本的表征向量；
16、基于每个样本的表征向量中主要诊断对应的第一表征子向量与必要治疗项目对应的第二表征子向量之间的相似度，以及每个样本的相似度标签，采用相似度损失函数，对所述初始语言模型的结构参数进行迭代更新，得到所述目标医学语言模型。
17、根据本专利技术提供的一种治疗项目向量库构建方法，各主要诊断基于对应的主要诊断名称进行标识。
18、本专利技术还提供一种费用转移行为检测方法，包括：
19、采集患者的目标病历数据，所述目标病历数据包括目标主要诊断、病历文本和费用结算清单文本；
20、确定所述病历文本的第一语义向量表示及所述费用结算清单文本的第二语义向量表示，并基于所述目标主要诊断，确定治疗项目向量库中所述目标主要诊断的目标必要治疗项目的第三语义向量表示；
21、基于所述第一语义向量表示、所述第二语义向量表示以及所述第三语义向量表示，检测所述患者是否存在费用转移行为；
22、其中，所述治疗项目向量库基于上述的治疗项目向量库构建方法构建得到。
23、根据本专利技术提供的一种费用转移行为检测方法，所述第一语义向量表示、所述第二语义向量表示所述第三语义向量表示均包括多个向量表示分量；
24、所述基于所述第一语义向量表示、所述第二语义向量表示以及所述第三语义向量表示，检测所述患者是否存在费用转移行为，包括：
25、对于所述第三语义向量表示中的任一向量表示分量，若所述第一语义向量表示中存在向量表示分量与所述任一向量表示分量之间的相似度大于或等于相似度阈值，且所述第二语义向量表示中存在向量表示分量与所述任一向量表示分量之间的相似度均大于或等于所述相似度阈值，则确定所述患者不存在费用转移行为。
26、本专利技术还提供一种治疗项目向量库构建一体机，包括存储器、处理器、存储在所述存储器上的目标医学语言模型以及存储在所述存储器上并可在所述处理器上运行的计算机程序；
27、所述处理器执行所述计算机程序时，调用所述目标医学语言模型以实现上述的治疗项目向量库构建方法。
28、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的治疗项目向量库构建方法或费用转移行为检测方法。
29、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的治疗项目向量库构建方法或费用转移行为检测方法。
30、本专利技术提供的治疗项目向量库构建方法及费用转移行为检测方法，该治疗项目向量库构建方法首先确定各主要诊断及其必要治疗项目，并将每个主要诊断及其必要治疗项目组成的目标文本的词嵌入向量以及词权重向量进行拼接；然后将拼接结果输入至目标医学语言模型，得到目标医学语言模型输出的每个目标文本的语义向量表示；最后基于每个目标文本的语义向量表示，构建治疗项目向量库。该构建方法中通过将词嵌入向量以及词权重向量进行拼接，可以突出目标文本中的重要词，为目标医学语言模型确定出与主要诊断强相关的必要治疗项目的语义向量表示提供指导作用，使得到的语义向量表示更加准确。进而，通过每个目标文本的语义向量表示构建的治疗项目向量库，可以为后续在语义级别对费用转移行为进行自动检测提供更加准确的数据支持，提高检测结果的准确性，使检测结果更加可靠。而且，该治疗项目向量库的构建不受医生经验的限制，也不需要引入治疗项目的编码，通用性较强。
本文档来自技高网...【技术保护点】
1.一种治疗项目向量库构建方法，其特征在于，包括：
2.根据权利要求1所述的治疗项目向量库构建方法，其特征在于，所述初始语言模型基于如下步骤训练得到：
3.根据权利要求2所述的治疗项目向量库构建方法，其特征在于，所述基于所述训练语料库，对基础医学语言模型进行训练，得到所述初始语言模型，包括：
4.根据权利要求1-3中任一项所述的治疗项目向量库构建方法，其特征在于，所述目标医学语言模型基于如下步骤训练得到：
5.根据权利要求1-3中任一项所述的治疗项目向量库构建方法，其特征在于，各主要诊断基于对应的主要诊断名称进行标识。
6.一种费用转移行为检测方法，其特征在于，包括：
7.根据权利要求6所述的费用转移行为检测方法，其特征在于，所述第一语义向量表示、所述第二语义向量表示所述第三语义向量表示均包括多个向量表示分量；
8.一种治疗项目向量库构建一体机，其特征在于，包括存储器、处理器、存储在所述存储器上的目标医学语言模型以及存储在所述存储器上并可在所述处理器上运行的计算机程序；
9.一种非暂态
10.一种计算机程序产品，其特征在于，包括计算机程序和目标医学语言模型；
...【技术特征摘要】
1.一种治疗项目向量库构建方法，其特征在于，包括：
2.根据权利要求1所述的治疗项目向量库构建方法，其特征在于，所述初始语言模型基于如下步骤训练得到：
3.根据权利要求2所述的治疗项目向量库构建方法，其特征在于，所述基于所述训练语料库，对基础医学语言模型进行训练，得到所述初始语言模型，包括：
4.根据权利要求1-3中任一项所述的治疗项目向量库构建方法，其特征在于，所述目标医学语言模型基于如下步骤训练得到：
5.根据权利要求1-3中任一项所述的治疗项目向量库构建方法，其特征在于，各主要诊断基于对应的主要诊断名称进行标识。
6.一种费用转移行为检测方法，其特征在于，包括：<...
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。