医疗合理性确定方法、设备及程序产品

摘要

本申请实施例提供一种医疗合理性确定方法、设备及程序产品。在本申请实施例中，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

权利要求

1.一种医疗合理性确定方法，其特征在于，包括：获取待审核病人的医保数据；

对所述医保数据进行数据分析，以确定所述待审核病人的医疗行为路径；

对所述医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征；

根据所述医疗行为特征进行医疗合理性分析，以确定所述待审核病人的医疗合理性。

2.根据权利要求1所述的方法，其特征在于，所述对所述医保数据进行数据分析，确定所述待审核病人的医疗行为路径，包括：对所述医保数据进行文本分析，以确定所述医保数据包括的医疗实体；

根据所述医疗实体的属性，确定所述医疗实体对应的医疗行为；

按照所述医疗行为的发生顺序，对所述医疗行为进行排序，以得到所述待审核病人的医疗行为路径。

3.根据权利要求1所述的方法，其特征在于，所述对所述待审核病人的医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征，包括：将所述待审核病人的医疗行为路径输入第一网络模型；

在所述第一网络模型中，对所述医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征。

4.根据权利要求3所述的方法，其特征在于，所述将所述待审核病人的医疗行为路径对应的医疗实体输入第一网络模型，包括：按照所述医疗行为的发生顺序，将所述医疗行为路径对应的医疗实体信息依次输入所述第一网络模型的多个子模型中；

所述在所述第一网络模型中，对所述医疗行为路径对应的医疗实体进行特征提取，以得到所述待审核病人的医疗行为特征，包括：针对相邻的两个子模型，利用后一子模型对前一子模型输出的医疗行为特征以及输入所述后一子模型的医疗实体信息进行特征提取，以得到所述后一子模型输出的医疗行为特征；

确定所述多个子模型输出的医疗行为特征为所述待审核病人的医疗行为特征。

5.根据权利要求3所述的方法，其特征在于，在将所述待审核病人的医疗行为路径对应的医疗实体输入第一网络模型之前，所述方法还包括：从所述医保数据中，获取所述待审核病人的病种；

从特征提取模型中，获取所述待审核病人的病种对应的特征提取模型作为所述第一网络模型。

6.根据权利要求1‑5任一项所述的方法，其特征在于，所述根据所述医疗行为特征进行医疗合理性分析，包括：将所述医疗行为特征输入第二网络模型；

在所述第二网络模型中，根据所述医疗行为特征计算所述待审核病人的医疗合理性概率；

根据所述待审核病人的医疗合理性概率，确定所述待审核病人的医疗合理性。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：若所述待审核病人的医疗合理性为医疗不合理，将所述医疗行为特征输入第三网络模型；

在所述第三网络模型中，根据所述医疗行为特征进行医疗合理性分析，以得到所述待审核病人的医疗合理性；

其中，所述第三网络模型的训练样本是根据相似病种的医保数据以及多种并发症联合治疗的医保数据得到的医疗行为特征；

所述第二网络模型的训练样本是根据单一病种的医保数据得到的医疗行为特征。

8.根据权利要求3所述的方法，其特征在于，还包括：根据已知医疗行为合理的医保数据，确定合理医疗行为路径；

在所述合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；

以所述合理医疗行为路径为正样本，以所述不合理医疗行为路径为负样本进行模型训练，得到所述第一网络模型。

9.根据权利要求1所述的方法，其特征在于，还包括：在屏幕上显示所述待审核病人的医疗合理性；

或者，

将所述待审核病人的医疗合理性发送给发起合理性分析请求的客户端，以供所述客户端输出所述医疗合理性。

10.一种医疗合理性确定方法，其特征在于，包括：响应于医疗合理性分析请求，获取待审核病人的医保数据；

对所述医保数据进行数据分析，以确定所述待审核病人的医疗行为路径；

对所述医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征；

根据所述医疗行为特征进行医疗合理性分析，以确定所述待审核病人的医疗合理性；

将所述医疗合理性提供给发出所述合理性分析请求的客户端，以供所述客户端输出所述医疗合理性。

11.一种计算机设备，其特征在于，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；

所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行权利要求1‑10任一项所述方法中的步骤。

12.一种计算机程序产品，其特征在于，包括计算机程序；当所述计算机程序被一个或多个处理器执行可实现权利要求1‑10任一项所述的方法。

说明书

医疗合理性确定方法、设备及程序产品

技术领域

[0001] 本申请涉及数据处理技术领域，尤其涉及一种医疗合理性确定方法、设备及程序产品。

背景技术

[0002] 近年来，医疗欺诈行为受到了广泛关注。一些医疗机构，医生诊断数据造假，通过小病大治、过度医疗骗取医保以及病人资金，对医保秩序造成严重影响。因此，如何有效地识别医疗欺诈行为成为数据处理技术领域亟待解决的问题。

发明内容

[0003] 本申请的多个方面提供一种医疗合理性确定方法、设备及程序产品，用以实现自动确定医疗合理性，有助于提高医疗欺诈行为识别效率。

[0004] 本申请实施例提供一种医疗合理性确定方法，包括：

[0005] 获取待审核病人的医保数据；

[0006] 对所述医保数据进行数据分析，以确定所述待审核病人的医疗行为路径；

[0007] 对所述医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征；

[0008] 根据所述医疗行为特征进行医疗合理性分析，以确定所述待审核病人的医疗合理性。

[0009] 本申请实施例还提供一种医疗合理性确定方法，包括：

[0010] 响应于医疗合理性分析请求，获取待审核病人的医保数据；

[0011] 对所述医保数据进行数据分析，以确定所述待审核病人的医疗行为路径；

[0012] 对所述医疗行为路径进行特征提取，以得到所述待审核病人的医疗行为特征；

[0013] 根据所述医疗行为特征进行医疗合理性分析，以确定所述待审核病人的医疗合理性；

[0014] 将所述医疗合理性提供给发出所述合理性分析请求的客户端，以供所述客户端输出所述医疗合理性。

[0015] 本申请实施例还提供一种计算机设备，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；

[0016] 所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行上述医疗合理性确定方法中的步骤。

[0017] 本申请实施例还提供一种计算机程序产品，包括计算机程序；当所述计算机程序被一个或多个处理器执行可实现述医疗合理性确定方法。

[0018] 本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述医疗医疗合理性方法中的步骤。

[0019] 在本申请实施例中，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

附图说明

[0020] 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

[0021] 图1为本申请实施例提供的数据处理系统的结构示意图；

[0022] 图2为本申请实施例提高的RNN模型的结构示意图；

[0023] 图3和图4为本申请实施例提供的医疗合理性确定方法的流程示意图；

[0024] 图5为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

[0025] 为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0026] 医疗乱象时有发生。一些医疗机构，医生诊断数据造假，通过小病大治、过度医疗骗取医保以及病人资金，对医保秩序造成严重影响。

[0027] 为了有效地识别医疗欺诈行为，在本申请一些实施例中，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

[0028] 以下结合附图，详细说明本申请各实施例提供的技术方案。

[0029] 应注意到：相同的标号在下面的附图以及实施例中表示同一物体，因此，一旦某一物体在一个附图或实施例中被定义，则在随后的附图和实施例中不需要对其进行进一步讨论。

[0030] 图1为本申请实施例提供的数据处理系统的结构示意图。如图1所示，该系统包括：终端设备11和服务端设备12。

[0031] 其中，服务端设备12和终端设备11之间可以是无线或有线连接。可选地，服务端设备12可以通过移动网络和终端设备11通信连接，相应地，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD‑SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、5G、WiMax等中的任意一种。可选地，服务端设备12也可以通过蓝牙、WiFi、红外线等方式和终端设备11通信连接。

[0032] 在本实施例中，终端设备11是指用户使用的，具有用户所需计算、上网、通信等功能的计算机设备，例如可以是智能手机、平板电脑、个人电脑、穿戴设备等。在本实施例中，用户可为医护人员，也可为病人，或者医保负责人员等等。

[0033] 在本实施例中，服务端设备12是指可对医保数据管理，并响应终端设备11的服务请求，为用户提供与数据处理相关的服务的计算机设备，一般具备承担服务并保障服务的能力。服务端设备12可以为单一服务器设备，也可以云化的服务器阵列，或者为云化的服务器阵列中运行的虚拟机(Virtual Machine，VM)。另外，服务端设备也可以指具备相应服务能力的其他计算设备，例如电脑等终端设备(运行服务程序)等。

[0034] 服务端设备12可为医保系统的服务器或者医院的服务器。可选地，服务端设备12可为医保系统或医院私有云中的服务器。或者，服务端设备12也可为公有云中的服务器等。

[0035] 在本实施例中，终端设备11可响应于审核事件，向服务端设备12发送医疗合理性分析请求。相应地，服务端设备12可接收医疗合理性分析请求；并响应于医疗合理性分析请求，获取待审核病人的医保数据。其中，医保数据是指病人用于医疗报销的资料数据，可包括但不限于：病历首页、医药清单、医疗检查项清单等。其中，病历首页记录有病人个人信息、门诊诊断以及入院诊断等。医药清单可包括：医药名称、价格、数量以及开药时间等等。医药包括药品、医用耗材等。医疗检查项清单包括：医疗检查项的名称、价格以及检查时间等。

[0036] 在本申请实施例中，不限定审核事件的具体实现形式。在一些实施例中，如图1所示，终端设备11可提供医疗分析接口K1。可选地，医疗分析接口可实现为医疗分析控件K1。相应地，审核事件可实现为针对医疗分析接口K1的触发操作所产生的审核事件。

[0037] 在本申请实施例中，不限定服务端设备12获取待审核病人的医保数据的具体实施方式。在一些实施例中，医保数据可由医疗机构的医保负责人员通过其终端设备将病人的医保数据上传至医保系统；由医保系统进行医保核算。该医保可为实时报销医保，如农村医疗、社保等。基于此，在本实施例中，服务端设备12可从医疗合理性分析请求中，获取待审核病人的标识信息；并将待审核病人的标识信息从医保系统侧的服务端设备中，获取待审核病人的标识信息对应的医保数据，作为待审核病人的医保数据。其中，病人标识信息是指可唯一标识一个病人的信息。如病人标识可为病人的姓名、身份编号、社保编号等，但不限于此。其中，服务端设备12与医保系统侧的服务端设备可为同一设备，也可为不同的服务端设备。

[0038] 在另一些实施例中，医保数据为非实时报销医保，如商业保险等。用户可通过终端设备11将待审核病人的医保数据上传给服务端设备12。可选地，如图1所示，终端设备11可提供数据上传接口，如医保资料提供控件K2。用户可通过医保资料提供控件上传医保数据。终端设备11可响应于针对医保资料提供控件K2的触发操作，获取该触发操作关联的数据，作为待审核病人的医保数据。即将终端设备11通过医保资料提供控件上传的数据，作为待审核病人的医保数据。在该实施例中，终端设备11还可将待审核病人的医保数据提供给服务端设备12。可选地，终端设备11可在发起医疗合理性分析请求之前，将待审核病人的医保数据提供给服务端设备12，由服务端设备12存储病人的医保数据，并建立病人标识信息与该病人的医保数据之间的对应关系。

[0039] 进一步，用户在审核病人的医疗合理性时，可触发上述医疗审核接口K1。终端设备11可响应于针对触发医疗审核接口K1产生的审核事件，向服务端设备12发出医疗合理性分析请求。该医疗合理性分析请求可包括病人的标识信息。可选地，终端设备11可提供病人标识上传接口K3。可选地，终端设备11可提供病人标识输入控件，用户可通过该控件输入待审核病人的标识信息。在另一些实施例中，如图1所示，病人标识上传接口K3也可实现为选择控件K3，用户可通过该控件选择待审核病人的标识。相应地，终端设备11可响应于针对病人标识的选择操作，将被选中的病人标识，作为待审核病人的标识。

[0040] 服务端设备12可响应于医疗合理性分析请求，获取病人标识信息对应的医保数据，作为待审核病人的医疗数据。可选地，服务端设备12可从医疗合理性分析请求中解析出病人标识信息，并将解析出的病人标识信息在病人标识信息与该病人的医保数据之间的对应关系中进行匹配，以获取解析出的病人标识信息对应的医保数据，作为待审核病人的医保数据。

[0041] 服务端设备12在获取待审核病人的医保数据之后，可对医保数据进行数据分析，以确定待审核病人的医疗行为路径。在一些实施例中，医保数据包括：图像数据。服务端设备12可对图像数据进行文本识别，以提取图像数据包含的文本数据；进一步，服务端设备12可对文本数据进行数据分析，以确定待审核病人的医疗行为路径。可选地，服务端设备12可采用光学字符识别(Optical Character Recognition，OCR)技术对图像数据进行文本识别，来提取图像数据包含的文本数据。针对文本类的医保数据，服务端设备12可直接对文本类的医保数据进行数据分析，确定待审核病人的医疗行为数据。

[0042] 可选地，服务端设备12可对待审核病人的医保数据进行文本分析，以确定医保数据包括的医疗实体。其中，医疗实体是指可反映医疗项信息的实体词。医疗项信息可包括：医药信息、医疗检查项信息、治疗项信息等等。医药信息可包括：药品名称、数量、厂商信息以及开药时间等。如阿莫西林，3盒，A制药公司，2020年3月8号等。医疗检查项信息可包括：
检查项名称以及检查时间。其中，医疗检查项可包括：血常规、尿常规、计算机断层扫描(Computed Tomography，CT)、核磁共振检查等等。治疗项信息可包括：治疗项名称(如腹腔镜手术)以及治疗项实施时间等。

[0043] 在一些实施例中，服务端设备12可对待审核病人的医保数据进行语义分析，以从医保数据中获取关键词。可选地，服务端设备12可对医保数据进行分词处理，以得到医保数据包含的词语集合。可选地，服务端设备12可采用基于变形器的双向编码表征(Bidirectional Encoder Representations from Transformers，BERT)模型、word2vec模型、嵌入式语言模型(Embedding from language model，ELMo模型)或生成前向训练(Generative pre‑train model，GPT)模型等词向量模型对医保数据进行分词处理，得到医保数据包含的词语集合。

[0044] 进一步，服务端设备12可对词语集合进行属性识别，以确定词语集合中各词语的属性；之后，根据词语集合中各词语的属性，确定反映医疗实体的关键词，作为医保数据包括的医疗实体。可选地，可根据词语集合中的各词语的属性，选择出词语属性为目标属性的关键词。其中，目标属性可为医疗项信息的描述项。如治疗项名称、医药名称、医疗检查项名称等等。

[0045] 进一步，服务端设备12可根据医疗实体的属性，确定医疗实体对应的医疗行为。例如，可确定医疗检查项的医疗行为为医疗检查；药品的医疗行为为开处方等；治疗项的医疗行为为药物治疗或手术治疗等。

[0046] 进一步，服务端设备12可根据医疗行为的发生顺序，对医疗行为进行排序，以得到待审核病人的医疗行为路径。其中，待审核病人的医疗行为路径可实现为序列化的医疗项信息，如根据医疗行为的发生顺序排列的医疗项信息序列。如血常规检查信息‑>肝功检查信息‑>CT信息‑>彩超信息‑>药物B信息(治疗肝炎的药物)等。

[0047] 考虑到病人的医疗行为路径可反映医疗行为的顺序特征，而且医疗行为路径中包含的医疗项信息可反映该医疗项的特征，基于此，服务端设备12可对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征。

[0048] 可选地，服务端设备12可将待审核病人的医疗行为路径输入网络模型；在该网络模型中，对医疗行为路径进行特征提取，得到待审核病人的医疗行为特征。在本申请实施例中，不限定网络模型的具体实现形式。可选地，网络模型可实现为多输入多输出的网络模型；如循环神经网络(Recurrent Neural Network，RNN)模型或长短期记忆网络(long short‑term memory，LSTM)模型等；当然也可实现为其它形式的网络模型，如卷积神经网络(CNN)模型、深度神经网络(DNN)模型或者决策树模型等等。

[0049] 考虑到不同病种的医疗行为路径不同，因此，可为每个病种单独训练出对应的网络模型，来对该病种的医疗行为路径进行特征提取。其中，为了便于描述和区分，在本申请实施例中，将对医疗行为路径进行特征提取的网络模型，统称为特征提取模型；并将上述对待审核病人的医疗行为路径进行特征提取的网络模型，定义为第一网络模型。基于上述每个病种分别对应一个特征提取模型的实施方式，在本实施例中，可从待审核病人的医保数据中，获取待审核病人的病种；并从特征提取模型中，获取待审核病人的病种对应的特征提取模型作为上述对待审核病人的医疗行为特征进行特征提取的第一网络模型。

[0050] 针对多输入多输出的网络模型，可按照医疗行为的发生顺序，将医疗行为路径对应的医疗实体信息依次输入网络模型的多个子模型中；在该网络模型中，针对相邻的两个子模型，可利用后一子模型对前一子模型输出的医疗行为特征以及输入至后一子模型的医疗实体信息进行特征提取，以得到后一子模型输出的医疗行为特征；以及，确定多个子模型输出的医疗行为特征为待审核病人的医疗行为特征。例如，图2所示的多输入多输出的RNN模型，在图2中，x1‑xk分别表示输入到多个子模型中的k个医疗实体信息，y1‑yk分别表示多个子模型输出的医疗行为特征，即待审核病人的医疗行为特征。

[0051] 无论第一网络模型采用何种形式进行实现，在使用第一网络模型对病人行为路径进行特征提取之前，还需对第一网络模型进行训练。在本实施例中，为了实现对第一网络模型的训练，可根据已知医疗行为合理的医保数据，确定合理医疗行为路径；并在合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；之后，以合理医疗行为路径为正样本，以不合理医疗行为路径为负样本进行模型训练，得到第一网络模型。

[0052] 针对不同病种对应不同的特征提取模型的实施例，可采用对应病种下的已知医疗行为合理的医保数据，确定合理医疗行为路径；并在合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；之后，以合理医疗行为路径为正样本，以不合理医疗行为路径为负样本进行模型训练，得到对应病种对应的特征提取模型。

[0053] 在获取待审核病人的医疗行为特征之后，服务端设备12可根据医疗行为特征进行合理性分析，以确定待审核病人的医疗合理性。其中，医疗合理性包括医疗合理和医疗不合理。

[0054] 可选地，服务端设备12可将待审核病人的医疗行为特征输入第二网络模型，在第二网络模型中，根据待审核病人的医疗行为特征计算待审核病人的医疗合理性概率；之后，根据待审核病人的医疗合理性概率，确定待审核病人的合理性。可选地，可将根据待审核病人的医疗行为特征，计算待审核病人的医疗行为合理和不合理的概率；并将医疗行为合理和不合理中概率较大的合理性，确定为待审核病人的医疗合理性。

[0055] 其中，第二网络模型可实现为第一网络模型的分类器，如第一网络模型的激活函数层、决策树模型或者其它神经网络模型等等。激活函数可为为softmax函数、tanh函数、sigmoid函数或者Relu函数等。

[0056] 在本申请实施例中，第二网络模型可根据单一病种的医保数据得到的医疗行为特征训练得到。由于不同病种的医疗行为特征不同，因此，单一病种的医疗行为特征训练得到的第二网络模型对该病种的近似病种以及多种并发症的医疗行为特征进行合理性分析时，可能导致合理性分析结果出错。基于此，在本申请实施例中，还可针对近似病种和多种并发症，训练医疗合理性分析模型，定义为第三网络模型。可选地，第三网络模型可实现为复杂的分类器，如模糊神经网络等等。

[0057] 第三网络模型可以相似病种的医保数据以及多种并发症联合治疗的医保数据得到的医疗行为特征为训练样本进行模型训练。具体地，可获取已知病种为相似病种的多个病种的医保数据以及多种并发症联合治疗的医保数据；并对相似病种的医保数据以及多种并发症联合治疗的医保数据进行数据分析，以确定相似病种的医疗行为路径以及多种并发症联合治疗的医疗行为路径；采用人工标注的方式对相似病种的医疗行为路径以及多种并发症联合治疗的医疗行为路径进行合理性标注，从中获取已知医疗行为合理的相似病种的医疗行为路径以及医疗行为合理的多种并发症联合治疗的医疗行为路径。

[0058] 进一步，将已知医疗行为合理的相似病种的医疗行为路径分别输入相应病种对应的第一网络模型，在第一网络模型中，对已知医疗行为合理的相似医保的医疗行为路径进行特征提取，以得到相似病种的合理医疗行为特征；以及将已知医疗行为合理的多种并发症联合治疗的医疗行为特征输入相应病种对应的第一网络模型，在第一网络模型中，对多种并发症联合治疗的医疗行为路径进行特征提取，以得到多种并发症联合治疗的合理医疗行为特征。进一步，可以相似病种的合理医疗行为特征和多种并发症联合治疗的合理医疗行为特征为训练样本，进行模型训练，得到第三网络模型。

[0059] 进一步，为了提高医疗合理性分析结果的准确度，降低因为相似病种或多种并发症联合治疗导致医疗合理性分析出错的概率，在本实施例中，针对上述利用第二网络模型的医疗合理性为医疗不合理的情况，可将待审核病人的医疗行为特征输入第三网络模型；在第三网络模型中，可根据医疗行为特征进行医疗合理性分析，以得到待审核病人的医疗合理性。由于第三网络模型是以根据相似病种的医保数据以及多种并发症联合治疗的医保数据得到的医疗行为特征得到的，因此，使用第三网络模型进行医疗合理性分析，可提高相似病种与并发症的模糊隶属度，降低合理性分析分类的失误率。

[0060] 进一步，如图1所示，服务端设备12还可将待审核病人的医疗合理性(即医疗合理性分析结果)提供给终端设备11。相应地，终端设备11可接收待审核病人的医疗合理性，并输出待审核病人的医疗合理性。可选地，终端设备11可在屏幕上显示待审核病人的医疗合理性；和/或，通过音频组件播放待审核病人的医疗合理性等等。

[0061] 本实施例提供的数据处理系统，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

[0062] 除了上述系统实施例之外，本申请实施例还提供病种识别方法，下面对本申请实施例提供的病种识别方法进行示例性说明。

[0063] 图3为本申请实施例提供的病种识别方法的流程示意图。如图3所示，该方法包括：

[0064] 301、获取待审核病人的医保数据。

[0065] 302、对医保数据进行数据分析，以确定待审核病人的医疗行为路径。

[0066] 303、对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征。

[0067] 304、根据医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性。

[0068] 本实施例提供的医疗合理性确定方法可部署于任意计算机设备。例如，可部署于用户的终端设备上，也可部署于服务端设备上。无论本实施例提供的医疗合理性确定方法的执行主体为哪种设备，在步骤301中，可获取待审核病人的医保数据。其中，医保数据的描述可参见上述系统实施例的相关内容，在此不再赘述。

[0069] 对于终端设备来说，可提供医保数据提供控件。用户可通过医保数据提供控件上传医保数据。针对终端设备来说，可响应于针对医保数据提供控件的触发操作，获取该触发操作关联的数据，作为待审核病人的医保数据。即获取用户通过医保数据提供控件上传的数据，作为待审核病人的医保数据。

[0070] 或者，终端设备也可从存储介质中读取待审核病人的医保数据。其中，存储介质可为终端设备上固设的硬盘，也可为云存储器，或者为U盘等外接存储介质等等。可选地，终端设备可提供病人标识选择控件，用户可通过该控件确定待审核病人。相应地，终端设备可响应于针对病人标识选择控件的触发操作，获取被选中的病人标识作为待审核病人的标识信息。进一步，终端设备可将待审核病人的标识信息在存储的病人标识与医保数据之间的对应关系中进行匹配，以确定待审核病人的医保数据。

[0071] 针对服务端设备，可从接收到的医疗合理性分析请求中解析出待审核病人的标识信息；将待审核病人的标识信息在病人标识信息与病历数据之间的对应关系中进行匹配，以获取待审核病人的医保数据。

[0072] 在获取待审核病人的医保数据之后，接着，在步骤302中，可可对医保数据进行数据分析，以确定待审核病人的医疗行为路径。在一些实施例中，医保数据包括：图像数据。可对图像数据进行文本识别，以提取图像数据包含的文本数据；进一步，可对文本数据进行数据分析，以确定待审核病人的医疗行为路径。可选地，可采用OCR技术对图像数据进行文本识别，来提取图像数据包含的文本数据。针对文本类的医保数据，可直接对文本类的医保数据进行数据分析，确定待审核病人的医疗行为数据。

[0073] 可选地，可对待审核病人的医保数据进行文本分析，以确定医保数据包括的医疗实体。进一步，可根据医疗实体的属性，确定医疗实体对应的医疗行为。之后，可根据医疗行为的发生顺序，对医疗行为进行排序，以得到待审核病人的医疗行为路径。

[0074] 考虑到病人的医疗行为路径可反映医疗行为的顺序特征，而且医疗行为路径中包含的医疗项信息可反映该医疗项的特征，基于此，在步骤303中，可对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征。

[0075] 可选地，可将待审核病人的医疗行为路径输入网络模型；在该网络模型中，对医疗行为路径进行特征提取，得到待审核病人的医疗行为特征。

[0076] 考虑到不同病种的医疗行为路径不同，因此，可为每个病种单独训练出对应的网络模型，来对该病种的医疗行为路径进行特征提取。其中，为了便于描述和区分，在本申请实施例中，将对医疗行为路径进行特征提取的网络模型，统称为特征提取模型；并将上述对待审核病人的医疗行为路径进行特征提取的网络模型，定义为第一网络模型。基于上述每个病种分别对应一个特征提取模型的实施方式，在本实施例中，可从待审核病人的医保数据中，获取待审核病人的病种；并从特征提取模型中，获取待审核病人的病种对应的特征提取模型作为上述对待审核病人的医疗行为特征进行特征提取的第一网络模型。

[0077] 针对多输入多输出的网络模型，可按照医疗行为的发生顺序，将医疗行为路径对应的医疗实体信息依次输入网络模型的多个子模型中；在该网络模型中，针对相邻的两个子模型，可利用后一子模型对前一子模型输出的医疗行为特征以及输入至后一子模型的医疗实体信息进行特征提取，以得到后一子模型输出的医疗行为特征；以及，确定多个子模型输出的医疗行为特征为待审核病人的医疗行为特征。

[0078] 无论第一网络模型采用何种形式进行实现，在使用第一网络模型对病人行为路径进行特征提取之前，还需对第一网络模型进行训练。在本实施例中，为了实现对第一网络模型的训练，可根据已知医疗行为合理的医保数据，确定合理医疗行为路径；并在合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；之后，以合理医疗行为路径为正样本，以不合理医疗行为路径为负样本进行模型训练，得到第一网络模型。

[0079] 针对不同病种对应不同的特征提取模型的实施例，可采用对应病种下的已知医疗行为合理的医保数据，确定合理医疗行为路径；并在合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；之后，以合理医疗行为路径为正样本，以不合理医疗行为路径为负样本进行模型训练，得到对应病种对应的特征提取模型。

[0080] 在获取待审核病人的医疗行为特征之后，在步骤304中，可根据医疗行为特征进行合理性分析，以确定待审核病人的医疗合理性。其中，医疗合理性包括医疗合理和医疗不合理。

[0081] 可选地，可将待审核病人的医疗行为特征输入第二网络模型，在第二网络模型中，根据待审核病人的医疗行为特征计算待审核病人的医疗合理性概率；之后，根据待审核病人的医疗合理性概率，确定待审核病人的合理性。可选地，可将根据待审核病人的医疗行为特征，计算待审核病人的医疗行为合理和不合理的概率；并将医疗行为合理和不合理中概率较大的合理性，确定为待审核病人的医疗合理性。

[0082] 在本申请实施例中，第二网络模型可根据单一病种的医保数据得到的医疗行为特征训练得到。由于不同病种的医疗行为特征不同，因此，单一病种的医疗行为特征训练得到的第二网络模型对该病种的近似病种以及多种并发症的医疗行为特征进行合理性分析时，可能导致合理性分析结果出错。基于此，在本申请实施例中，还可针对近似病种和多种并发症，训练医疗合理性分析模型，定义为第三网络模型。关于第三网络模型的训练过程可参见上述系统实施例的相关内容，在此不再赘述。

[0083] 进一步，为了提高医疗合理性分析结果的准确度，降低因为相似病种或多种并发症联合治疗导致医疗合理性分析出错的概率，在本实施例中，针对上述利用第二网络模型的医疗合理性为医疗不合理的情况，可将待审核病人的医疗行为特征输入第三网络模型；在第三网络模型中，可根据医疗行为特征进行医疗合理性分析，以得到待审核病人的医疗合理性。由于第三网络模型是以根据相似病种的医保数据以及多种并发症联合治疗的医保数据得到的医疗行为特征得到的，因此，使用第三网络模型进行医疗合理性分析，可提高相似病种与并发症的模糊隶属度，降低合理性分析分类的失误率。

[0084] 进一步，若医疗合理性确定方法的执行主体为终端设备，则可在屏幕上显示待审核病人的医疗合理性结果(如医疗合理或不合理)；和/或，通过音频组件播放审核病人的病种。若医疗合理性确定方法的执行主体为服务端设备，则还可将待审核病人的医疗合理性结果发送给发起上述医疗合理性分析请求的客户端(如终端设备)。相应地，客户端可接收待审核病人的医疗合理性结果，并输出待审核病人的医疗合理性结果。

[0085] 在本实施例中，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

[0086] 本申请实施例提供的医疗合理性确定方法可部署于任意计算机设备。可选地，本申请实施例提供的医疗合理性确定方法还可部署于云端，作为一种SaaS服务。对于部署有该SaaS服务的服务端设备，可响应于其它客户端设备的服务请求，执行上述医疗合理性分析中的步骤。具体实施方式如图4所示，该方法主要包括：

[0087] 401、响应于医疗合理性分析请求，获取待审核病人的医保数据。

[0088] 402、对医保数据进行数据分析，以确定待审核病人的医疗行为路径。

[0089] 403、对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征。

[0090] 404、根据医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性。

[0091] 405、将医疗合理性提供给发出合理性分析请求的客户端，以供客户端输出医疗合理性。

[0092] 本实施例提供的医疗合理性确定方法，可部署于云端，向用户提供医疗合理性分析服务。其中，云端可为医院或医保系统的私有云，也可为公有云。针对部署该医疗合理性确定方法的服务端设备，可在步骤401中，响应于医疗合理性分析请求，获取待审查病人的医保数据。可选地，服务端设备可向使用方提供应用程序接口(API)，服务请求方可调用该API调用医疗合理性分析服务。相应地，医疗合理性分析请求实现为调用API所产生的调用事件。其中，服务请求方与服务端设备可通信连接，其通信连接方式可参见上述实施例的相关内容，在此不再赘述。或者，服务请求方也可通过远程过程调用(Remote Procedure Call，RPC)或远程直接数据存取(Remote Direct Memory Access，RDMA)技术调用医疗合理性分析服务。

[0093] 其中，关于步骤401‑404的描述，可参见上述图3及其可选实施方式中的相关内容。进一步，在确定出待审核病人的病种之后，还可将待审核病人的医疗合理性提供给发送医疗合理性分析请求的客户端。对于客户端，可接收待审核病人的医疗合理性结果，并输出待审核病人的医疗合理性等。关于客户端输出待审核病人的病种的具体实施方式，可参见上述实施例的相关内容，在此不再赘述。

[0094] 在本实施例中，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

[0095] 需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤401和402的执行主体可以为设备A；又比如，步骤401的执行主体可以为设备A，步骤402的执行主体可以为设备B；等等。

[0096] 另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如401、402等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。

[0097] 相应地，本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述医疗医疗合理性方法中的步骤。

[0098] 本申请实施例还提供一种计算机程序产品，包括：计算机程序；当计算机程序被处理器执行可实现上述各医疗合理性确定方法。该计算机程序产品可以是医保审核系统应用软件，也可以是Web应用软件，或者是SaaS软件等等。

[0099] 图5为本申请实施例提供的计算机设备的结构示意图。如图5所示，该计算机设备包括：存储器50a和处理器50b；其中，存储器50a，用于存储计算机程序。

[0100] 处理器50b耦合至存储器50a，用于执行计算机程序以用于：获取待审核病人的医保数据；对医保数据进行数据分析，以确定待审核病人的医疗行为路径；并对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征；以及，根据医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性。

[0101] 可选地，处理器50b对医保数据进行数据分析时，具体用于：对医保数据进行文本分析，以确定医保数据包括的医疗实体；根据医疗实体的属性，确定医疗实体对应的医疗行为；以及，按照医疗行为的发生顺序，对医疗行为进行排序，以得到待审核病人的医疗行为路径。

[0102] 进一步，处理器50b在对待审核病人的医疗行为路径进行特征提取时，具体用于：将待审核病人的医疗行为路径输入第一网络模型；在第一网络模型中，对医疗行为路径进行特征提取，以得到待审核病人的医疗行为特征。

[0103] 可选地，处理器50b在将待审核病人的医疗行为路径对应的医疗实体输入第一网络模型时，具体用于：按照医疗行为的发生顺序，将医疗行为路径对应的医疗实体信息依次输入第一网络模型的多个子模型中。

[0104] 相应地，处理器50b对医疗行为路径对应的医疗实体进行特征提取时，具体用于：针对相邻的两个子模型，利用后一子模型对前一子模型输出的医疗行为特征以及输入后一子模型的医疗实体信息进行特征提取，以得到后一子模型输出的医疗行为特征；并确定多个子模型输出的医疗行为特征为待审核病人的医疗行为特征。

[0105] 可选地，处理器50b还用于：在将待审核病人的医疗行为路径对应的医疗实体输入第一网络模型之前，从医保数据中，获取待审核病人的病种；以及，从特征提取模型中，获取待审核病人的病种对应的特征提取模型作为第一网络模型。

[0106] 在另一些实施例中，处理器50b在根据医疗行为特征进行医疗合理性分析时，具体用于：将医疗行为特征输入第二网络模型；在第二网络模型中，根据医疗行为特征计算待审核病人的医疗合理性概率；根据待审核病人的医疗合理性概率，确定待审核病人的医疗合理性。

[0107] 可选地，处理器50b还用于：若待审核病人的医疗合理性为医疗不合理，将医疗行为特征输入第三网络模型；在第三网络模型中，根据医疗行为特征进行医疗合理性分析，以得到待审核病人的医疗合理性；其中，第三网络模型的训练样本是根据相似病种的医保数据以及多种并发症联合治疗的医保数据得到的医疗行为特征；第二网络模型的训练样本是根据单一病种的医保数据得到的医疗行为特征。

[0108] 在本申请一些实施例中，处理器50b还用于：根据已知医疗行为合理的医保数据，确定合理医疗行为路径；在合理医疗行为路径中增加不合理医疗行为，以得到不合理医疗行为路径；以及，以合理医疗行为路径为正样本，以不合理医疗行为路径为负样本进行模型训练，得到第一网络模型。

[0109] 在一些实施例中，处理器50b在获取待审核病人的病历数据时，具体用于：响应于针对病历提供控件的触发操作，获取触发操作所关联的数据，作为待审核病人的病历数据。

[0110] 可选地，计算机设备可实现为用户侧的终端设备。处理器50b还用于：在屏幕50c上显示待审核病人的医疗合理性。

[0111] 在另一些实施例中，计算机设备可实现为服务端设备。处理器50b在获取待审核病人的病历数据时，具体用于：从接收到的医疗合理性分析请求中解析出待审核病人的标识信息；将待审核病人的标识信息在预存的病人标识信息与医保数据之间的对应关系中进行匹配，以获取待审核病人的医保数据。

[0112] 相应地，处理器50b还用于：通过通信组件50d将待审核病人的医疗合理性发送给提供发起医疗合理性分析请求的客户端，以供客户端输出待审核病人的医疗合理性。

[0113] 在一些可选实施方式中，如图5所示，该计算机设备还可以包括：电源组件50e、音频组件50f等可选组件。图5中仅示意性给出部分组件，并不意味着计算机设备必须包含图5所示全部组件，也不意味着计算机设备只能包括图5所示组件。

[0114] 本申请实施例提供的计算机设备，可对待审核病人的医保数据进行数据分析，确定待审核病人的医疗行为路径；对该病人的医疗行为路径进行特征提取，并根据提取的待审核病人的医疗行为特征进行医疗合理性分析，以确定待审核病人的医疗合理性，可自动确定医疗合理性，有助于提高医疗欺诈行为的识别效率。

[0115] 在本申请实施例中，存储器用于存储计算机程序，并可被配置为存储其它各种数据以支持在其所在设备上的操作。其中，处理器可执行存储器中存储的计算机程序，以实现相应控制逻辑。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

[0116] 在本申请实施例中，处理器可以为任意可执行上述方法逻辑的硬件处理设备。可选地，处理器可以为中央处理器(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)或微控制单元(Microcontroller Unit，MCU)；也可以为现场可编程门阵列(Field‑Programmable Gate Array，FPGA)、可编程阵列逻辑器件(Programmable Array Logic，PAL)、通用阵列逻辑器件(General Array Logic，GAL)、复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)等可编程器件；或者为先进精简指令集(RISC)处理器(Advanced RISC Machines，ARM)或系统芯片(System on Chip，SOC)等等，但不限于此。

[0117] 在本申请实施例中，通信组件被配置为便于其所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，4G，5G或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还可基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其他技术来实现。

[0118] 在本申请实施例中，显示组件可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示组件包括触摸面板，显示组件可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

[0119] 在本申请实施例中，电源组件被配置为其所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。

[0120] 在本申请实施例中，音频组件可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(MIC)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。例如，对于具有语言交互功能的设备，可通过音频组件实现与用户的语音交互等。

[0121] 需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

[0122] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0123] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0124] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0125] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0126] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

[0127] 内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

[0128] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0129] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

[0130] 以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。