[发明专利]一种基于机器学习的结算数据处理方法及装置

说明书

本发明公开了一种基于机器学习的结算数据处理方法及装置，涉及数据处理技术领域，主要目的在于能够利用机器学习技术训练分组优化模型和结算处理模型，对结算分组进行优化和结算处理，并通过区块链技术进行存储，从而减少人工优化分组工作量，提高结算效率。所述方法包括：获取标准分组器输出的所有结算分组并筛选处理，得到第一结算分组集和第二结算分组集；基于结算分组中主体信息的分组映射关系对第二结算分组集中各结算分组进行分组优化，并将分组优化的结果合并至第一结算分组集中；解析完成合并的第一结算分组集中费用数据的结算方式，按照匹配的结算方式对费用数据进行处理，得到结算数据。本发明适用于基于机器学习的结算数据处理。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种基于机器学习的结算数据处理方法及装置。

背景技术

目前，针对住院临床诊疗的医保结算，我国正在大力推行DRGs结算方式。通过对病案进行一系列的分组论证，得出有限的打包结算方法。这种结算方式较为科学地涵盖了绝大部分的疾病治疗成本，从提升医疗机构服务质量、降低医保基金支出成本、改善住院病案质量方面均得到了良好的表现。

本申请发明人在研究中发现，现有结算过程中，通常只通过DRG标准分组器将所有主体分为多个结算分组，针对各个结算分组采取不同的结算策略。然而，由于在对主体进行分组的过程中存在质控不彻底、主体与结算数据关联错误等问题，导致结算数据准确率低，加大了后期人工调整结算分组的工作量，降低了结算效率，浪费了大量人力和财力。

发明内容

有鉴于此，本发明提供一种基于机器学习的结算数据处理方法及装置，主要目的在于利用机器学习技术训练分组优化模型以及结算处理模型，以对结算分组进行优化和结算处理，并通过区块链技术对处理结果进行存储，从而减少人工优化分组的工作量，提高结算效率，节省人力和财力资源。

依据本发明一个方面，提供了一种基于机器学习的结算数据处理方法，包括：

获取标准分组器输出的所有结算分组；

对所述所有结算分组进行筛选处理，得到第一结算分组集和第二结算分组集，其中，所述第一结算分组集包括无需优化的结算分组，所述第二结算分组集包括待优化的结算分组；

基于所述结算分组中主体信息的分组映射关系对所述第二结算分组集中各结算分组进行分组优化，并将分组优化的结果合并至所述第一结算分组集中；

解析所述完成合并的第一结算分组集中费用数据的结算方式，按照匹配的结算方式对所述费用数据进行处理，得到结算数据。

进一步地，所述基于所述结算分组中主体信息的分组映射关系对所述第二结算分组集中各结算分组进行分组优化，并将分组优化的结果合并至所述第一结算分组集中，包括：

提取所述第二结算分组集中各结算分组的分组标识，以及各结算分组中各个主体的年龄数据和性别数据；

根据所述各结算分组的分组标识，在预先建立的分组规则数据库中匹配对应的分组规则，其中，所述分组规则包括当前结算分组与年龄数据、性别数据之间的映射关系；

判断所述各结算分组中各个主体的年龄数据和性别数据是否均符合当前结算分组对应的分组规则；

若否，则将所述主体从当前结算分组中删除；

将所有不符合分组规则的主体删除后，将所述当前结算分组合并至所述第一结算分组集中。

进一步地，所述对所述所有结算分组进行筛选处理，得到第一结算分组集和第二结算分组集，包括：

分别提取各结算分组中的费用数据；

利用预设的变异系数算法分别对所述各结算分组中的费用数据进行处理，得到所述各结算分组的变异系数；