CN109191314A - 单据报销方法、装置、计算机设备和存储介质 - Google Patents
单据报销方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109191314A CN109191314A CN201810925282.4A CN201810925282A CN109191314A CN 109191314 A CN109191314 A CN 109191314A CN 201810925282 A CN201810925282 A CN 201810925282A CN 109191314 A CN109191314 A CN 109191314A
- Authority
- CN
- China
- Prior art keywords
- reimbursement
- document
- medical
- medical information
- keyword
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011282 treatment Methods 0.000 claims description 94
- 230000001225 therapeutic effect Effects 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 31
- 239000003814 drug Substances 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 229940079593 drug Drugs 0.000 description 14
- 238000012549 training Methods 0.000 description 11
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003252 repetitive effect Effects 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
本申请涉及大数据分析领域，特别涉及一种单据报销方法、装置、计算机设备和存储介质。所述方法包括：获取报销单据，报销单据包括诊疗信息和结算费用；将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理；若诊疗信息合理，计算诊疗信息对应的诊疗费用；计算结算费用和诊疗费用之间的差值；当差值不大于预设值时，获取报销单据对应的报销规则；根据报销规则对报销单据进行报销。采用本方法能够根据对历史报销单据中的大数据分析，训练出医学知识模型，从而结合当前的理赔风控场景更准确地分析报销单据。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种单据报销方法、装置、计算机设备和存储介质。
背景技术
近年来，国内医疗就诊费用逐年增加，加上社会医保不足，越来越多人将商业医疗保险作为有效的经济补偿途径，因此商业医疗保险的开始高速发展。随之而来地，各商保公司在商业医疗保险中的风险控制变得愈发重要。
传统地，商保公司多通过经验总结得到的固化规则作为风控规则，减少不合理医疗费用的理赔支出。然而，上述风控规则不能应对快速多变的理赔风控场景，在对实际的报销单据进行分析时，容易造成分析不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确分析报销单据的单据报销方法、装置、计算机设备和存储介质。
一种单据报销方法，所述方法包括：
获取报销单据，所述报销单据包括所述诊疗信息和结算费用；
将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理；
若所述诊疗信息合理，计算所述诊疗信息对应的诊疗费用；
计算所述结算费用和所述诊疗费用之间的差值；
当所述差值不大于预设值时，获取所述报销单据对应的报销规则；
根据所述报销规则对所述报销单据进行报销。
在其中一个实施例中，所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理，包括：
将所述诊疗信息输入至训练好的医学知识模型中，所述训练好的医学知识模型用于从所述诊疗信息提取问诊关键词和治疗关键词；
判断所述治疗关键词是否存在重复，若不存在，则获取与所述问诊关键词对应的治疗方案；
判断所述治疗方案与所述治疗关键词是否匹配，若匹配，则所述诊疗信息合理。
在其中一个实施例中，所述训练好的医学知识模型还用于：
当所述治疗关键词存在重复时，则保留重复的所述治疗关键词的其中一个；
继续获取与所述问诊关键词对应的治疗方案；
则所述判断所述治疗方案与所述治疗关键词是否匹配，包括：
判断所述治疗方案与保留的所述治疗关键词是否匹配。
在其中一个实施例中，所述获取报销单据之后，还包括：
获取预设的限定报销项目；
从所述诊疗信息中删除与所述限定报销项目对应的信息；
所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理中，包括：
将删除与所述限定报销项目对应的信息后的所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理。
在其中一个实施例中，所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理之后，还包括：
当所述诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的所述诊疗信息生成不合理原因；
根据所述不合理原因对标记为问题单据的所述报销单据进行分类。
在其中一个实施例中，所述计算所述结算费用和所述诊疗费用之间的差值之后，还包括：
当所述差值大于预设值时，将所述报销单据标记为问题单据。
一种单据报销装置，所述装置包括：
单据获取模块，用于获取报销单据，所述报销单据包括所述诊疗信息和结算费用；
模型分析模块，用于将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理；
费用计算模块，用于若所述诊疗信息合理，计算所述诊疗信息对应的诊疗费用；
差值计算模块，用于计算所述结算费用和所述诊疗费用之间的差值；
规则获取模块，用于当所述差值不大于预设值时，获取所述报销单据对应的报销规则；
报销模块，用于根据所述报销规则对所述报销单据进行报销。
在其中一个实施例中，所述模型分析模块包括：
关键词提取单元，用于将所述诊疗信息输入至训练好的医学知识模型中，所述训练好的医学知识模型用于从所述诊疗信息提取问诊关键词和治疗关键词；
重复性检查单元，用于判断所述治疗关键词是否存在重复，若不存在，则获取与所述问诊关键词对应的治疗方案；
合理性分析单元，用于判断所述治疗方案与所述治疗关键词是否匹配，若匹配，则所述诊疗信息合理。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述单据报销方法、装置、计算机设备和存储介质，根据历史报销数据训练得到的医学知识模型，对报销单据中的诊疗信息的合理性进行分析，若此报销单据经医学知识模型检测合理后，再在此报销单据对应的诊疗费用与报销单据的结算费用之间的误差不大于预设值时，根据报销规则对此报销单据进行报销。上述单据报销方法，引入了历史报销数据训练得到的医学知识模型对报销单据进行分析，能够结合当前的理赔风控场景更准确地分析报销单据。
附图说明
图1为一个实施例中单据报销方法的应用场景图；
图2为一个实施例中单据报销方法的流程示意图；
图3为一个实施例中图2中的步骤S204的流程示意图；
图4为一个实施例中单据报销装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的单据报销方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104从终端102获取报销单据后，根据历史报销数据训练得到的医学知识模型，对报销单据中的诊疗信息的合理性进行分析，若此报销单据经医学知识模型检测合理后，再在此报销单据对应的诊疗费用与报销单据的结算费用之间的误差不大于预设值时，根据报销规则对此报销单据进行报销。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种单据报销方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202，获取报销单据，报销单据包括诊疗信息和结算费用。
其中，报销单据是参与医疗保险的投保用户申请报销时提供的就诊单据，如医院或诊所开具的病历和发票等。
诊疗信息是报销单据中包含的反映此投保用户看诊情况的信息，可以是医院的门诊信息，如疾病名称或临床症状等；则结算费用是此报销单据需要报销的费用，可以是医院门诊单上面的费用。
具体地，参与医疗保险的投保用户将报销单据通过终端发送给服务器，服务器接收到终端发送的报销单据后，根据此报销单据上的诊疗信息和结算费用对此报销单据进行审核。
S204，将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
其中，医学知识模型是通过历史报销单据中的数据以及其他医学知识训练得到的模型，服务器可以根据此医学知识模型判断报销单据中的诊疗信息是否合理；其它医学知识可以来自药品应用信息库、疾病应用信息库、手术应用信息库等知识库。
具体地，服务器将报销单据中的诊疗信息输入至训练好的医学知识模型中，根据模型中训练好的用于对此报销单据进行审核的规则，判断诊疗信息是否合理。
S206，若诊疗信息合理，计算诊疗信息对应的诊疗费用。
具体地，当服务器将诊疗信息输入医学知识模型中，模型的输出结果为此诊疗信息合理时，则根据报销单据上的诊疗信息中的报销项目计算诊疗信息对应的诊疗费用，报销项目为诊疗信息中多个可以单独计费的条目，如药品或者手术等治疗手段等。
可选地，服务器可以获取此诊疗信息中每一个报销项目的历史报销记录，获取报销项目的历史报销金额，作为此报销项目的诊疗费用，对报销单据中所有的报销项目的诊疗费用进行求和，则获得此报销单据中的诊疗信息对应的诊疗费用。
S208，计算结算费用和诊疗费用之间的差值。
具体地，服务器在步骤S206中得到诊疗费用后，将此诊疗费用和报销单据中的结算费用相比较，计算此二者的差值。
S210，当差值不大于预设值时，获取报销单据对应的报销规则。
报销规则是此报销单据的投保用户所参与的保险规则，服务器根据报销规则对此报销单据进行报销；如在当年度，可以报销此投保用户的报销单据上结算费用的60％等规则。
具体地，当结算费用和诊疗费用的差值不大于预设值时，则报销单据上面的结算费用在合理范围之内，此报销单据能够被正常报销，则服务器获取用于报销此报销单据的报销规则。
S212，根据报销规则对报销单据进行报销。
具体地，服务器根据报销规则中的报销方式和报销比例对此报销单据进行报销。
上述单据报销方法，根据历史报销数据训练得到的医学知识模型，对报销单据中的诊疗信息的合理性进行分析，若此报销单据经医学知识模型检测合理后，再在此报销单据对应的诊疗费用与报销单据的结算费用之间的误差不大于预设值时，根据报销规则对此报销单据进行报销。上述单据报销方法，引入了历史报销数据训练得到的医学知识模型对报销单据进行分析，能够结合当前的理赔风控场景更准确地分析报销单据。
在一个实施例中，请参见图3，上述单据报销方法中的步骤S204中将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理，可以包括：
S302，将诊疗信息输入至训练好的医学知识模型中，训练好的医学知识模型用于从诊疗信息提取问诊关键词和治疗关键词。
其中，问诊关键词是报销单据中反映投保用户健康信息的关键词，如疾病名称或临床症状等。
治疗关键词是报销单据中反映投保用户治疗信息的关键词，如手术名称、药品名称等治疗手段。
具体地，服务器将报销单据中的诊疗信息输入至训练好的医学知识模型中，医学知识模型中有训练好的提取关键词的规则，从诊疗信息中提取问诊关键词和治疗关键词。
可选地，医学知识模型可以根据建立的关键词识别库识别诊疗信息中的问诊关键词和治疗关键词，即将常用的问诊关键词和治疗关键词都保存在关键词识别库中，当医学知识模型识别出输入的诊疗信息包含关键词识别库中的内容时，则从诊疗信息中分离出问诊关键词和治疗关键词。
另外，医学知识模型也可以通过语义识别规则从诊疗信息中识别出诊断关键词和治疗关键词；语义识别规则可以通过NLP(Natural Language Processing自然语言处理)技术识别训练理赔数据的文意，从中提取用于反映投保用户健康信息和治疗信息的关键词。
S304，判断治疗关键词是否存在重复，若不存在，则获取与问诊关键词对应的治疗方案。
其中，治疗方案是医学知识模型中与问诊关键词对应的治疗信息，是通过对历史报销数据或其他医学知识信息进行大数据分析得到的；此治疗方案可以是药品名称或者手术名称等治疗手段。
具体地，服务器通过医学知识模型治疗关键词是否重复，即判断此投保用户的治疗方案中是否存在重复用药或者重复治疗的情况；若不存在，则此投保用户的报销单据通过重复检测，可以继续下一步的审核；医学知识模型通过历史报销数据中训练出的问诊关键词与治疗方案的映射关系，获取此问诊关键词对应的治疗方案。其中，医学知识模型在判断治疗关键词是否重合时，不仅是判断诊疗信息中是否存在重复的治疗关键词，也要判断治疗关键词其代表的治疗手段是否一致，如同一种药品的两个名称，或者相同效果的两种药品以及手术等治疗方式，都属于重复的治疗关键词。
S306，判断治疗方案与治疗关键词是否匹配，若匹配，则诊疗信息合理。
具体地，服务器在根据医学知识模型获取到问诊关键词对应的治疗方案后，将治疗方案与治疗关键词相比较，检查治疗方案和治疗关键词是否一致或者相似；若治疗方案和治疗关键词一致或相似，则证明此报销单据中的问诊关键词所反映的投保用户的健康信息，能够与治疗关键词反映的投保用户的治疗信息相匹配，如投保用户所患的疾病应与报销单据上的药品、治疗手段等能够对应，不存在乱用药的情况。
可选地，在训练医学知识模型时，问诊关键词与治疗关键词的匹配关系可以引入根据患者年龄、体重、给药途径、给药频率、每次给药计量单位、单日剂量等信息。
上述实施例中，通过医学知识库判断能够根据报销单据上的诊疗信息评价各种药品和治疗方法是否合理；即是否存在重复治疗，治疗手段与此投保用户的健康信息是否符合等情况；通过上述方法，更准确分析报销单据，帮助对医保理赔的风险判断。
在一个实施例中，上述单据报销方法中训练好的医学知识模型还可以用于：当治疗关键词存在重复时，则保留重复的治疗关键词的其中一个；继续上述比步骤S304中获取与问诊关键词对应的治疗方案；则步骤S306判断治疗方案与治疗关键词是否匹配，可以包括：判断治疗方案与保留的治疗关键词是否匹配。
具体地，在上述步骤S304中服务器通过医学知识模型验证治疗关键词是否重复之后，若治疗关键词中存在重复的内容时，则仅保留重复的治疗关键词的其中一个，则保留的治疗关键词中无重复的内容，根据保留的治疗关键词继续上述的步骤S304。由于服务器删除了此报销单据中的部分重复的治疗关键词，所以在步骤S208计算结算费用和诊疗费用之间的差值之后，结算费用和诊疗费用之间差值的预设值应加上删除的治疗关键词对应的结算费用的部分，若此差值在预设范围内，则对此报销单据按报销规则报销。
上述实施例中，服务器通过医学知识模型删除重复的治疗关键词，避免报销单据中存在重复用药或重复治疗的情况，对剩下的部分按照相应的步骤进行报销。
在一个实施例中，上述单据报销方法中步骤S202获取报销单据之后，还可以包括：获取预设的限定报销项目；从诊疗信息中删除与限定报销项目对应的信息。则上述步骤S202中将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理中，可以包括：将删除与限定报销项目对应的信息后的诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
其中，限定报销项目是不在报销范围之内的项目，可以是不参保的疾病种类或者是设定的药物种类等。
具体地，对于某些疾病或者特殊的药品存在报销限制，不在报销的范畴之内，将这部分项目成为限定报销项目，服务器获取报销单据后，需要将这部分信息剔除后，再将剔除限定报销项目的诊疗信息输入至医学知识模型中继续上述判断其是否合理的步骤。
上述实施例中，在通过医学知识模型对报销单据中的诊疗信息进行分析之前，先剔除其中的限定报销项目，避免浪费不必要的计算量，提高单据报销的效率。
在一个实施例中，上述单据报销方法中的步骤S204将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理之后，还可以包括：当诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的诊疗信息生成不合理原因；根据不合理原因对标记为问题单据的报销单据进行分类。
其中，问题单据是报销单据中存在不合理的内容；即通过医学知识模型分析出此报销单据中存在重复治疗的情况，或治疗关键词与问诊关键词对应的治疗方案不匹配的情况。
具体地，若某一报销单据在上述的单据报销方法中被医学知识模型分析为不合理的单据时，服务器不可直接对此报销单据进行报销，可根据报销单据不合理的原因对其进行分类，如分为超量用药、重复用药、配伍禁忌、滥用抗生素、超医生级别用药、超性别用药等。
上述实施例中，对标记为问题单据的报销单据进行分类，方便服务器管理问题单据。
在一个实施例中，上述单据报销方法中的步骤S208计算结算费用和诊疗费用之间的差值之后，还包括：当差值大于预设值时，将报销单据标记为问题单据。
具体地，当此报销单据的结算费用与服务器计算的报销单据对应的诊疗费用之间的差值超出预设值时，则也可将此报销单据标记为问题单据，不可直接根据报销规则进行报销。
可选地，服务器可将此种情况下被标记为问题单据的分类为结算费用审核不通过的报销单据，服务器可将结算费用审核不通过的报销单据对应的诊疗费用作为其报销的依据。例如此报销单据的结算费用为1万元人民币，而服务器计算出的此报销单据的诊疗信息对应的诊疗费用为8000元人民币，则只能按照8000元乘以相应的比例进行报销。
上述实施例，在报销单据的结算费用与服务器计算的报销单据对应的诊疗费用之间的差值超出预设值时，也将此报销单据标记为问题单据，由服务器对其执行对应的处理。
在一个实施例中，上述单据报销方法中的医学知识模型构建方式可以包括：获取历史数据，此历史数据包括问诊关键词和治疗关键词，将问诊关键词和治疗关键词之间建立映射关系；获取历史数据中与问诊关键词相关的规则、以及与治疗关键词相关的规则；根据获取的规则和问诊关键词和治疗关键词之间建立映射关系对初始模型进行训练，得到医学知识模型。其中，历史数据是用于训练医学知识模型的数据样本，可以包括历史报销单据的数据和其他医学知识相关的数据。
具体地，通过大数据训练建立能够根据问诊关键词获取对应的治疗方案的数据库和能够识别多种参与治疗的药品或治疗手段之间相似或者相克关系的数据库，然后建立两个数据库之间的多个规则，根据这些规则识别输入的报销单据是否存在重复治疗的问题，或问诊关键词和治疗关键词之间是否有冲突的部分等，最终得到能够根据用户的报销单据中的内容判断其中的诊疗信息是否合理的医学知识模型。
可选地，两组数据库之间的规则可以通过规则库进行管理，访问服务器的用户可以从规则库中选取规则建立对报销单据的审核标准。基于专业医学知识库采用先进规则引擎技术，可实现用户自定义新建规则或规则逻辑，过程无需IT人员支持，能够快速响应客户需求，提高用户满意度，也有效节约成本。
上述实施例中，通过历史数据训练医学知识模型，能够更加准确地反映当前报销单据的理赔防控场景，对报销单据的反洗更加准确。
应该理解的是，虽然图2至图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种单据报销装置，包括：单据获取模块100、模型分析模块200、费用计算模块300、差值计算模块400、规则获取模块500和报销模块600，其中：
单据获取模块100，用于获取报销单据，报销单据包括诊疗信息和结算费用。
模型分析模块200，用于将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
费用计算模块300，用于若诊疗信息合理，计算诊疗信息对应的诊疗费用。
差值计算模块400，用于计算结算费用和诊疗费用之间的差值。
规则获取模块500，用于当差值不大于预设值时，获取报销单据对应的报销规则。
报销模块600，用于根据报销规则对报销单据进行报销。
在一个实施例中，上述单据报销装置中的模型分析模块200，可以包括：
关键词提取单元，用于将诊疗信息输入至训练好的医学知识模型中，训练好的医学知识模型用于从诊疗信息提取问诊关键词和治疗关键词。
重复性检查单元，用于判断治疗关键词是否存在重复，若不存在，则获取与问诊关键词对应的治疗方案。
合理性分析单元，用于判断治疗方案与治疗关键词是否匹配，若匹配，则诊疗信息合理。
在一个实施例中，上述模型分析模块200还可以包括：
重复删除单元，用于当治疗关键词存在重复时，则保留重复的治疗关键词的其中一个。
继续分析单元，用于获取与问诊关键词对应的治疗方案。
则上述合理性分析单元，还用于判断治疗方案与保留的治疗关键词是否匹配。
在一个实施例中，上述单据报销装置还可以包括：
限定报销模块，用于获取预设的限定报销项目。
限定删除模块，用于从诊疗信息中删除与限定报销项目对应的信息。
上述模型分析模块200，还可以用于将删除与限定报销项目对应的信息后的诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
在一个实施例中，上述单据报销装置还可以包括：
问题单据原因分析模块，用于当诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的诊疗信息生成不合理原因。
问题单据分类模块，用于根据不合理原因对标记为问题单据的报销单据进行分类。
在一个实施例中，上述单据报销装置还可以包括：
问题单据标记单元，用于当差值大于预设值时，将报销单据标记为问题单据。
关于单据报销装置的具体限定可以参见上文中对于单据报销方法的限定，在此不再赘述。上述单据报销装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储单据报销数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种单据报销方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取报销单据，报销单据包括诊疗信息和结算费用；将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理；若诊疗信息合理，计算诊疗信息对应的诊疗费用；计算结算费用和诊疗费用之间的差值；当差值不大于预设值时，获取报销单据对应的报销规则；根据报销规则对报销单据进行报销。
在一个实施例中，处理器执行计算机程序时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理，可以包括：将诊疗信息输入至训练好的医学知识模型中，训练好的医学知识模型用于从诊疗信息提取问诊关键词和治疗关键词；判断治疗关键词是否存在重复，若不存在，则获取与问诊关键词对应的治疗方案；判断治疗方案与治疗关键词是否匹配，若匹配，则诊疗信息合理。
在一个实施例中，处理器执行计算机程序时训练好的医学知识模型还实现以下步骤：当治疗关键词存在重复时，则保留重复的治疗关键词的其中一个；继续获取与问诊关键词对应的治疗方案；则处理器执行计算机程序时实现的判断治疗方案与治疗关键词是否匹配，可以包括：判断治疗方案与保留的治疗关键词是否匹配。
在一个实施例中，处理器执行计算机程序时实现的获取报销单据之后，还可以包括：获取预设的限定报销项目；从诊疗信息中删除与限定报销项目对应的信息；处理器执行计算机程序时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理，可以包括：将删除与限定报销项目对应的信息后的诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
在一个实施例中，处理器执行计算机程序时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理之后，还可以包括：当诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的诊疗信息生成不合理原因；根据不合理原因对标记为问题单据的报销单据进行分类。
在一个实施例中，处理器执行计算机程序时实现的计算结算费用和诊疗费用之间的差值之后，还可以包括：当差值大于预设值时，将报销单据标记为问题单据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取报销单据，报销单据包括诊疗信息和结算费用；将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理；若诊疗信息合理，计算诊疗信息对应的诊疗费用；计算结算费用和诊疗费用之间的差值；当差值不大于预设值时，获取报销单据对应的报销规则；根据报销规则对报销单据进行报销。
在一个实施例中，计算机程序被处理器执行时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理，可以包括：将诊疗信息输入至训练好的医学知识模型中，训练好的医学知识模型用于从诊疗信息提取问诊关键词和治疗关键词；判断治疗关键词是否存在重复，若不存在，则获取与问诊关键词对应的治疗方案；判断治疗方案与治疗关键词是否匹配，若匹配，则诊疗信息合理。
在一个实施例中，计算机程序被处理器执行时训练好的医学知识模型还实现以下步骤：当治疗关键词存在重复时，则保留重复的治疗关键词的其中一个；继续获取与问诊关键词对应的治疗方案；则处理器执行计算机程序时实现的判断治疗方案与治疗关键词是否匹配，可以包括：判断治疗方案与保留的治疗关键词是否匹配。
在一个实施例中，计算机程序被处理器执行时实现的获取报销单据之后，还可以包括：获取预设的限定报销项目；从诊疗信息中删除与限定报销项目对应的信息；处理器执行计算机程序时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理，可以包括：将删除与限定报销项目对应的信息后的诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理。
在一个实施例中，计算机程序被处理器执行时实现的将诊疗信息输入训练好的医学知识模型中以判断诊疗信息是否合理之后，还可以包括：当诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的诊疗信息生成不合理原因；根据不合理原因对标记为问题单据的报销单据进行分类。
在一个实施例中，计算机程序被处理器执行时实现的计算结算费用和诊疗费用之间的差值之后，还可以包括：当差值大于预设值时，将报销单据标记为问题单据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种单据报销方法，所述方法包括：
获取报销单据，所述报销单据包括所述诊疗信息和结算费用；
将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理；
若所述诊疗信息合理，计算所述诊疗信息对应的诊疗费用；
计算所述结算费用和所述诊疗费用之间的差值；
当所述差值不大于预设值时，获取所述报销单据对应的报销规则；
根据所述报销规则对所述报销单据进行报销。
2.根据权利要求1所述的方法，其特征在于，所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理，包括：
将所述诊疗信息输入至训练好的医学知识模型中，所述训练好的医学知识模型用于从所述诊疗信息提取问诊关键词和治疗关键词；
判断所述治疗关键词是否存在重复，若不存在，则获取与所述问诊关键词对应的治疗方案；
判断所述治疗方案与所述治疗关键词是否匹配，若匹配，则所述诊疗信息合理。
3.根据权利要求2所述的方法，其特征在于，所述训练好的医学知识模型还用于：
当所述治疗关键词存在重复时，则保留重复的所述治疗关键词的其中一个；
继续获取与所述问诊关键词对应的治疗方案；
则所述判断所述治疗方案与所述治疗关键词是否匹配，包括：
判断所述治疗方案与保留的所述治疗关键词是否匹配。
4.根据权利要求1所述的方法，其特征在于，所述获取报销单据之后，还包括：
获取预设的限定报销项目；
从所述诊疗信息中删除与所述限定报销项目对应的信息；
所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理，包括：
将删除与所述限定报销项目对应的信息后的所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理。
5.根据权利要求1所述的方法，其特征在于，所述将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理之后，还包括：
当所述诊疗信息不合理时，将此报销单据标记为问题单据，并根据不合理的所述诊疗信息生成不合理原因；
根据所述不合理原因对标记为问题单据的所述报销单据进行分类。
6.根据权利要求1所述的方法，其特征在于，所述计算所述结算费用和所述诊疗费用之间的差值之后，还包括：
当所述差值大于预设值时，将所述报销单据标记为问题单据。
7.一种单据报销装置，其特征在于，所述装置包括：
单据获取模块，用于获取报销单据，所述报销单据包括所述诊疗信息和结算费用；
模型分析模块，用于将所述诊疗信息输入训练好的医学知识模型中以判断所述诊疗信息是否合理；
费用计算模块，用于若所述诊疗信息合理，计算所述诊疗信息对应的诊疗费用；
差值计算模块，用于计算所述结算费用和所述诊疗费用之间的差值；
规则获取模块，用于当所述差值不大于预设值时，获取所述报销单据对应的报销规则；
报销模块，用于根据所述报销规则对所述报销单据进行报销。
8.根据权利要求7所述装置，其特征在于，所述模型分析模块包括：
关键词提取单元，用于将所述诊疗信息输入至训练好的医学知识模型中，所述训练好的医学知识模型用于从所述诊疗信息提取问诊关键词和治疗关键词；
重复性检查单元，用于判断所述治疗关键词是否存在重复，若不存在，则获取与所述问诊关键词对应的治疗方案；
合理性分析单元，用于判断所述治疗方案与所述治疗关键词是否匹配，若匹配，则所述诊疗信息合理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810925282.4A CN109191314A (zh) | 2018-08-14 | 2018-08-14 | 单据报销方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810925282.4A CN109191314A (zh) | 2018-08-14 | 2018-08-14 | 单据报销方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109191314A true CN109191314A (zh) | 2019-01-11 |
Family
ID=64921779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810925282.4A Pending CN109191314A (zh) | 2018-08-14 | 2018-08-14 | 单据报销方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109191314A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717096A (zh) * | 2019-09-06 | 2020-01-21 | 平安医疗健康管理股份有限公司 | 单据数据提取方法、装置、计算机设备和存储介质 |
| CN110750621A (zh) * | 2019-09-06 | 2020-02-04 | 平安医疗健康管理股份有限公司 | 单据数据核查处理方法、装置、计算机设备和存储介质 |
| 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 |
| CN113592434A (zh) * | 2021-07-07 | 2021-11-02 | 北京京东振世信息技术有限公司 | 物流信息处理方法、装置、存储介质及电子设备 |
| CN113658653A (zh) * | 2021-08-20 | 2021-11-16 | 挂号网（杭州）科技有限公司 | 诊疗信息处理方法、装置和设备 |
| CN113850331A (zh) * | 2021-09-27 | 2021-12-28 | 平安科技（深圳）有限公司 | 报销单异常检测方法、使用方法、装置、设备及存储介质 |
| CN114723420A (zh) * | 2022-06-07 | 2022-07-08 | 武汉金豆医疗数据科技有限公司 | 医保商保一体化的审核方法及装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的系统和方法 |
| CN104134157A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医疗保险报销过程中可疑行为审核系统及审核方法 |
| CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
| CN108305175A (zh) * | 2017-12-30 | 2018-07-20 | 上海栈略数据技术有限公司 | 基于智能医学知识图谱的保险理赔风控辅助审核系统 |
| CN108388575A (zh) * | 2018-01-12 | 2018-08-10 | 中国平安人寿保险股份有限公司 | 一种保险理赔费用的评估方法、装置、终端设备及存储介质 |
-
2018
- 2018-08-14 CN CN201810925282.4A patent/CN109191314A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的系统和方法 |
| CN104134157A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医疗保险报销过程中可疑行为审核系统及审核方法 |
| CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
| CN108305175A (zh) * | 2017-12-30 | 2018-07-20 | 上海栈略数据技术有限公司 | 基于智能医学知识图谱的保险理赔风控辅助审核系统 |
| CN108388575A (zh) * | 2018-01-12 | 2018-08-10 | 中国平安人寿保险股份有限公司 | 一种保险理赔费用的评估方法、装置、终端设备及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717096A (zh) * | 2019-09-06 | 2020-01-21 | 平安医疗健康管理股份有限公司 | 单据数据提取方法、装置、计算机设备和存储介质 |
| CN110750621A (zh) * | 2019-09-06 | 2020-02-04 | 平安医疗健康管理股份有限公司 | 单据数据核查处理方法、装置、计算机设备和存储介质 |
| CN110717096B (zh) * | 2019-09-06 | 2023-04-25 | 深圳平安医疗健康科技服务有限公司 | 单据数据提取方法、装置、计算机设备和存储介质 |
| 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 |
| CN113592434A (zh) * | 2021-07-07 | 2021-11-02 | 北京京东振世信息技术有限公司 | 物流信息处理方法、装置、存储介质及电子设备 |
| CN113658653A (zh) * | 2021-08-20 | 2021-11-16 | 挂号网（杭州）科技有限公司 | 诊疗信息处理方法、装置和设备 |
| CN113850331A (zh) * | 2021-09-27 | 2021-12-28 | 平安科技（深圳）有限公司 | 报销单异常检测方法、使用方法、装置、设备及存储介质 |
| CN113850331B (zh) * | 2021-09-27 | 2024-07-02 | 平安科技（深圳）有限公司 | 报销单异常检测方法、使用方法、装置、设备及存储介质 |
| CN114723420A (zh) * | 2022-06-07 | 2022-07-08 | 武汉金豆医疗数据科技有限公司 | 医保商保一体化的审核方法及装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191314A (zh) | 单据报销方法、装置、计算机设备和存储介质 | |
| WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
| CN110504028A (zh) | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 | |
| Yang et al. | Social media mining for drug safety signal detection | |
| CN109446511B (zh) | 裁判文书处理方法、装置、计算机设备和存储介质 | |
| CN107798621B (zh) | 疾病诊断信息审核方法及装置 | |
| CN110021439A (zh) | 基于机器学习的医疗数据分类方法、装置和计算机设备 | |
| US11295841B2 (en) | Unsupervised learning and prediction of lines of therapy from high-dimensional longitudinal medications data | |
| Fang et al. | Feature Selection Method Based on Class Discriminative Degree for Intelligent Medical Diagnosis. | |
| Mathur | Machine learning applications using python: Cases studies from healthcare, retail, and finance | |
| CN112201359A (zh) | 基于人工智能的重症问诊数据识别方法及装置 | |
| Rabie et al. | A decision support system for diagnosing diabetes using deep neural network | |
| US20230081372A1 (en) | Automated Summarization of a Hospital Stay Using Machine Learning | |
| US20110125740A1 (en) | Method and system for generating text | |
| CN112035619A (zh) | 基于人工智能的医疗问诊单筛选方法、装置、设备和介质 | |
| Devine et al. | Automating electronic clinical data capture for quality improvement and research: the CERTAIN validation project of real world evidence | |
| Lu et al. | Embedding for anomaly detection on health insurance claims | |
| Adekkanattu et al. | Prediction of left ventricular ejection fraction changes in heart failure patients using machine learning and electronic health records: a multi-site study | |
| CN113657605B (zh) | 基于人工智能ai的文档处理器 | |
| Lu et al. | Leverage multiple real-world data sources in single-arm medical device clinical studies | |
| Al-Droubi et al. | Artificial intelligence modelling to assess the risk of cardiovascular disease in oncology patients | |
| Shivade et al. | Automatic data source identification for clinical trial eligibility criteria resolution | |
| Rabideau et al. | Implementing generalized additive models to estimate the expected value of sample information in a microsimulation model: results of three case studies | |
| MacKinlay et al. | Extracting structured information from free-text medication prescriptions using dependencies | |
| Milian et al. | Patterns of clinical trial eligibility criteria |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |
|
| RJ01 | Rejection of invention patent application after publication |