CN108876636A - 理赔智能风控方法、系统、计算机设备及存储介质 - Google Patents
理赔智能风控方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN108876636A CN108876636A CN201810629362.5A CN201810629362A CN108876636A CN 108876636 A CN108876636 A CN 108876636A CN 201810629362 A CN201810629362 A CN 201810629362A CN 108876636 A CN108876636 A CN 108876636A
- Authority
- CN
- China
- Prior art keywords
- resolution
- pending
- medical
- data
- case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 201000010099 disease Diseases 0.000 claims abstract description 99
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 99
- 238000012550 audit Methods 0.000 claims description 12
- 238000004804 winding Methods 0.000 claims description 12
- 241001269238 Data Species 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 208000019693 Lung disease Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 208000018556 stomach disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种理赔智能风控方法、系统、计算机设备及存储介质。在该理赔智能风控方法中，先对历史医疗大数据进行处理，针对不同疾病分组的医疗数据进行分别分组处理，并且对同一疾病分组的医疗数据进行聚类分析，以找到的类中心作为理赔标准，得到不同疾病分组对应的不同的理赔标准，根据理赔标准来确定是否要进行风险提示，提升风险提示的准确性。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种理赔智能风控方法、系统、计算机设备及存储介质。
背景技术
随着人们物质生活水平逐渐提高，对保险意识的逐步认可，越来越多的人购买疾病类相关的商业保险，商业保险在出险时，均需要进行理赔风险的审核，随着保险业务的增加，审核的工作量也在不断增加，同时，对审核的准确性要求也在不断提高。
现有技术中，对理赔风险管控仍然主要依靠于理赔审核人员的经验与判断能力，当理赔人员经验不足时，会导致风险判断不准确。并且，在现有技术的理赔风险管控方法中，设置有出险金额预警值，当出险金额超过出险金额预警值时，认为该次出险需要提示风险，该方法并没有针对出险的不同情况进行区分，预测风险的准确性较差，给出的风险提示不具有准确的指导意义，不仅存在漏掉出险金额预警值以下风险的可能性，且提示的风险未必是实际存在的风险。
发明内容
本发明的目的是提供一种理赔智能风控方法、系统、计算机设备及存储介质，用于解决现有技术存在的预测风险的准确性较差的问题。
为实现上述目的，本发明提供一种赔智能风控方法。
该理赔智能风控方法包括以下步骤：获取历史医疗大数据，其中，历史医疗大数据包括多条历史医疗数据，每条历史医疗数据包括患者标识信息、疾病编码和单次就诊金额；将患者标识信息相同且属于同一疾病分组的疾病编码的历史医疗数据作为一个就诊频次确定组；计算每个就诊频次确定组中所有历史医疗数据的单次就诊金额的平均数，得到每个就诊频次确定组对应的单次就诊金额均数；统计每个就诊频次确定组中历史医疗数据的个数，得到每个就诊频次确定组对应的就诊频次；针对每个就诊频次确定组，利用就诊频次确定组对应的疾病分组信息、就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据；将疾病分组信息相同的处理医疗数据作为一个聚类组；对每个聚类组分别进行聚类分析，得到每个聚类组对应的多个分类，其中，每个分类包括至少一条处理医疗数据；查找每个聚类组对应的多个分类中最大类别的类中心，得到每个聚类组对应的一个中心处理医疗数据；将每个聚类组对应的中心处理医疗数据作为一个疾病分组信息对应的理赔标准，得到理赔标准库；获取待审核理赔案对应的待审核理赔医疗数据，其中，待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额；根据审核就诊次数和每次就诊的待审核单次就诊金额，得到待审核单次就诊金额均数；从理赔标准库中查找待审核疾病编码所属的疾病分组信息对应的理赔标准；将待审核就诊次数和待审核单次就诊金额均数，与查找出的理赔标准对应的就诊频次和单次就诊金额均数进行比对，确定待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
进一步地，将待审核就诊次数和待审核单次就诊金额均数，与查找出的理赔标准对应的就诊频次和单次就诊金额均数进行比对，确定待审核理赔案是否要进行理赔风险提示包括：将理赔标准中的就诊频次和单次就诊金额均数分别按照预定的规则进行计算，计算得到金额异常预警值和就诊次数预警值；将待审核就诊次数与就诊次数预警值进行比较，将待审核单次就诊金额均数与金额异常预警值进行比较；当待审核就诊次数超过就诊次数预警值，和/或待审核单次就诊金额均数超过金额异常预警值时，确定待审核理赔案需要进行理赔风险提示；当是待审核就诊次数小于就诊次数预警值且待审核单次就诊金额均数小于金额异常预警值时，确定待审核理赔案不需要进行理赔风险提示。
进一步地，在确定待审核理赔案是否需要进行理赔风险提示之后，该方法还包括：利用与待审核理赔案唯一对应的案号信息、待审核理赔医疗数据和表征待审核理赔案是否需要进行理赔风险提示的标识信息，生成一条案例数据；将案例数据存储在预设的案例库。
进一步地，该方法还包括：接收已结案的结案案号信息和结案结果数据；在案例库中查找案号信息与结案案号信息相同的案例数据，将结案结果数据增加在案例数据内。
进一步地，在获取待审核理赔案对应的待审核理赔医疗数据的步骤之后，该方法还包括：在案例库中查找包括待审核理赔医疗数据中待审核疾病编码所属的疾病分组信息的案例数据；方法还包括：在输出提示信息时，输出待审核理赔医疗数据中待审核疾病编码所属疾病分组信息的案例数据。
进一步地，获取待审核理赔案对应的待审核理赔医疗数据的步骤包括：获取待审核理赔案的资料，其中，资料包括病历、清单、发票和/或住院小结信息；从资料中提取待审核理赔医疗数据。
进一步地，从资料中提取待审核理赔医疗数据的步骤包括：当资料为可读取文字的文件时，读取资料内的文字信息；当资料为不可读取文字的图片文件时，对图片文件按照预定的分割方法划分为多个区域，采用图像识别技术识别各个区域内的文字信息；从文字信息中提取待审核理赔医疗数据。
为实现上述目的，本发明提供一种适于上述方法的理赔智能风控系统。
该理赔智能风控系统第一获取模块，用于获取历史医疗大数据，其中，历史医疗大数据包括多条历史医疗数据，每条历史医疗数据包括患者标识信息、疾病编码和单次就诊金额；第一处理模块，用于将患者标识信息相同且属于同一疾病分组的疾病编码的历史医疗数据作为一个就诊频次确定组；计算模块，用于计算每个就诊频次确定组中所有历史医疗数据的单次就诊金额的平均数，得到每个就诊频次确定组对应的单次就诊金额均数；统计模块，用于统计每个就诊频次确定组中历史医疗数据的个数，得到每个就诊频次确定组对应的就诊频次；生成模块，用于针对每个就诊频次确定组，利用就诊频次确定组对应的疾病分组信息、就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据；第二处理模块，用于将疾病分组信息相同的处理医疗数据作为一个聚类组；聚类模块，用于对每个聚类组分别进行聚类分析，得到每个聚类组对应的多个分类，其中，每个分类包括至少一条处理医疗数据；第一查找模块，用于查找每个聚类组对应的多个分类中最大类别的类中心，得到每个聚类组对应的一个中心处理医疗数据；第三处理模块，将每个聚类组对应的中心处理医疗数据作为一个疾病分组信息对应的理赔标准，得到理赔标准库；第二获取模块，用于获取待审核理赔案对应的待审核理赔医疗数据，其中，待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额；第四处理模块，用于根据审核就诊次数和每次就诊的待审核单次就诊金额，得到待审核单次就诊金额均数；第二查找模块，用于从理赔标准库中查找疾病编码所属的疾病分组信息对应的理赔标准；确定模块，用于将待审核就诊次数和待审核单次就诊金额均数，与查找出的理赔标准对应的就诊频次和单次就诊金额均数进行比对，确定待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
为实现上述目的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法的步骤。
为实现上述目的，本发明还提供计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现上述方法的步骤。
本发明提供的理赔智能风控方法、系统、计算机设备及存储介质，先对历史医疗大数据进行处理，针对不同疾病分组的医疗数据进行分别分组处理，并且对同一疾病分组的医疗数据进行聚类分析，以找到的类中心作为理赔标准，得到不同疾病分组对应的不同的理赔标准，根据理赔标准来确定是否要进行风险提示，提升风险提示的准确性。
附图说明
图1为本发明实施例1提供的理赔智能风控方法的流程图；
图2为本发明实施例2提供的理赔智能风控系统的程序模块示意图；
图3为本发明实施例3提供的理赔智能风控系统的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
图1为本发明实施例1提供的理赔智能风控方法的流程图，如图1所示，该方法包括如下的步骤S01至步骤S113。
步骤S101：获取历史医疗大数据。
首先从医疗机构或互联网上，获取历史真实发生的一些医疗数据，具体地，历史医疗大数据包括很多条历史医疗数据，每条历史医疗数据包括患者标识信息(例如患者的姓名，身份证号等唯一标识患者的信息)、疾病编码(ICD)和单次就诊金额，每条历史医疗数据对应一个患者一次就诊的信息，还可包括就诊的时间、医院信息、住院时长等。
步骤S102：将患者标识信息相同且属于同一疾病分组的疾病编码的历史医疗数据作为一个就诊频次确定组。
对所有的历史医疗数据进行处理，将同一个患者的同一疾病分组的医疗数据进行抽取和汇总，汇总后得到一个就诊频次确定组，该就诊频次确定组为了确定一个患者在治疗某类疾病时所有的就诊情况，例如，按照病变部位将将疾病分为多个疾病分组，包括胃部疾病分组、肝部疾病分组、肺部疾病分组等，每个疾病分组包括多种疾病，每种疾病对应一个疾病编码。
步骤S103：计算每个就诊频次确定组中所有历史医疗数据的单次就诊金额的平均数，得到每个就诊频次确定组对应的单次就诊金额均数。
将一个就诊频次确定组中，各个历史医疗数据的单次就诊金额相加，再除以就诊频次确定组中历史医疗数据的条数，就可得到单次就诊金额均数，该单次就诊金额均数也即某患者在治疗某病变部位疾病时平均每次诊疗的费用。
步骤S104：统计每个就诊频次确定组中历史医疗数据的个数，得到每个就诊频次确定组对应的就诊频次。
就诊频次确定组中历史医疗数据的条数，也就是某患者在治疗某病变部位时的诊疗次数，也即就诊频次。
步骤S105：针对每个就诊频次确定组，利用就诊频次确定组对应的疾病分组信息、就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据。
通过该步骤能够针对每个患者治疗每病变部位疾病，建立一个处理医疗数据，该处理医疗数据包括疾病分组信息、单次就诊金额均数和就诊频次。
步骤S106：将疾病分组信息相同的处理医疗数据作为一个聚类组。
在该步骤中，按照疾病分组信息对处理医疗数据进行分组，例如将同一病变部位的处理医疗数据在同一聚类组。
步骤S107：对每个聚类组分别进行聚类分析，得到每个聚类组对应的多个分类。
在该步骤中，针对每个聚类组，都要进行聚类分析，具体可采用现有技术中的聚类算法对每个聚类组中的处理医疗数据进行聚类，将每个聚类组能拆分为多个类别，每个分类包括至少一条处理医疗数据。
步骤S108：查找每个聚类组对应的多个分类中最大类别的类中心，得到每个聚类组对应的一个中心处理医疗数据。
在步骤S107中进行聚类后，每个聚类组都回对应有多个分类，其中，包括处理医疗数据条数最多的那个分类为最大类别，查找到给最大类别的类中心，也即位于类中心的一个处理医疗数据，作为中心处理医疗数据。
步骤S109：将每个聚类组对应的中心处理医疗数据作为一个疾病分组信息对应的理赔标准，得到理赔标准库。
每个聚类组都会对应一个中心处理医疗数据，在确定所有聚类组对应的中心处理医疗数据后，将每个中心处理医疗数据都作为一个理赔标准，所有的理赔标准形成一个理赔标准库。
通过上述步骤S101至步骤S109完成了对理赔标准库的建立，在建立理赔标准库后，对待审核理赔案进行审核时，即可与理赔标准库中的理赔标准进行比对，以确定理赔风险。具体地，关于理赔风险的确定过程，包括下述的步骤S110至步骤S113。
步骤S110：获取待审核理赔案对应的待审核理赔医疗数据。
对于一个待审核理赔案，首先获取该待审核理赔案对应的待审核理赔医疗数据，其中，待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额。
具体地，在获取待审核理赔医疗数据时，通常首先获得的是一些待审核理赔案的资料，包括病历、清单、发票和/或住院小结信息，这些信息可以是纸质资料，需要进行扫描等电子化，或者也可以是电子资料，无论什么形式的资料，都可从中提取待审核理赔医疗数据，具体提取时：
当资料为可读取文字的文件时，直接读取资料内的文字信息；
当资料为不可读取文字的图片文件时，对图片文件按照预定的分割方法划分为多个区域，采用图像识别技术识别各个区域内的文字信息，其中，预定的分割方法可依据图片文件的类型来确定，例如，图片文件是发票文件时，通常发票文件上固定位置对应的是相同的内容，按照发票上各个固定部分的位置对图片文件进行分割。
无论以何种方式获得文字信息，然后再从文字信息中提取待审核理赔医疗数据。
步骤S111：根据审核就诊次数和每次就诊的待审核单次就诊金额，得到待审核单次就诊金额均数。
将待审核理赔医疗数据中每次就诊的待审核单次就诊金额相加，再除以审核就诊次数，得到待审核单次就诊金额均数。
步骤S112：从理赔标准库中查找待审核疾病编码所属的疾病分组信息对应的理赔标准。
理赔标准库包括多个理赔标准，每个理赔标准实质上就是一条处理医疗数据，包括疾病分组信息、单次就诊金额均数和就诊频次，在该步骤中，在理赔标准库中，查找一条包括待审核疾病编码所属的疾病分组信息的理赔标准，作为审核待审核理赔案的对照标准。
步骤S113：将待审核就诊次数和待审核单次就诊金额均数，与查找出的理赔标准对应的就诊频次和单次就诊金额均数进行比对，确定待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
在该步骤中，将待审核理赔医疗数据与理赔标准进行比对，在进行比对时，将理赔标准中的就诊频次和单次就诊金额均数分别按照预定的规则进行计算，计算得到金额异常预警值和就诊次数预警值，然后将待审核就诊次数与就诊次数预警值进行比较，将待审核单次就诊金额均数与金额异常预警值进行比较，当待审核就诊次数超过就诊次数预警值，和/或待审核单次就诊金额均数超过金额异常预警值时，确定待审核理赔案需要进行理赔风险提示，当待审核就诊次数小于就诊次数预警值且待审核单次就诊金额均数小于金额异常预警值时，确定待审核理赔案不需要进行理赔风险提示。
例如，对于肺部感染一类疾病，包括代表肺部疾病分组信息的理赔标准中，单次就诊金额均数为1750元，就诊频次在6次，则将单次就诊金额均数上浮一倍作为金额异常预警值，将就诊次数设置为上浮70％，取整后为10次，作为就诊次数预警值，对超过预警值的待审核理赔案输出提示信息，提示审核员特别注意。
可选地，每个待审核理赔案均会唯一对应一个案号信息，在确定待审核理赔案是否需要进行理赔风险提示之后，利用待审核理赔案对应的案号信息、待审核理赔医疗数据和表征待审核理赔案是否需要进行理赔风险提示的标识信息，生成一条案例数据，例如设置标识“1”为需要进行理赔风险提示的标识信息，设置标识“0”为不需要进行理赔风险提示的标识信息，然后将案例数据存储在预设的案例库。方便用户查找已进行理赔风险计算的待审核理赔案的风险提示情况。
可选地，对于已完成理赔结案的理赔案，利用已结案的结案案号信息和结案结果数据更新案例库，具体地，接收已结案的结案案号信息和结案结果数据，然后在案例库中查找案号信息与结案案号信息相同的案例数据，将结案结果数据增加在案例数据内。方便用户查找一个理赔案完整的信息。
可选地，对于设置有包括理赔案完整信息的案例库的情况，在上述步骤S110之后，首先在案例库中查找包括待审核理赔医疗数据中待审核疾病编码所属的疾病分组信息的案例数据，也即，在案例库中查找属于同一疾病分组的理赔案例，然后在步骤S113中，输出提示信息的同时，输出待审核理赔医疗数据中待审核疾病编码所属疾病分组信息的案例数据，以供审核人员同时参考，提升风险管控能力。
实施例2
该实施例提供了一种适于实现上述实施例所述方法的理赔智能风控系统，相关描述可参考上述方法部分。图2为本发明实施例2提供的理赔智能风控系统的程序模块示意图，如图2所示，该理赔智能风控系统包括第一获取模块201、第一处理模块202、计算模块203、统计模块204、生成模块205、第二处理模块206、聚类模块207、第一查找模块208、第三处理模块209、第二获取模块210、第四处理模块211、第二查找模块212和确定模块213。
其中，第一获取模块201用于获取历史医疗大数据，其中，历史医疗大数据包括多条历史医疗数据，每条历史医疗数据包括患者标识信息、疾病编码和单次就诊金额；
第一处理模块202用于将患者标识信息相同且属于同一疾病分组的疾病编码的历史医疗数据作为一个就诊频次确定组；
计算模块203用于计算每个就诊频次确定组中所有历史医疗数据的单次就诊金额的平均数，得到每个就诊频次确定组对应的单次就诊金额均数；
统计模块204用于统计每个就诊频次确定组中历史医疗数据的个数，得到每个就诊频次确定组对应的就诊频次；
生成模块205用于针对每个就诊频次确定组，利用就诊频次确定组对应的疾病分组信息、就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据；
第二处理模块206用于将疾病分组信息相同的处理医疗数据作为一个聚类组；
聚类模块207用于对每个聚类组分别进行聚类分析，得到每个聚类组对应的多个分类，其中，每个分类包括至少一条处理医疗数据；
第一查找模块208用于查找每个聚类组对应的多个分类中最大类别的类中心，得到每个聚类组对应的一个中心处理医疗数据；
第三处理模块209将每个聚类组对应的中心处理医疗数据作为一个疾病分组信息对应的理赔标准，得到理赔标准库；
第二获取模块210用于获取待审核理赔案对应的待审核理赔医疗数据，其中，待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额；
第四处理模块211用于根据审核就诊次数和每次就诊的待审核单次就诊金额，得到待审核单次就诊金额均数；
第二查找模块212用于从理赔标准库中查找疾病编码所属的疾病分组信息对应的理赔标准；
确定模块213用于将待审核就诊次数和待审核单次就诊金额均数，与查找出的理赔标准对应的就诊频次和单次就诊金额均数进行比对，确定待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
采用该实施例提供的理赔智能风控系统，由第一获取模块获取历史医疗大数据之后，先由第一处理模块、计算模块、统计模块和生成模块依次对历史医疗大数据进行处理，针对不同疾病分组的医疗数据进行分别分组处理，然后由第二处理模块和聚类模块对同一疾病分组的医疗数据进行聚类分析，以第一查找模块找到的类中心作为理赔标准，得到不同疾病分组对应的不同的理赔标准，由第三处理模块形成理赔标准库，最后在第二获取模块获取到待审核理赔医疗数据会后，依次由第四处理模块、第二查找模块和确定模块根据理赔标准来确定是否要进行风险提示，提升风险提示的准确性。
可选地，确定模块在确定待审核理赔案是否要进行理赔风险提示时，具体执行以下步骤：
将理赔标准中的就诊频次和单次就诊金额均数分别按照预定的规则进行计算，计算得到金额异常预警值和就诊次数预警值；将待审核就诊次数与就诊次数预警值进行比较，将待审核单次就诊金额均数与金额异常预警值进行比较；当待审核就诊次数超过就诊次数预警值，和/或待审核单次就诊金额均数超过金额异常预警值时，确定待审核理赔案需要进行理赔风险提示；当待审核就诊次数小于就诊次数预警值且待审核单次就诊金额均数小于金额异常预警值时，确定待审核理赔案不需要进行理赔风险提示。
采用该实施例提供的理赔智能风控系统，分别以就诊频次和单次就诊金额进行风险评判，能够实现对风险的全面评估。
可选地，该系统还包括案例库处理模块，用于在确定模块确定待审核理赔案是否需要进行理赔风险提示之后，案例库处理模块利用与待审核理赔案唯一对应的案号信息、待审核理赔医疗数据和表征待审核理赔案是否需要进行理赔风险提示的标识信息，生成一条案例数据；将案例数据存储在预设的案例库。
采用该实施例提供的理赔智能风控系统，通过建立案例库，能够方便用户对历史案例的完整信息进行查看。
可选地，案例库处理模块还用于接收已结案的结案案号信息和结案结果数据；在案例库中查找案号信息与结案案号信息相同的案例数据，将结案结果数据增加在案例数据内。
采用该实施例提供的理赔智能风控系统，在结案后，将最终的结案信息存储在案列库内，完成一个案列由评估到最后结案结果的完整历史数据，能够为用户在进行风险判断时提供更多的参考信息。
可选地，第二查找模块212还用于在第二获取模块210获取待审核理赔案对应的待审核理赔医疗数据之后，在案例库中查找包括待审核理赔医疗数据中待审核疾病编码所属的疾病分组信息的案例数据，在输出提示信息时，输出待审核理赔医疗数据中待审核疾病编码所属疾病分组信息的案例数据。
采用该实施例提供的理赔智能风控系统，在输出提示信息时，同时输出同一疾病分组的其他案例数据，能够进一步为用户在进行风险判断时提供更多的参考信息。
可选地，第二获取模块210在获取待审核理赔案对应的待审核理赔医疗数据时，具体执行以下步骤：获取待审核理赔案的资料，其中，资料包括病历、清单、发票和/或住院小结信息；从资料中提取待审核理赔医疗数据。
可选地，第二获取模块210在从资料中提取待审核理赔医疗数据时，具体执行以下步骤：当资料为可读取文字的文件时，读取资料内的文字信息；当资料为不可读取文字的图片文件时，对图片文件按照预定的分割方法划分为多个区域，采用图像识别技术识别各个区域内的文字信息；从文字信息中提取待审核理赔医疗数据。
采用该实施例提供的理赔智能风控系统，从待审核理赔案的资料中自动获取待审核理赔医疗数据，增加数据处理的实时性，减少人工工作量。
实施例3
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图3所示，本实施例的计算机设备20至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器22，如图3所示。需要指出的是，图3仅示出了具有组件21-22的计算机设备20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备20的内部存储单元，例如该计算机设备20的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备20的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件，例如实施例2的理赔智能风控系统的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如理赔智能风控系统等。
实施例4
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于理赔智能风控系统，被处理器执行时实现实施例一的理赔智能风控方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种理赔智能风控方法，其特征在于，包括以下步骤：
获取历史医疗大数据，其中，所述历史医疗大数据包括多条历史医疗数据，每条所述历史医疗数据包括患者标识信息、疾病编码和单次就诊金额；
将所述患者标识信息相同且属于同一疾病分组的疾病编码的所述历史医疗数据作为一个就诊频次确定组；
计算每个所述就诊频次确定组中所有历史医疗数据的所述单次就诊金额的平均数，得到每个所述就诊频次确定组对应的单次就诊金额均数；
统计每个所述就诊频次确定组中历史医疗数据的个数，得到每个所述就诊频次确定组对应的就诊频次；
针对每个所述就诊频次确定组，利用所述就诊频次确定组对应的疾病分组信息、所述就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据；
将疾病分组信息相同的所述处理医疗数据作为一个聚类组；
对每个所述聚类组分别进行聚类分析，得到每个所述聚类组对应的多个分类，其中，每个分类包括至少一条所述处理医疗数据；
查找每个所述聚类组对应的多个所述分类中最大类别的类中心，得到每个所述聚类组对应的一个中心处理医疗数据；
将每个所述聚类组对应的中心处理医疗数据作为一个所述疾病分组信息对应的理赔标准，得到理赔标准库；
获取待审核理赔案对应的待审核理赔医疗数据，其中，所述待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额；
根据所述审核就诊次数和每次就诊的所述待审核单次就诊金额，得到待审核单次就诊金额均数；
从所述理赔标准库中查找所述待审核疾病编码所属的疾病分组信息对应的理赔标准；
将所述待审核就诊次数和所述待审核单次就诊金额均数，与查找出的所述理赔标准对应的所述就诊频次和所述单次就诊金额均数进行比对，确定所述待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
2.根据权利要求1所述的理赔智能风控方法，其特征在于，将所述待审核就诊次数和所述待审核单次就诊金额均数，与查找出的所述理赔标准对应的所述就诊频次和所述单次就诊金额均数进行比对，确定所述待审核理赔案是否要进行理赔风险提示包括：
将所述理赔标准中的所述就诊频次和所述单次就诊金额均数分别按照预定的规则进行计算，计算得到金额异常预警值和就诊次数预警值；
将所述待审核就诊次数与所述就诊次数预警值进行比较，将所述待审核单次就诊金额均数与所述金额异常预警值进行比较；
当所述待审核就诊次数超过所述就诊次数预警值，和/或所述待审核单次就诊金额均数超过所述金额异常预警值时，确定所述待审核理赔案需要进行理赔风险提示；
当是待审核就诊次数小于所述就诊次数预警值且所述待审核单次就诊金额均数小于所述金额异常预警值时，确定所述待审核理赔案不需要进行理赔风险提示。
3.根据权利要求1所述的理赔智能风控方法，其特征在于，在确定所述待审核理赔案是否需要进行理赔风险提示之后，所述方法还包括：
利用与所述待审核理赔案唯一对应的案号信息、所述待审核理赔医疗数据和表征所述待审核理赔案是否需要进行理赔风险提示的标识信息，生成一条案例数据；
将所述案例数据存储在预设的案例库。
4.根据权利要求3所述的理赔智能风控方法，其特征在于，所述方法还包括：
接收已结案的结案案号信息和结案结果数据；
在所述案例库中查找案号信息与所述结案案号信息相同的所述案例数据，将所述结案结果数据增加在所述案例数据内。
5.根据权利要求4所述的理赔智能风控方法，其特征在于，
在获取待审核理赔案对应的待审核理赔医疗数据的步骤之后，所述方法还包括：在所述案例库中查找包括所述待审核理赔医疗数据中所述待审核疾病编码所属的疾病分组信息的所述案例数据；
所述方法还包括：在输出所述提示信息时，输出所述待审核理赔医疗数据中待审核疾病编码所属疾病分组信息的所述案例数据。
6.根据权利要求1所述的理赔智能风控方法，其特征在于，获取待审核理赔案对应的待审核理赔医疗数据的步骤包括：
获取所述待审核理赔案的资料，其中，所述资料包括病历、清单、发票和/或住院小结信息；
从所述资料中提取所述待审核理赔医疗数据。
7.根据权利要求6所述的理赔智能风控方法，其特征在于，从所述资料中提取所述待审核理赔医疗数据的步骤包括：
当所述资料为可读取文字的文件时，读取所述资料内的文字信息；
当所述资料为不可读取文字的图片文件时，对所述图片文件按照预定的分割方法划分为多个区域，采用图像识别技术识别各个区域内的文字信息；
从所述文字信息中提取所述待审核理赔医疗数据。
8.一种适于实现权利要求1至7任一项所述方法的理赔智能风控系统，其特征在于，其包括：
第一获取模块，用于获取历史医疗大数据，其中，所述历史医疗大数据包括多条历史医疗数据，每条所述历史医疗数据包括患者标识信息、疾病编码和单次就诊金额；
第一处理模块，用于将所述患者标识信息相同且属于同一疾病分组的疾病编码的所述历史医疗数据作为一个就诊频次确定组；
计算模块，用于计算每个所述就诊频次确定组中所有历史医疗数据的所述单次就诊金额的平均数，得到每个所述就诊频次确定组对应的单次就诊金额均数；
统计模块，用于统计每个所述就诊频次确定组中历史医疗数据的个数，得到每个所述就诊频次确定组对应的就诊频次；
生成模块，用于针对每个所述就诊频次确定组，利用所述就诊频次确定组对应的疾病分组信息、所述就诊频次确定组对应的单次就诊金额均数和就诊频次，生成一个处理医疗数据；
第二处理模块，用于将疾病分组信息相同的所述处理医疗数据作为一个聚类组；
聚类模块，用于对每个所述聚类组分别进行聚类分析，得到每个所述聚类组对应的多个分类，其中，每个分类包括至少一条所述处理医疗数据；
第一查找模块，用于查找每个所述聚类组对应的多个所述分类中最大类别的类中心，得到每个所述聚类组对应的一个中心处理医疗数据；
第三处理模块，将每个所述聚类组对应的中心处理医疗数据作为一个所述疾病分组信息对应的理赔标准，得到理赔标准库；
第二获取模块，用于获取待审核理赔案对应的待审核理赔医疗数据，其中，所述待审核理赔医疗数据包括待审核疾病编码、待审核就诊次数和每次就诊的待审核单次就诊金额；
第四处理模块，用于根据所述审核就诊次数和每次就诊的所述待审核单次就诊金额，得到待审核单次就诊金额均数；
第二查找模块，用于从所述理赔标准库中查找所述疾病编码所属的疾病分组信息对应的理赔标准；
确定模块，用于将所述待审核就诊次数和所述待审核单次就诊金额均数，与查找出的所述理赔标准对应的所述就诊频次和所述单次就诊金额均数进行比对，确定所述待审核理赔案是否需要进行理赔风险提示，并在需要进行理赔风险提示时，输出提示信息。
9.一种计算机设备，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810629362.5A CN108876636B (zh) | 2018-06-19 | 2018-06-19 | 理赔智能风控方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810629362.5A CN108876636B (zh) | 2018-06-19 | 2018-06-19 | 理赔智能风控方法、系统、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108876636A true CN108876636A (zh) | 2018-11-23 |
| CN108876636B CN108876636B (zh) | 2023-10-27 |
Family
ID=64339515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810629362.5A Active CN108876636B (zh) | 2018-06-19 | 2018-06-19 | 理赔智能风控方法、系统、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108876636B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658268A (zh) * | 2018-12-13 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 医疗就诊行为异常的监控方法、监控服务端及存储介质 |
| CN109670971A (zh) * | 2018-11-30 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 异常就诊费用的判断方法、装置、设备及计算机存储介质 |
| CN109801174A (zh) * | 2018-12-26 | 2019-05-24 | 平安科技（深圳）有限公司 | 理赔数据处理方法、装置、设备及计算机可读存储介质 |
| CN110009515A (zh) * | 2019-03-12 | 2019-07-12 | 中国平安财产保险股份有限公司 | 基于人脸识别的单据校验方法、装置、服务器及介质 |
| CN110033387A (zh) * | 2019-04-12 | 2019-07-19 | 泰康保险集团股份有限公司 | 基于区块链的理赔数据处理方法、装置、介质及电子设备 |
| CN110060166A (zh) * | 2019-03-13 | 2019-07-26 | 平安科技（深圳）有限公司 | 智能理赔方法、装置、计算机设备以及存储介质 |
| CN110246046A (zh) * | 2019-04-24 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 健康告知案例维护系统、方法以及装置 |
| CN111192643A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 病历数据处理方法及相关设备 |
| CN111585809A (zh) * | 2020-04-29 | 2020-08-25 | 北京润通丰华科技有限公司 | 一种利用大数据统计分析进行网络设备配置稽核的方法 |
| CN111986039A (zh) * | 2020-09-02 | 2020-11-24 | 平安养老保险股份有限公司 | 赔案风控识别方法、装置、计算机设备及可读存储介质 |
| CN112132624A (zh) * | 2020-09-27 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 医疗理赔数据预测系统 |
| CN112131277A (zh) * | 2020-09-28 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 基于大数据的医疗数据异常分析方法、装置和计算机设备 |
| CN113065973A (zh) * | 2021-04-22 | 2021-07-02 | 中国平安财产保险股份有限公司 | 基于大数据的农险理赔处理方法、装置、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090094064A1 (en) * | 2007-10-09 | 2009-04-09 | Michael Tyler | Healthcare Insurance Claim Fraud and Error Detection Using Co-Occurrence |
| US7685000B1 (en) * | 2005-08-10 | 2010-03-23 | Matria Healthcare, Inc. | Predictive modeling system and method for disease management |
| TW201426624A (zh) * | 2012-12-26 | 2014-07-01 | Chang Jung Christian University | 個人醫療費用預測系統 |
| CN104951894A (zh) * | 2015-06-25 | 2015-09-30 | 成都厚立信息技术有限公司 | 医院疾病管理智能分析和评估系统 |
| CN107240024A (zh) * | 2017-05-22 | 2017-10-10 | 中国平安人寿保险股份有限公司 | 保险理赔的反欺诈识别方法及装置 |
| CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线（北京）科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
| CN107871284A (zh) * | 2017-11-22 | 2018-04-03 | 平安科技（深圳）有限公司 | 风险理赔的评估方法及装置 |
-
2018
- 2018-06-19 CN CN201810629362.5A patent/CN108876636B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7685000B1 (en) * | 2005-08-10 | 2010-03-23 | Matria Healthcare, Inc. | Predictive modeling system and method for disease management |
| US20090094064A1 (en) * | 2007-10-09 | 2009-04-09 | Michael Tyler | Healthcare Insurance Claim Fraud and Error Detection Using Co-Occurrence |
| TW201426624A (zh) * | 2012-12-26 | 2014-07-01 | Chang Jung Christian University | 個人醫療費用預測系統 |
| CN104951894A (zh) * | 2015-06-25 | 2015-09-30 | 成都厚立信息技术有限公司 | 医院疾病管理智能分析和评估系统 |
| CN107240024A (zh) * | 2017-05-22 | 2017-10-10 | 中国平安人寿保险股份有限公司 | 保险理赔的反欺诈识别方法及装置 |
| CN107871284A (zh) * | 2017-11-22 | 2018-04-03 | 平安科技（深圳）有限公司 | 风险理赔的评估方法及装置 |
| CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线（北京）科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 郑碧如: "基于聚类分析的疾病诊断相关分组研究", 电脑知识与技术, vol. 14, no. 2, pages 246 - 248 * |
| 金萍妹;华伟;陈洁;朱洁;吴风琴;李少品;: "基于疾病诊断相关组法制定单病种住院费用标准的研究", 中国卫生经济, no. 02, pages 26 - 28 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109670971A (zh) * | 2018-11-30 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 异常就诊费用的判断方法、装置、设备及计算机存储介质 |
| CN109658268A (zh) * | 2018-12-13 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 医疗就诊行为异常的监控方法、监控服务端及存储介质 |
| CN109801174A (zh) * | 2018-12-26 | 2019-05-24 | 平安科技（深圳）有限公司 | 理赔数据处理方法、装置、设备及计算机可读存储介质 |
| CN109801174B (zh) * | 2018-12-26 | 2023-11-17 | 平安科技（深圳）有限公司 | 理赔数据处理方法、装置、设备及计算机可读存储介质 |
| CN110009515A (zh) * | 2019-03-12 | 2019-07-12 | 中国平安财产保险股份有限公司 | 基于人脸识别的单据校验方法、装置、服务器及介质 |
| CN110060166A (zh) * | 2019-03-13 | 2019-07-26 | 平安科技（深圳）有限公司 | 智能理赔方法、装置、计算机设备以及存储介质 |
| CN110033387A (zh) * | 2019-04-12 | 2019-07-19 | 泰康保险集团股份有限公司 | 基于区块链的理赔数据处理方法、装置、介质及电子设备 |
| CN110246046B (zh) * | 2019-04-24 | 2023-01-10 | 创新先进技术有限公司 | 健康告知案例维护系统、方法以及装置 |
| CN110246046A (zh) * | 2019-04-24 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 健康告知案例维护系统、方法以及装置 |
| CN111192643A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 病历数据处理方法及相关设备 |
| CN111585809A (zh) * | 2020-04-29 | 2020-08-25 | 北京润通丰华科技有限公司 | 一种利用大数据统计分析进行网络设备配置稽核的方法 |
| CN111986039A (zh) * | 2020-09-02 | 2020-11-24 | 平安养老保险股份有限公司 | 赔案风控识别方法、装置、计算机设备及可读存储介质 |
| CN112132624A (zh) * | 2020-09-27 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 医疗理赔数据预测系统 |
| CN112131277A (zh) * | 2020-09-28 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 基于大数据的医疗数据异常分析方法、装置和计算机设备 |
| CN113065973A (zh) * | 2021-04-22 | 2021-07-02 | 中国平安财产保险股份有限公司 | 基于大数据的农险理赔处理方法、装置、设备及存储介质 |
| CN113065973B (zh) * | 2021-04-22 | 2022-08-02 | 中国平安财产保险股份有限公司 | 基于大数据的农险理赔处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108876636B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108876636A (zh) | 理赔智能风控方法、系统、计算机设备及存储介质 | |
| CN108492196A (zh) | 通过数据分析推断医疗保险违规行为的风控方法 | |
| CN111612038B (zh) | 异常用户检测方法及装置、存储介质、电子设备 | |
| CN112990386B (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
| CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN111242779B (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
| CN113095392A (zh) | 异常业务识别方法及装置 | |
| CN116468271B (zh) | 一种基于大数据的企业风险分析方法、系统及介质 | |
| CN112820404A (zh) | 应用于大数据智慧医疗的信息处理方法及智慧医疗服务器 | |
| CN115577983B (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
| CN116978527A (zh) | 基于dip的医院数据分析方法及装置 | |
| CN117575595A (zh) | 支付风险识别方法、装置、计算机设备及存储介质 | |
| KR102710397B1 (ko) | 금융 마이데이터 기반 기계학습을 위한 말뭉치를 이용한 거래 적요 데이터 분석 장치 및 방법과 이를 위한 컴퓨터 프로그램 | |
| KR101456187B1 (ko) | 복합 평가 요소에 기초한 특허 평가 방법 | |
| CN116468547A (zh) | 一种基于数据挖掘的信用卡资源分配方法及系统 | |
| CN114723457A (zh) | 资源请求的监控方法、装置、计算机设备及存储介质 | |
| CN114840767A (zh) | 基于人工智能的业务推荐方法及相关设备 | |
| CN107463416A (zh) | 一种应用程序管理方法、应用程序管理装置及智能终端 | |
| CN109544377B (zh) | 一种基于大数据的病种分值计算方法及计算设备 | |
| CN109544374B (zh) | 一种基于大数据的病种分值调整方法及计算设备 | |
| CN112528100A (zh) | 一种标签策略推荐和打标方法、终端设备及存储介质 | |
| CN117151902B (zh) | 一种大数据分析对drg及dip医保支付风险监控和预警的方法 | |
| CN114155038B (zh) | 受疫情影响用户识别方法 | |
| CN113362151B (zh) | 金融业务的数据处理方法、装置、电子设备及存储介质 | |
| Obodoekwe et al. | A critical analysis of the application of data mining methods to detect healthcare claim fraud in the medical billing process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |