[发明专利]适用于医疗风控的异常识别方法、装置、设备及存储介质

权利要求书

1.一种适用于医疗风控的异常识别方法，其特征在于，所述方法包括：

获取待预测医疗项目集合，所述待预测医疗项目集合是根据一张医疗单据确定的医疗项目的集合；

根据所述待预测医疗项目集合，确定一个正医疗项目和至少一个负医疗项目，所述正医疗项目是需要预测的医疗项目，所述负医疗项目用于对所述正医疗项目的医疗项目进行预测；

将所述正医疗项目和所述负医疗项目输入概率预测模型进行预测，所述概率预测模型是基于神经网络训练得到的模型；

获取所述概率预测模型输出的医疗项目预测值；

对所述医疗项目预测值进行合格评估，确定与所述正医疗项目对应的目标评估结果；

当所述目标评估结果为不合格时，将所述目标评估结果对应的所述正医疗项目为异常医疗项目。

2.根据权利要求1所述的适用于医疗风控的异常识别方法，其特征在于，所述根据所述待预测医疗项目集合，确定一个正医疗项目和至少一个负医疗项目的步骤，包括：

从所述待预测医疗项目集合中获取一个所述医疗项目，将获取的所述医疗项目作为所述正医疗项目；

根据所述待预测医疗项目集合中所述正医疗项目以外的医疗项目，确定至少一个负医疗项目。

3.根据权利要求1所述的适用于医疗风控的异常识别方法，其特征在于，所述将所述正医疗项目和所述负医疗项目输入概率预测模型进行预测，所述概率预测模型是基于神经网络训练得到的模型的步骤之前，还包括：

获取多个训练样本，所述训练样本包括：医疗项目正样本、医疗项目负样本、医疗项目标定值；

将所述医疗项目正样本和所述医疗项目负样本输入所述神经网络进行预测，得到样本预测值，所述样本预测值包括：正样本预测值、非正样本预测值；

根据所述样本预测值和所述医疗项目标定值进行训练，将训练后的所述神经网络作为所述概率预测模型。

4.根据权利要求3所述的适用于医疗风控的异常识别方法，其特征在于，所述获取多个训练样本的步骤，包括：

获取特殊医疗项目和待标定医疗项目集合，所述待标定医疗项目集合是根据一张医疗单据确定的医疗项目的集合；

根据所述待标定医疗项目集合和所述特殊医疗项目找出相同的所述医疗项目，将找出的所述医疗项目作为待剔除医疗项目；

从所述待标定医疗项目集合中剔除所述待剔除医疗项目，将剔除所述待剔除医疗项目后的所述待标定医疗项目集合作为目标医疗项目集合；

从所述目标医疗项目集合中获取一个所述医疗项目，将获取的所述医疗项目作为所述医疗项目正样本；

从所述目标医疗项目集合中所述医疗项目正样本以外的医疗项目，确定至少一个所述医疗项目负样本；

根据所述医疗项目正样本和所述医疗项目负样本，获取所述医疗项目标定值。

5.根据权利要求3所述的适用于医疗风控的异常识别方法，其特征在于，所述根据所述样本预测值和所述医疗项目标定值进行训练，将训练后的所述神经网络作为所述概率预测模型的步骤，包括：

将所述样本预测值、所述医疗项目标定值输入损失函数进行计算，得到所述神经网络的损失值，根据所述损失值更新所述神经网络的参数，更新后的所述神经网络被用于下一次计算所述样本预测值；

重复执行上述方法步骤直至所述损失值达到第一收敛条件或迭代次数达到第二收敛条件，将所述损失值达到第一收敛条件或迭代次数达到第二收敛条件的所述神经网络，确定为所述概率预测模型；

其中，所述损失函数采用交叉熵函数。

6.根据权利要求1所述的适用于医疗风控的异常识别方法，其特征在于，所述医疗项目预测值包括：正医疗项目预测值、非正医疗项目预测值；以及，所述对所述医疗项目预测值进行合格评估，确定与所述正医疗项目对应的目标评估结果的步骤，包括：

将所述正医疗项目预测值与预设预测值阈值进行对比；

当所述正医疗项目预测值大于所述预设预测值阈值时确定所述目标评估结果为合格，否则确定所述目标评估结果为不合格。