CN113724883B - 医疗费用预测方法、装置、存储介质及计算机设备 - Google Patents
医疗费用预测方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN113724883B CN113724883B CN202111017236.2A CN202111017236A CN113724883B CN 113724883 B CN113724883 B CN 113724883B CN 202111017236 A CN202111017236 A CN 202111017236A CN 113724883 B CN113724883 B CN 113724883B
- Authority
- CN
- China
- Prior art keywords
- hospitalization
- patient
- medical
- medical item
- history
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
Abstract
本发明公开了一种医疗费用预测方法、装置、存储介质及计算机设备,涉及数字医疗技术领域,主要在于能够根据患者住院初期数据,准确地预估住院患者的医疗费用,提高了住院患者医疗费用的预测精度。其中方法包括:获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;根据所述入院状态信息对应的特征向量,确定与所述待预测患者本次住院相关的目标历史住院记录;基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。本发明主要涉及数字医疗技术领域。
Description
技术领域
本发明涉及数字医疗技术领域,尤其是涉及一种医疗费用预测方法、装置、存储介质及计算机设备。
背景技术
住院患者的医疗费用预测,是指根据患者入院时的状态,来预估患者未来所需花费的医疗费用,精确地预测住院患者的医疗费用对于医保控费、医院管理、患者自我管理等都具有重要意义。
目前,通常利用大量患者的历史住院数据,构建费用预测模型,并基于待预测患者的住院初期数据和费用预测模型进行费用预测。然而,在实际场景中,该费用预测模型是基于患者的整个治疗周期数据所构建的,而待预测患者住院初期的数据所包含的信息非常少,很难支持费用预测模型的预测精度,因此这种方式无法准确地预估住院患者的医疗费用。
发明内容
本发明提供了一种医疗费用预测方法、装置、存储介质及计算机设备,主要在于能够根据患者住院初期数据,准确地预估住院患者的医疗费用,提高了住院患者医疗费用的预测精度。
根据本发明的第一个方面,提供一种医疗费用预测方法,包括:
获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;
基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
根据本发明的第二个方面,提供一种医疗费用预测装置,包括:
获取单元,用于获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
第一确定单元,用于根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
第二确定单元,用于基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
第三确定单元,用于将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;
预测单元,用于基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
根据本发明的第三个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;
基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
根据本发明的第四个方面,提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;
基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
根据本发明提供的一种医疗费用的预测方法、装置、存储介质及计算机设备,与目前仅利用患者住院初期的数据预测患者的医疗费用的方式相比,本发明能够获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;并根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;与此同时,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;并将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;最终基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,由此通过引入与住院患者入院状态信息相关的目标历史住院记录,能够推测出患者住院后期可能会使用的第二医疗项,从而能够引入用于费用预测的入院后期的关键信息,因此根据患者入院初期的状态信息和入院后期的关键信息共同进行费用预测,能够提高住院患者医疗费用的预测精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本发明实施例提供的一种医疗费用预测方法流程图;
图2示出了本发明实施例提供的另一种医疗费用预测方法流程图;
图3示出了本发明实施例提供的一种医疗费用预测装置的结构示意图;
图4示出了本发明实施例提供的另一种医疗费用预测装置的结构示意图;
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
目前,由于患者住院初期数据非常少,很难支持费用预测模型的预测精度,从而导致患者医疗费用的预测精度较低。
为了解决上述问题,本发明实施例提供了一种医疗费用的预测方法,如图1所示,所述方法包括:
101、获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项。
其中,入院状态信息包括待预测患者的伤情信息、医生对待预测患者的诊断信息和待预测患者入院初期所使用的医疗项目等,第一医疗项包括待预测患者入院初期所服用的药品、耗材、CT检查等,入院预设时长可以根据患者的病种或者伤情确定。通常可以设置为1-5天,如入院状态信息包括患者入院前3天所使用的第一医疗项。
对于本发明实施例,为了克服现有技术中仅利用患者住院初期的数据预测住院患者的医疗费用,导致住院患者医疗费用预测精度较低的缺陷,本发明实施例通过引入住院患者入院状态信息相关的目标历史住院记录,能够推测出住院患者后期可能会使用的第二医疗项,从而引入用于费用预测的入院后期的关键信息,最终根据患者入院初期的状态信息和入院后期的关键信息共同为患者进行医疗费用预测,提高了住院患者医疗费用的预测精度。本发明实施例主要应用于对医疗费用进行预测的场景,本发明实施例的执行主体为能够对医疗费用进行预测的装置或者设备,具体可以设置在客户端或者服务器一侧。
具体地,当待预测患者入院时,医生会根据待预测患者的伤情为待遇测患者进行初步诊断,并通过初步诊断根据,为待预测患者开具相应数量的药品、注射的针剂及各种检查项目等,通过查找待预测患者的住院记录能够获取待预测患者入院状态信息,具体包括医生的逐步诊断结果,以及待预测患者入院预设时长内所使用的医疗项,并根据入院预状态信息,引入与待预测患者住院相关的关键信息,基于待预测患者的入院初期的状态信息和该关键信息,预测患者整个住院周期所需的医疗费用,从而提高医疗费用的预测精度。
102、根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量。
其中,第一初步诊断信息为待预测患者入院预设时长后医生初步诊断的伤情信息。对于本发明实施例,为了确定与待预测患者本次住院相关的目标历史住院记录,首先需要获取待预测患者入院状态信息对应的第一特征向量,具体地,获取待预测患者入院状态信息中的第一诊断信息和待预测患者在入院预设时长内所使用的第一医疗项目及其对应的使用频次,例如,待预测患者在入院前三天使用了医疗项1和医疗项2,且医疗项1和医疗项2对应的使用频次分别为3次,医生的初步诊断结果为轻微的骨折,由此可以确定待预测患者的入院状态信息对应的第一特征向量为{3,3,0,0,0,1,0,0,0,0}。
103、基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别。
对于本发明实施例,首选针对不同的疾病类型,收集大量患者的历史住院记录,之后根据待预测患者入院状态信息中的第一初步诊断信息、第一医疗项目及其对应的使用频次,确定待预测患者入院状态信息对应的第一特征向量,根据所述第一特征向量,从与待预测患者具有相同类型疾病的历史住院记录中确定与待预测患者本次住院相关的目标历史住院记录。具体地,可以预先将各个疾病类型下的大量历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,之后基于待预测患者入院状态信息对应的第一特征向量,对待预测患者进行分类,确定待预测患者所属的目标聚类类别,将该目标聚类类别下的历史住院记录确定为与待预测患者本次住院相关的目标历史住院记录,该目标历史住院记录的具体确定过程见203。
104、将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录。
其中,需要从大量历史住院记录中获取与待预测患者本次住院相关的目标历史住院记录,该历史住院记录是与待预测患者患有同类疾病的多个样本患者的住院记录,历史住院记录中包括样本患者的各阶段的诊断信息以及整个住院周期中每天所使用的医疗项目。
对于本发明实施例,目标聚类类别下的历史住院记录是与待预测患者的入院状态信息距离最近的历史住院记录,即为最相似的历史住院记录,因此将其确定为与待预测患者本次住院相关的目标历史住院记录,并基于所述目标历史住院记录,确定待预测患者住院剩余预设时长内所需的医疗项目。
105、基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
其中,样本患者的住院剩余时长为整个住院周期排除入院预设时间之后的剩余时长,如整个住院周期为14天,入院预设时长为3天,样本患者的住院剩余时长为11天。
对于本发明实施例,在确定与患者本次住院相关的目标历史住院记录之后,通过对目标历史记录进行分析,推测待预测患者在住院剩余时长内可能会使用到的第二医疗项,即提取目标历史记录中的关键信息,进而依据待预测患者在入院初始使用的第一医疗项和入院后期可能使用的第二医疗项,共同对待预测患者本次住院的医疗费用进行预测。
具体地,在提取目标历史记录的关键信息的过程中,首选确定目标历史记录中样本患者在住院剩余时长内所使用的各个医疗项,之后预计该目标历史记录,分别统计各个医疗项对应的使用频次,并基于该使用频次,由大到小对各个医疗项目进行排序,根据排序结果筛选出排序名次处于范围范围的医疗项,并将排序名次处于预设范围的医疗项确定为满足预设频次要求的第二医疗项。进一步地,计算样本患者在住院剩余时长内针对第二医疗项的平均使用频次和第二医疗项的价格信息,以及待预测患者在入院预设时长内针第一医疗项目的使用频次和第一医疗项目的价格信息,计算待预测患者整个住院周期的医疗费用。
例如,目标历史住院记录包括历史住院记录1和历史住院记录2,历史住院记录1中样本患者在住院剩余时长内医疗项1使用5次,医疗项2使用3次,医疗项3使用2次,历史住院记录2中样本患者在住院剩余时长内医疗项1使用3次,医疗项2使用3次,根据历史住院记录1和历史住院记录2可以确定医疗项1共使用8次,医疗项2共使用6次,医疗项3共使用2次,依据该使用频次,由大到小对医疗项1、医疗项2和医疗项3进行排序,并筛选排名前2名的医疗项,将其确定为第二医疗项,由此可知医疗项1和医疗项2为第二医疗项,医疗项1在住院剩余时长内的平均使用频次为8/2=4次,医疗项目2在住院剩余时长内的平均使用频次为6/2=3次,由于该目标历史住院记录与患者本次住院紧密相关,因此可以推测患者在住院剩余时长内很可能会使用4次医疗项1,3次使用医疗项2,从而能够提取关键信息,进一步地,根据待预测患者的入院状态信息,可以待预测患者在入院预设时长内使用医疗项1共2次,使用医疗项3共1次,由此根据医疗项1和医疗项3分别对应的使用频次和价格信息,能够计算出待预测患者在入院预设时长内所花的医疗费,同时基于第二医疗项对应的平均使用频次和价格信息,能够推测出待预测患者在住院剩余时长内所花的医疗项,将两者相加,能够得到待预测患者本次住院所需花费的医疗费。
根据本发明提供的一种医疗费用的预测方法,与目前仅利用患者住院初期的数据预测患者的医疗费用的方式相比,本发明能够获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;并根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;与此同时,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;并将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;最终基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,由此通过引入与住院患者入院状态信息相关的目标历史住院记录,能够推测出患者住院后期可能会使用的第二医疗项,从而能够引入用于费用预测的入院后期的关键信息,因此根据患者入院初期的状态信息和入院后期的关键信息共同进行费用预测,能够提高住院患者医疗费用的预测精度。
进一步的,为了更好的说明上述对医疗费用进行预测的过程,作为对上述实施例的细化和扩展,本发明实施例提供了另一种医疗费用的预测方法,如图2所示,所述方法包括:
201、获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项。
对于本发明实施例,为了引入与入院状态信息相关的关键信息,需要预先收集样本患者的多组历史住院记录,并对多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,针对不同聚类类别下的历史住院记录,构建相应的预设医疗项目列表,当确定待预测患者所属的目标聚类类别之后,可以从目标聚类类别对应的预设医疗项目列表中获取用于费用预测的关键信息,针对聚类和构建预设医疗项目列表的具体过程,所述方法包括:收集样本患者的多组历史住院记录;分别确定所述多组历史住院记录中所述样本患者在入院预设时长内所使用的第三医疗项和第二初始诊断信息,并根据所述第二初始诊断信息和所述第三医疗项,确定所述多组历史住院记录分别对应的第三特征向量;基于所述多组历史住院记录分别对应的第三特征向量,对所述多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录;构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。
其中,样本患者为与待预测患者患有相同类型的疾病,第三医疗项包括样本患者在入院预设时长内所使用的药品、耗材、各项检查等,第二诊断信息为样本患者入院预设时长后医生对其的初步诊断结果,如样本患者的伤情信息。
具体地,每个样本患者的历史住院记录都记载在医院的数据库中,同时医院数据库中不同种类的疾病都分类记载,通过访问医院的数据库,可以获取不同类型疾病的多组历史住院记录,之后确定多组历史住院记录中样本患者在入院预设时长内所使用的药品、耗材、所做的各项检查等,即第三医疗项,同时还需要从历史记录中获取样本患者在入院预设时长内的第二诊断信息,基于所述第三医疗项和所述第二初始诊断信息,确定多多组历史住院记录分别对应的第三特征向量,例如,根据某组历史住院记录,确定样本患者在入院前三天使用了医疗项1和医疗项2,且医疗项1和医疗项2对应的使用频次分别为1次,医生的初步诊断结果为轻微的冠心病,由此可以确定该组历史住院记录对应的第三特征向量为{1,1,0,0,0,1,0,0,0,0},如果医疗项1和医疗项2对应的使用频次分别为3次,则该组历史住院记录对应的第三特征向量为{3,3,0,0,0,1,0,0,0,0},因此该第三特征向量不仅能够反映样本患者入院初始所使用的医疗项和病情信息,还可以反映医疗项的使用频次。进一步地,基于多组历史住院记录分别对应的第三特征向量,对所述多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,其中,具体聚类方法为:初始化不同团簇对应的质心向量;计算所述第三特征向量与所述不同团簇对应的质心向量之间的距离,并基于所述不同团簇对应的距离,将所述多组历史住院记录划分到所述不同团簇中;基于所述不同团簇中历史住院记录对应的第三特征向量,得到所述不同团簇对应的更新后的质心向量;基于所述更新后的质心向量,重新将所述多组历史住院记录划分到所述不同团簇中,直至所述更新后的质心向量不发生变化,将最终划分到所述不同团簇中的历史住院记录,确定为所述不同聚类类别下的历史住院记录。其中,团簇的数量可以根据实际的业务需求进行设定,如设定团簇K等于10。
具体地,首先从多组历史住院记录中随机样本K个历史住院记录,将这K个历史住院记录对应的第三特征向量作为K个团簇的初始质心向量,之后根据多组历史住院记录分别对应的第三特征向量,以及K个团簇的质心向量,分别计算第三特征向量与不同团簇对应的质心向量之间的距离,并基于K个团簇对应的距离,将所述多组历史住院记录划分到相应的团簇中,之后基于不同团簇中历史住院记录对应的第三特征向量,更新K个团簇对应的初始化质心向量,进一步地,基于更新后的质心向量,重新计算多组历史住院记录对应的第三特征向量与K个质心向量的距离,并基于计算的距离,重新将多组历史住院记录划分到K个团簇中,然后再次计算K个团簇对应的质心向量,直至K个团簇的质心向量不再发生变化,停止划分,将K个团簇中最终划分的历史住院记录确定为不同聚类类别下的历史住院记录。
进一步地,基于不同聚类类别下的历史住院记录,分别构建不同聚类类别下的历史住院记录对应的预设医疗项目列表,具体方法为:确定所述不同聚类类别下的历史住院记录中所涉及的各个医疗项;根据所述各个医疗项对应的使用频次,对所述不同聚类类别下的各个医疗项进行排序,筛选排序名次处于预设范围内的医疗项,并将其确定为所述不同聚类类别下满足预设频次要求的第三医疗项;基于所述不同聚类类别所涉及的第三医疗项及其对应的使用频次和价格信息,构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。其中,前预设范围内可以是排序名次中的前五名或前八名,具体可以根据疾病种类等设定,本发明实施例不做具体限定。
具体地,针对每个聚类类别中的历史住院记录,首先确定每个聚类类别下的历史住院记录中样本患者在住院剩余时长内所使用的各个医疗项及其对应的使用频次,并将各个医疗项目按照其对应的使用频次由大到小的顺序进行排列,得到住院剩余预设时长内所使用的医疗项目的排序名次,根据排序结果,筛选排序名次处于预设范围内的医疗项,并将其确定为满足预设频次要求的第三医疗项目,之后在相应聚类类别下的历史住院记录中统计第三医疗项目对应的使用频次,同时获取第三医疗项目对应的价格信息,基于不同聚类类别下的历史住院记录所涉及的第三医疗项及其对应的使用频次和价格信息,构建不同聚类类别下的历史住院记录对应的预设医疗项目列表。
在构建完不同聚类类别下的历史住院记录对应的预设医疗项目列表之后,根据医生的初步诊断获得的待预测患者的入院状态信息,确定所述入院状态信息所述的目标聚类类别,并通过目标聚类类别下的历史住院记录对应的预设医疗项目列表,推测待预测患者住院剩余预设时长内所需的医疗项目,即提取关键信息,最终基于待预测患者入院状态信息中的第一医疗项目和住院剩余预设时长内所需的医疗项目,预测待预测患者整个住院周期的医疗费用。
202、根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量。
其中,第一初步诊断信息为待预测患者入院预设时长后医生初步诊断的伤情信息。
对于本发明实施例,为了确定与待预测患者本次住院相关的目标历史住院记录,首先需要获取待预测患者入院状态信息对应的第一特征向量,具体地,获取待预测患者入院状态信息中的第一诊断信息和待预测患者在入院预设时长内所使用的第一医疗项目及其对应的使用频次,例如,待预测患者在入院前三天使用了医疗项1和医疗项2,且医疗项1和医疗项2对应的使用频次分别为3次,医生的初步诊断结果为轻微的骨折,由此可以确定待预测患者的入院状态信息对应的第一特征向量为{3,3,0,0,0,1,0,0,0,0}。
203、基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别。
对于本发明实施例,为了确定所述入院状态信息所述的目标聚类类别,步骤203具体包括:确定不同聚类类别下的历史住院记录对应的第二特征向量;根据所述第一特征向量和所述第二特征向量,分别计算所述入院状态信息与所述不同聚类类别下的历史住院记录之间的距离;基于所述不同聚类类别下历史住院记录对应的距离,确定所述入院状态信息所属的目标聚类类别。
例如,目标聚类类别1中历史住院记录1、历史住院记录2和历史住院记录3,在确定入院状态信息对应的第一特征向量之后,根据该第一特征向量,以及历史住院记录1、历史住院记录2和历史住院记录3分别对应的第二特征向量,分别计算入院状态信息与历史住院记录1、历史住院记录2和历史住院记录3的距离,并将计算的距离相加,得到入院状态信息与目标聚类类别条的历史住院记录之间的距离。由此按照上述方式能够得到入院状态信息与不同聚类类别下的历史住院记录之间的距离,之后将最小距离对应的聚类类别确定为入院状态信息所属的目标聚类类别。
204、将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录。
对于本发明实施例,目标聚类类别下的历史住院记录是与待预测患者的入院状态信息距离最近的历史住院记录,即为最相似的历史住院记录,因此将其确定为与待预测患者本次住院相关的目标历史住院记录,并基于所述目标历史住院记录对应的预设医疗项目列表,勾选待预测患者住院剩余预设时长内所需的医疗项目。
205、根据所述目标历史住院记录所属的目标聚类类别,查询相应的预设医疗项目列表,确定所述目标历史住院记录所涉及的第二医疗项及其对应的价格信息和使用频次。
对于本发明实施例,在确定与待预测患者本次住院相关联的目标历史住院记录后,根据该目标历史住院记录所属的目标聚类类别,查询该目标聚类类别对应的预设医疗项目列表,因为该预设医疗项目列表中记录有第二医疗项及其对应的价格信息和使用频次,所以通过查询相应的预设医疗项目列表,可以确定所述目标历史住院记录所涉及的第二医疗项及其对应的价格信息和使用频次,在确定第二医疗项及其对应的价格信息和使用频次之后,为了便于用户根据该第二医疗项及其对应的价格信息和使用频次,为待预测患者选择住院剩余预设时长内所需的目标医疗项,所述方法还包括:生成所述第二医疗项对应的选择弹框,并将所述选择弹框展示给用户;接收所述用户从所述第二医疗项中选择的目标医疗项。
其中,目标医疗项为医生根据患者的病情,在住院剩余时长内为患者选择的医疗项。具体地,在确定目标聚类类别对应的预设医疗项目列表之后,响应于用户的操作请求,系统会自动弹出该预设医疗项目列表,并将其展示给用户,用户在该预设医疗项目列表中选择待预测患者在住院剩余预设时长内所需的目标医疗项目,与此同时,基于所述第一医疗项对应的价格信息和使用频次,以及所述目标医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
206、基于所述第一医疗项对应的价格信息和使用频次,以及所述第二医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
对于本发明实施例,根据医生在预设医疗项目列表中选择的目标医疗项及其对应的价格信息和使用频次,同时结合待预测患者在入院是所使用的第一医疗项及其对应的价格信息和使用频次,计算待预测患者本次住院的医疗费用。
根据本发明提供的另一种医疗费用的预测方法、装置、存储介质及计算机设备,与目前仅利用患者住院初期的数据预测患者的医疗费用的方式相比,本发明能够获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;并根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;与此同时,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;并将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;最终基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,由此通过引入与住院患者入院状态信息相关的目标历史住院记录,能够推测出患者住院后期可能会使用的第二医疗项,从而能够引入用于费用预测的入院后期的关键信息,因此根据患者入院初期的状态信息和入院后期的关键信息共同进行费用预测,能够提高住院患者医疗费用的预测精度。
进一步地,作为图1的具体实现,本发明实施例提供了一种医疗费用的预测装置,如图3所示,所述装置包括:获取单元31、第一确定单元32、第二确定单元33、第三确定单元34和预测单元35。
所述获取单元31,可以用于获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项。
所述第一确定单元32,可以用于根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量。
所述第二确定单元33,可以用于基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别。
所述第三确定单元34,可以用于将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录。
所述预测单元35,可以用于基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
在具体应用场景中,为了确定所述入院状态信息所属的目标聚类类别,所述第二确定单元33,如图4所示,包括:第一确定模块331和第一计算模块332。
所述第一确定模块331,可以用于确定不同聚类类别下的历史住院记录对应的第二特征向量。
所述第一计算模块332,可以用于根据所述第一特征向量和所述第二特征向量,分别计算所述入院状态信息与所述不同聚类类别下的历史住院记录之间的距离。
所述第一确定模块331,还可以用于基于所述不同聚类类别下历史住院记录对应的距离,确定所述入院状态信息所属的目标聚类类别。
在具体应用场景中,所述预测单元35,包括:查询模块351和第二计算模块352。
所述查询模块351,可以用于根据所述目标历史住院记录所属的目标聚类类别,查询相应的预设医疗项目列表,确定所述目标历史住院记录所涉及的第二医疗项及其对应的价格信息和使用频次。
所述第二计算模块352,可以用于基于所述第一医疗项对应的价格信息和使用频次,以及所述第二医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
进一步地,所述预测单元35,还包括:展示模块353、接收模块354。
所述展示模块353,可以用于生成所述第二医疗项对应的选择弹框,并将所述选择弹框展示给用户。
所述接收模块354,可以用于接收所述用户从所述第二医疗项中选择的目标医疗项。
所述第二计算模块352,具体可以用于基于所述第一医疗项对应的价格信息和使用频次,以及所述目标医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
在具体应用场景中,为了构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表,所述装置还包括:聚类单元36和构建单元37。
所述获取单元31,还可以用于收集样本患者的多组历史住院记录。
所述第一确定单元32,还可以用于分别确定所述多组历史住院记录中所述样本患者在入院预设时长内所使用的第三医疗项和第二初始诊断信息,并根据所述第二初始诊断信息和所述第三医疗项,确定所述多组历史住院记录分别对应的第三特征向量。
所述聚类单元36,可以用于基于所述多组历史住院记录分别对应的第三特征向量,对所述多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录。
所述构建单元37,可以用于构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。
进一步地,所述聚类单元36,包括:初始化模块361、第三计算模块362、第二确定模块363和划分模块364。
所述初始化模块361,可以用于初始化不同团簇对应的质心向量。
所述第三计算模块362,可以用于计算所述第三特征向量与所述不同团簇对应的质心向量之间的距离,并基于所述不同团簇对应的距离,将所述多组历史住院记录划分到所述不同团簇中。
所述第二确定模块363,可以用于基于所述不同团簇中历史住院记录对应的第三特征向量,得到所述不同团簇对应的更新后的质心向量。
所述划分模块364,可以用于基于所述更新后的质心向量,重新将所述多组历史住院记录划分到所述不同团簇中,直至所述更新后的质心向量不发生变化,将最终划分到所述不同团簇中的历史住院记录,确定为所述不同聚类类别下的历史住院记录。
进一步地,为了构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表,所述构建单元37,包括:第三确定模块371和构建模块372。
所述第三确定模块371,可以用于确定所述不同聚类类别下的历史住院记录中所涉及的各个医疗项。
所述第三确定模块371,还可以用于根据所述各个医疗项对应的使用频次,对所述不同聚类类别下的各个医疗项进行排序,筛选排序名次处于预设范围内的医疗项,并将其确定为所述不同聚类类别下满足预设频次要求的第三医疗项。
所述构建模块372,可以用于基于所述不同聚类类别所涉及的第三医疗项及其对应的使用频次和价格信息,构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。
需要说明的是,本发明实施例提供的一种医疗费用的预测装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
基于上述如图1所示方法和如图3所示装置的实施例,本发明实施例还提供了一种计算机设备的实体结构图,如图5所示,该计算机设备包括:处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序,其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤:获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用。
通过本发明的技术方案,本发明通过获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;并根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;与此同时,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;并将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录;最终基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,由此通过引入与住院患者入院状态信息相关的目标历史住院记录,能够推测出患者住院后期可能会使用的第二医疗项,从而能够引入用于费用预测入院后期的关键信息,因此根据患者入院初期的状态信息和入院后期的关键信息共同进行费用预测,能够提高住院患者医疗费用的预测精度。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (9)
1.一种医疗费用预测方法,其特征在于,包括:
获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
预先将各个疾病类型下的大量历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,并基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录,其中,所述目标聚类类别下的历史住院记录是与待预测患者的入院状态信息距离最近的历史住院记录;
基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用;
其中,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别,包括:
确定不同聚类类别下的历史住院记录对应的第二特征向量;
根据所述第一特征向量和所述第二特征向量,分别计算所述入院状态信息与所述不同聚类类别下的历史住院记录之间的距离,并将计算的距离相加,得到入院状态信息与目标聚类类别下的历史住院记录之间的距离;
基于所述不同聚类类别下历史住院记录对应的距离,将最小距离对应的聚类类别确定为入院状态信息所属的目标聚类类别;
其中,所述基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,包括:
计算样本患者在住院剩余时长内针对第二医疗项的平均使用频次和第二医疗项的价格信息,以及待预测患者在入院预设时长内针第一医疗项的使用频次和第一医疗项的价格信息;
基于所述第二医疗项的平均使用频次和价格信息,以及第一医疗项的使用频次和价格信息,计算待预测患者本次住院的医疗费用。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用,包括:
根据所述目标历史住院记录所属的目标聚类类别,查询相应的预设医疗项目列表,确定所述目标历史住院记录所涉及的第二医疗项及其对应的价格信息和使用频次;
基于所述第一医疗项对应的价格信息和使用频次,以及所述第二医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述目标历史住院记录所属的目标聚类类别,查询相应的预设医疗项目列表,确定所述目标历史住院记录所涉及的第二医疗项及其对应的价格信息和使用频次之后,所述方法还包括:
生成所述第二医疗项对应的选择弹框,并将所述选择弹框展示给用户;
接收所述用户从所述第二医疗项中选择的目标医疗项;
所述基于所述第一医疗项对应的价格信息和使用频次,以及所述第二医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用,包括:
基于所述第一医疗项对应的价格信息和使用频次,以及所述目标医疗项对应的价格信息和使用频次,计算所述待预测患者本次住院的医疗费用。
4.根据权利要求1所述的方法,其特征在于,在所述获取待预测患者的入院状态信息之前:
收集样本患者的多组历史住院记录;
分别确定所述多组历史住院记录中所述样本患者在入院预设时长内所使用的第三医疗项和第二初始诊断信息,并根据所述第二初始诊断信息和所述第三医疗项,确定所述多组历史住院记录分别对应的第三特征向量;
基于所述多组历史住院记录分别对应的第三特征向量,对所述多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录;
构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。
5.根据权利要求4所述的方法,其特征在于,所述基于所述多组历史住院记录分别对应的第三特征向量,对所述多组历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,包括:
初始化不同团簇对应的质心向量;
计算所述第三特征向量与所述不同团簇对应的质心向量之间的距离,并基于所述不同团簇对应的距离,将所述多组历史住院记录划分到所述不同团簇中;
基于所述不同团簇中历史住院记录对应的第三特征向量,得到所述不同团簇对应的更新后的质心向量;
基于所述更新后的质心向量,重新将所述多组历史住院记录划分到所述不同团簇中,直至所述更新后的质心向量不发生变化,将最终划分到所述不同团簇中的历史住院记录,确定为所述不同聚类类别下的历史住院记录。
6.根据权利要求4所述的方法,其特征在于,所述构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表,包括:
确定所述不同聚类类别下的历史住院记录中所涉及的各个医疗项;
根据所述各个医疗项对应的使用频次,对所述不同聚类类别下的各个医疗项进行排序,筛选排序名次处于预设范围内的医疗项,并将其确定为所述不同聚类类别下满足预设频次要求的第三医疗项;
基于所述不同聚类类别所涉及的第三医疗项及其对应的使用频次和价格信息,构建所述不同聚类类别下的历史住院记录对应的预设医疗项目列表。
7.一种医疗费用预测装置,其特征在于,包括:
获取单元,用于获取待预测患者的入院状态信息,其中,所述入院状态信息包括所述待预测患者在入院预设时长内所使用的第一医疗项;
第一确定单元,用于根据所述入院状态信息中的第一初步诊断信息和所述第一医疗项及其对应的使用频次,确定所述入院状态信息对应的第一特征向量;
第二确定单元,用于预先将各个疾病类型下的大量历史住院记录进行聚类,得到不同聚类类别下的历史住院记录,基于所述第一特征向量,对所述入院状态信息进行分类,确定所述入院状态信息所属的目标聚类类别;
第三确定单元,用于将所述目标聚类类别下的历史住院记录确定为与所述待预测患者本次住院相关的目标历史住院记录,其中,所述目标聚类类别下的历史住院记录是与待预测患者的入院状态信息距离最近的历史住院记录;
预测单元,用于基于所述目标历史住院记录中样本患者在住院剩余时长内所使用的满足预设频次要求的第二医疗项和所述第一医疗项,预测所述待预测患者本次住院的医疗费用;
其中,所述第二确定单元,具体用于确定不同聚类类别下的历史住院记录对应的第二特征向量;根据所述第一特征向量和所述第二特征向量,分别计算所述入院状态信息与所述不同聚类类别下的历史住院记录之间的距离,并将计算的距离相加,得到入院状态信息与目标聚类类别下的历史住院记录之间的距离;基于所述不同聚类类别下历史住院记录对应的距离,将最小距离对应的聚类类别确定为入院状态信息所属的目标聚类类别;
其中,所述预测单元,具体用于计算样本患者在住院剩余时长内针对第二医疗项的平均使用频次和第二医疗项的价格信息,以及待预测患者在入院预设时长内针第一医疗项的使用频次和第一医疗项的价格信息;基于所述第二医疗项的平均使用频次和价格信息,以及第一医疗项的使用频次和价格信息,计算待预测患者本次住院的医疗费用。
8.一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。
9.一种计算机设备,包括存储器、处理器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 |
---|---|---|---|
CN202111017236.2A CN113724883B (zh) | 2021-08-31 | 2021-08-31 | 医疗费用预测方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017236.2A CN113724883B (zh) | 2021-08-31 | 2021-08-31 | 医疗费用预测方法、装置、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724883A CN113724883A (zh) | 2021-11-30 |
CN113724883B true CN113724883B (zh) | 2023-09-15 |
Family
ID=78680235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017236.2A Active CN113724883B (zh) | 2021-08-31 | 2021-08-31 | 医疗费用预测方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724883B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894685B (zh) * | 2023-09-11 | 2024-02-23 | 之江实验室 | 一种面向医疗行为片段的费用自动测算方法与系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005004260A (ja) * | 2003-06-09 | 2005-01-06 | Toshiba Corp | 病院経営支援システム |
JP2005149153A (ja) * | 2003-11-14 | 2005-06-09 | Wacom-It Co Ltd | 入院医療点数算出装置および入院医療点数処理プログラム |
WO2006006432A1 (ja) * | 2004-07-13 | 2006-01-19 | Olympus Corporation | 医療費用算出装置 |
JP2006023923A (ja) * | 2004-07-07 | 2006-01-26 | Fujitsu Ltd | 入院日数算定プログラムおよび入院日数算定装置 |
CN109377387A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技(深圳)有限公司 | 医保理赔费用检测方法、装置、计算机设备和存储介质 |
CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
CN109544375A (zh) * | 2018-10-30 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于大数据的医院盈亏分析方法及计算设备 |
CN109543904A (zh) * | 2018-05-29 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 医疗数据预测方法、装置、计算机设备和存储介质 |
CN109598302A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 就诊费用预测方法、装置、设备及计算机可读存储介质 |
JP2020017094A (ja) * | 2018-07-26 | 2020-01-30 | 株式会社日立製作所 | 分析方法、分析装置及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140006044A1 (en) * | 2012-06-27 | 2014-01-02 | Infosys Limited | System and method for preparing healthcare service bundles |
-
2021
- 2021-08-31 CN CN202111017236.2A patent/CN113724883B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005004260A (ja) * | 2003-06-09 | 2005-01-06 | Toshiba Corp | 病院経営支援システム |
JP2005149153A (ja) * | 2003-11-14 | 2005-06-09 | Wacom-It Co Ltd | 入院医療点数算出装置および入院医療点数処理プログラム |
JP2006023923A (ja) * | 2004-07-07 | 2006-01-26 | Fujitsu Ltd | 入院日数算定プログラムおよび入院日数算定装置 |
WO2006006432A1 (ja) * | 2004-07-13 | 2006-01-19 | Olympus Corporation | 医療費用算出装置 |
CN109543904A (zh) * | 2018-05-29 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 医疗数据预测方法、装置、计算机设备和存储介质 |
JP2020017094A (ja) * | 2018-07-26 | 2020-01-30 | 株式会社日立製作所 | 分析方法、分析装置及びプログラム |
CN109377387A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技(深圳)有限公司 | 医保理赔费用检测方法、装置、计算机设备和存储介质 |
CN109544375A (zh) * | 2018-10-30 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于大数据的医院盈亏分析方法及计算设备 |
CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
CN109598302A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 就诊费用预测方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113724883A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2533500C2 (ru) | Система и способ для объединения клинических признаков и признаков изображений для диагностики с применением компьютера | |
JP5523342B2 (ja) | 類似事例検索を精密化するための方法及び装置 | |
CN101911078B (zh) | 匹配类似患者病例 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
US20160321414A1 (en) | Diagnostic Test Planning | |
CN106793957B (zh) | 用于预测患者护理未来结果的医疗系统和方法 | |
CN111696675A (zh) | 基于物联网数据的用户数据分类方法、装置及计算机设备 | |
JP6006081B2 (ja) | 疾患診断のための最適の診断要素セット決定装置及び方法 | |
RU2007124523A (ru) | Способы, системы и компьютерные программные продукты для разработки и использования прогнозных моделей для прогнозирования большинства медицинских случаев, оценки стратегий вмешательства и для одновременной оценки нерегулярности биологических маркеров | |
US11037659B2 (en) | Data-enriched electronic healthcare guidelines for analytics, visualization or clinical decision support | |
CN101903888A (zh) | 用于基于跨模态病例的计算机辅助诊断的方法和系统 | |
US20220020457A1 (en) | Medical data evaluation utilization system and medical data evaluation utilization method | |
CN112201360A (zh) | 慢病随访记录收集方法、装置、设备及存储介质 | |
CN113724883B (zh) | 医疗费用预测方法、装置、存储介质及计算机设备 | |
CN111415760B (zh) | 医生推荐方法、系统、计算机设备及存储介质 | |
CN114078593A (zh) | 临床决策支持 | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
CN113744845A (zh) | 基于人工智能的医学影像处理方法、装置、设备及介质 | |
Ieva | Designing and mining a multicenter observational clinical registry concerning patients with acute coronary syndromes | |
CN116844725A (zh) | 健康信息生成方法、装置、介质及设备 | |
JP2003526137A (ja) | 職員配置を自動的に割り振るための方法および装置 | |
CN110033835B (zh) | 用于患者记录识别的装置 | |
EP3667674A1 (en) | Method and system for evaluating images of different patients, computer program and electronically readable storage medium | |
Wassan | Modeling stack framework for accessing electronic health records with big data needs | |
CN109801689A (zh) | 区域医疗电子病历共享系统及方法 |
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 |