[发明专利]基于大数据分析和处理的智能理赔审核辅助方法和系统

说明书

本公开涉及基于大数据分析和处理的智能理赔审核辅助方法和系统，该方法包括以下步骤：1、在参保人针对特定项目提出理赔请求时，获取参保人就特定项目已产生的花费，并预测将来产生的花费；2、将已产生的花费及将来产生的花费求和，得到特定项目的总花费；3、基于项目的统计数据，得到总花费所处的费用区间；4、根据总花费所处的费用区间，得到总花费的合理性指标；5、如果合理性指标超过预定阈值，则将理赔请求判定为高风险请求，并提示需要后台干预。本公开基于大数据处理和分析，采用了先进的统计模型和分析算法，为案件理赔审核提供了费用合理性评估以及欺诈风险评估，提升理赔自动化率，降低不合理赔付费用。

技术领域

本发明涉及互联网服务技术领域，尤其涉及一种基于大数据分析和处理的智能理赔审核辅助方法和系统。

背景技术

目前的理赔系统主要是审核人员根据理赔案件的材料，从中提取理赔人信息，再依据理赔规则和审核人判断，计算支付金额和赔付方案。因此，当前的理赔审核主要依赖于固定的理赔规则和审核人专业能力，没有可供参考的全国性核赔结论和赔付基准数据。

目前，存在相当数量的医保欺诈行为，而现有技术对于医保欺诈缺乏有效的科学鉴别手段，严重影响了医保基金的收支平衡，侵害了广大参保人的利益、乃至公众利益。

政府和相关部门已致力于采用大数据方法鉴别医保欺诈行为，控制医保风险。然而，现有的医保风控方案多基于设定阈值红线以达到监测欺诈、浪费、滥用等违规行为，而因违规行为常随政策、支付方式及监管力度变化，故简单的阈值划分不适合多场景、参保人员组成、政策更替的实际应用环境。

因此，存在对于高效且准确率高的智能理赔审核方法的需要。

发明内容

考虑到现有技术的上述问题，发明人做出了本发明，其基于人工智能算法，通过对医疗大数据以及商保理赔数据的分析和洞察，进行案件模式识别、风险预测、理赔决策证据提示、合理诊疗方式归纳、医疗费用预测等，并且可以通过机器学习的认知和算法对历史经验进行学习，实现模型的自动优化和迭代。

根据本发明的实施例，提供了一种智能理赔审核辅助方法，其特征在于包括以下步骤：

步骤1、在参保人针对特定项目提出理赔请求时，获取所述参保人就所述特定项目已产生的花费，并预测将来产生的花费；

步骤2、将所述已产生的花费以及所述将来产生的花费求和，得到所述特定项目的总花费；

步骤3、基于所述项目的统计数据，得到所述总花费所处的费用区间，其中，不同的费用区间对应于不同的合理性指标；

步骤4、根据所述总花费所处的费用区间，得到所述总花费的合理性指标；

步骤5、如果所述合理性指标超过预定阈值，则将所述理赔请求判定为高风险请求，并提示需要后台干预。

根据本发明的实施例，所述理赔请求为医疗理赔请求，所述特定项目为医疗项目，在所述步骤1中，通过医疗费用预测模型预测将来产生的花费，所述医疗费用预测模型是以医保理赔大数据作为训练数据、利用神经网络训练出的。

根据本发明的实施例，所述步骤1包括：

步骤1-1、获取所述参保人的当前及历史就诊行为数据、以及与所述参保人相关的个人信息和公共数据；

步骤1-2、从在步骤1-1获取的数据中提取与所述参保人的就诊行为相关的特征；

步骤1-3、将在步骤1-2中获取的特征输入到所述医疗费用预测模型，预测出预测将来产生的花费。

根据本发明的实施例，所述与所述参保人的就诊行为相关的特征包括：

人口学特征，包括参保人的年龄、性别、职业、文化水平；