医疗数据风险识别方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114240677A(43)申请公布日2022.03.25(21)申请号202111529425.8(22)申请日2021.12.14(71)申请人平安医疗健康管理股份有限公司地址200001上海市黄浦区北京东路666号H区（东座）12G室(72)发明人吴子涵(74)专利代理机构深圳市赛恩倍吉知识产权代理有限公司44334代理人陈海云严林(51)Int.Cl.G06Q40/08(2012.01)G06Q10/06(2012.01)G06N20/00(2019.01)权利要求书2页说明书13页附图2页(54)发明名称医疗数据风险识别方法、装置、电子设备及存储介质(57)摘要本发明涉及人工智能技术领域，提供一种医疗数据风险识别方法、装置、电子设备及存储介质，通过目标用户的核保查询请求确定目标数据源，从而从目标数据源中精准的获取目标用户的医疗数据，精准的获取目标用户的医疗数据有助于提高后续基于医疗数据识别目标用户的医疗风险的准确度，在确定目标用户的意向保险产品后，通过匹配与意向保险产品的类型对应的初始核保决策树模型，从而对初始核保决策树模型进行规则配置，得到目标核保决策树模型，最后使用目标核保决策树模型基于所述医疗数据进行核保识别，并根据所述目标核保决策树模型中的多颗决策树的识别结果输出核保查询结果，提高了风险识别的效率和准确度。CN114240677ACN114240677A权利要求书1/2页1.一种医疗数据风险识别方法，其特征在于，所述方法包括：接收对目标用户的核保查询请求，根据所述核保查询请求确定目标数据源；从所述目标数据源获取所述目标用户的医疗数据；根据所述核保查询请求获取所述目标用户的意向保险产品，并匹配与所述意向保险产品的类型对应的初始核保决策树模型；对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型，所述目标核保决策树模型包括多颗决策树；使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果，并根据多颗所述决策树的识别结果输出核保查询结果。2.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述根据所述核保查询请求确定目标数据源包括：获取所述核保查询请求中所述目标用户的意向投保地区及授权机构标识；根据地区机构映射表确定所述意向投保地区对应的多个数据机构标识；根据所述授权机构标识从所述多个数据机构标识中获取目标数据机构标识；将所述目标数据机构标识对应的数据机构确定为所述目标数据源。3.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述从所述目标数据源获取所述目标用户的医疗数据包括：从所述目标数据源获取所述目标用户的初始医疗数据集，所述初始医疗数据集中的每条初始医疗数据包括病人描述信息和医疗描述信息；对所述初始医疗数据集进行采样，得到与所述初始医疗数据集具有相同数据分布的医疗样本集；在所述医疗样本集中确定医疗描述值，使得包括所述医疗描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第一预设阈值；在所述医疗样本集中获取与所述医疗描述值对应的病人描述值，使得包括所述病人描述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第二预设阈值；在所述初始医疗数据集中查找包括所述医疗描述值但不包括所述病人描述值的初始医疗数据；将查找到的初始医疗数据作为所述目标用户的医疗数据。4.如权利要求1所述的医疗数据风险识别方法，其特征在于，所述对所述初始核保决策树模型进行规则配置，得到目标核保决策树模型包括：判断是否从所述医疗数据中获取到所述目标用户的就医记录标识；当从所述医疗数据中获取到所述目标用户的就医记录标识时，计算所述就医记录标识的个数；根据所述个数配置决策树的数量；根据所述决策树的数量生成目标核保决策树模型。5.如权利要求1至4中任意一项所述的医疗数据风险识别方法，其特征在于，所述使用所述目标核保决策树模型基于所述医疗数据进行核保识别，得到所述目标核保决策树模型中每颗决策树的识别结果包括：2CN114240677A权利要求书2/2页获取所述医疗数据中每个所述就医记录标识对应的诊疗数据；将多个所述诊疗数据输入至所述目标核保决策树模型中进行核保识别；获取所述目标核保决策树模型中每颗决策树的识别结果。6.如权利要求5所述的医疗数据风险识别方法，其特征在于，所述根据多颗所述决策树的识别结果输出核保查询结果之后，所述方法还包括：获取预定时间段内的增量数据；根据所述增量数据生成增量决策树；基于所述增量决策树和所述目标核保决策树模型中的决策树来对所述增量数据进行标签预测，得到标签预测结果；根据所述标签预测结果确定所述目标核保决策树模型中的决策树和所述增量决策树中的决策树的综合性能；基于所述综合