[发明专利]一种就医费用预测方法、系统、设备及存储介质

权利要求书

1.一种就医费用预测方法，其特征在于，包括步骤：

获取用户的就医费用预测信息，所述就医费用预测信息包括基础信息和历史就诊信息；

将所述就医费用预测信息分别输入若干预设的就医费用预测模型中，各个所述就医费用预测模型分别输出对应的高就医费用预测子概率，若干所述就医费用预测模型采用不同机器学习模型结构，基于预先采集的所述就医费用预测信息及其对应的高就医费用预测子概率，进行机器学习训练生成；

根据各个所述就医费用预测子概率和各个所述就医费用预测模型预设的置信度，基于异质集成机器学习方法综合计算所述用户的高就医费用预测总概率。

2.根据权利要求1所述的一种就医费用预测方法，其特征在于，所述的获取用户的就医费用预测信息，具体包括：

获取用户的所述基础信息和入院记录病史原始数据；

根据预先训练的命名实体识别模型，从所述入院记录病史原始数据中提取所述历史就诊信息，所述命名实体识别模型基于预先采集的若干入院记录病史原始数据及其对应的所述历史就诊信息，进行机器学习训练生成。

3.根据权利要求1所述的一种就医费用预测方法，其特征在于，所述的获取用户的就医费用预测信息，具体还包括：

通过医院信息系统接收用户的所述基础信息和所述历史就诊信息，或接收用户输入的所述基础信息和所述历史就诊信息；

根据预设的特征值转换关系，将所述基础信息和所述历史就诊信息转换为特征字段作为所述就医费用预测信息。

4.根据权利要求1所述的一种就医费用预测方法，其特征在于，所述的基于异质集成机器学习方法综合计算所述用户的高就医费用预测总概率之后，还包括：

针对各个所述就医费用预测模型，通过基于合作博弈论的SHAP方法计算并显示各项所述就医费用预测信息对该所述就医费用预测模型对应的所述高就医费用预测子概率的影响因数。

5.根据权利要求1所述的一种就医费用预测方法，其特征在于，所述的基于异质集成机器学习方法综合计算所述用户的高就医费用预测总概率之后，还包括：

接收医生输入的对所述高就医费用预测总概率的判断结果；

在所述判断结果为否时，将所述判断结果为否对应的所述就医费用预测信息存储至训练数据库中；

在任一所述就医费用预测模型执行预设次数后，根据所述训练数据库对该所述就医费用预测模型进行更新训练，更新该所述就医费用预测模型的模型参数。

6.根据权利要求1所述的一种就医费用预测方法，其特征在于，

所述基础信息包括性别、年龄、婚姻情况、职业、入院途径、抢救次数、是否手术、预计住院天数、已住院次数、重症监护室情况、支付方式和是否危重；

所述历史就诊信息包括高血压史、糖尿病史、冠心病史、脑梗病史和其他并发症数量。

7.根据权利要求1所述的一种就医费用预测方法，其特征在于，

所述就医费用预测模型包括XGBoost模型、RF模型、LR模型、Catboost模型和DNN模型。

8.一种就医费用预测系统，其特征在于，包括：

获取模块，用于获取用户的就医费用预测信息，所述就医费用预测信息包括基础信息和历史就诊信息；

预测模块，与所述获取模块连接，用于将所述就医费用预测信息分别输入若干预设的就医费用预测模型中，各个所述就医费用预测模型分别输出对应的高就医费用预测子概率，若干所述就医费用预测模型采用不同机器学习模型结构，基于预先采集的所述就医费用预测信息及其对应的高就医费用预测子概率，进行机器学习训练生成；

计算模块，与所述预测模块连接，用于根据各个所述就医费用预测子概率和各个所述就医费用预测模型预设的置信度，基于异质集成机器学习方法综合计算所述用户的高就医费用预测总概率。