CN114141340A - 一种在医疗过程中进行合理控费的方法、装置及设备 - Google Patents

Abstract

本发明实施例公开了一种在医疗过程中进行合理控费的方法、装置及设备，所述方法包括：基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种；获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。采用本发明的方式，可对医生的用药情况进行约束，避免对病人进行过度医疗，同时降低医院成本。

Description

一种在医疗过程中进行合理控费的方法、装置及设备

技术领域

本发明涉及医疗数据技术领域，特别是涉及一种在医疗过程中进行合理控费的方法、装置及设备。

背景技术

医疗控费，是国家的一项长期政策。目前，国家全面推行以按病种付费为主的多元复合式医保支付方式。按病种收费，即从患者入院，按病种治疗管理流程接受规范化诊疗，达到临床疗效标准后出院，整个过程中发生的诊断、治疗、手术等各项费用，都一次性打包收费。在采用基于打包收费前，药品和高质医用耗材的差价收入是医院的主要来源之一，随着近年来全面取消药品加成，药品销售和医用耗材销售由原来的收入来源变成了成本业务，但仍难以控制医生与各医药企业之间可能达成某种利益关系而在治疗中过度用药。由于患者的个体特征和每种疾病在个人身上的表现存在差异，病情的严重程度、有无合并症和并发症等因素，都会导致治疗方法和手段的不同。因此，无法对医生的检查、治疗和用药等情况进行规范化约束。因此，如何提供一种在医疗过程中进行合理控费的方案对医院显得尤为重要。

发明内容

本发明实施例旨在提供一种在医疗过程中进行合理控费的方法、装置及设备，能对医生的用药情况进行约束，避免对病人进行过度医疗，同时降低医院成本。

为解决上述技术问题，本发明实施例提供以下技术方案：

根据本发明的一方面，提供一种在医疗过程中进行合理控费的方法，所述方法包括：

基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；

根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种；

获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

可选地，所述方法还包括：

基于大数据技术对各病种的药占比进行统计，得到各病种的标准药占比；判断所述用药指令中各目标药品的总费用与各医疗服务项目总费用的占比是否超过所述预测病种所对应的标准药占比，若是，则生成第二提示信息。

可选地，所述根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种包括：

对当前病案的诊断信息和/或手术操作信息进行审核，并根据所述审核结果对所述诊断信息和/或手术操作信息修改后进行预测入组，得到预测病种。

可选地，所述对当前病案的诊断信息进行审核包括：

获取当前病案对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果；

其中，所述诊断匹配规则库的建立包括：

基于大数据技术，分别统计出与各疾病的疾病名称相关联的关键词组合；根据所述关键词组合生成各疾病的关键词匹配规则；

基于大数据技术，对各疾病的病案基本信息、药品信息、手术信息、检验指标信息和检查指标信息与各疾病进行关联度分析；得到与各疾病相关联的基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征的组合，根据所述组合生成各疾病的特征匹配规则；

将各疾病的关键词匹配规则和特征匹配规则进行合并形成各疾病的诊断匹配规则集。

可选地，所述对当前病案的诊断信息进行审核还包括：

根据病种分值库和所述手术操作信息分析出所述手术操作信息中每项手术操作对应的推测诊断集；将所述手术操作信息中每项手术操作对应的推测诊断集与所述诊断信息进行匹配，得到所述诊断信息是否遗漏的第三审核结果。

可选地，所述对当前病案的手术操作信息进行审核包括：

获取当前病案对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否存在遗漏或低编的第一审核结果；

所述建立的手术操作与医疗服务项目集的映射关系包括：

基于大数据技术分别统计各项手术操作和各医疗服务项目之间的关联度，筛选出超过手术关联度阈值的各医疗服务项目形成各项手术操作的关联医疗服务项目集；

根据所述各项手术操作的关联医疗服务项目集中各医疗服务项目名称与手术操作名称之间的相似度，筛选出超过相似度阈值的各医疗服务项目组成各项手术操作的映射医疗服务项目集；

建立各项手术操作与各映射医疗服务项目集之间的映射关系。

可选地，所述方法还包括：

基于大数据技术分别对各病种的医用耗材使用情况进行统计，得到各病种下各类医用耗材使用的合理价格区间；

判断所述用药指令中各医用耗材费用是否位于所述预测病种下医用耗材的合理价格区间，若不是，则生成第三提示信息。

根据本发明的另一方面，提供一种在医疗过程中进行合理控费的装置，所述装置包括：

药品目录建立模块，基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；

病种预测模块，基于当前病案的诊断信息和手术操作信息得到预测病种；

第一提示模块，获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

根据本发明的另一方面，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上述任一项所述在医疗过程中进行合理控费的方法步骤。

根据本发明的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行上述任一项所述在医疗过程中进行合理控费的方法步骤。

根据本发明的另一方面，提供一种计算机程序，所述计算机程序包括计算机可读代码，当计算机可读代码在计算设备上运行时，导致所述计算设备执行上述任一项所述在医疗过程中进行合理控费的方法步骤。

本发明实施例的有益效果是：区别于现有技术的情况，本发明实施例中，基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种；获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。采用本发明的方式，当医生在医疗过程中开具了不属于当前疾病对应的必需药品目录中的药品时，可发出提醒，对医生的用药情况进行约束，避免对病人进行过度医疗，同时降低医院成本。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明实施例提供的一种可选的病案首页的审核方法的流程图；

图2(a)是本发明实施例提供的一种可选的病案首页的第一页面示意图；

图2(b)是本发明实施例提供的一种可选的病案首页的第二页面示意图；

图3是本发明实施例提供的一种可选的对手术操作信息进行审核的方法流程图；

图4是本发明实施例提供的一种可选的建立手术操作与医疗服务项目集的映射关系的方法流程图；

图5是本发明实施例提供的一种可选的对诊断信息进行高编审核的方法流程图；

图6是本发明实施例提供的一种可选的建立关键词匹配规则的方法流程图；

图7是本发明实施例提供的另一种可选的病案首页的审核方法的流程图；

图8是本发明实施例提供的一种可选的对诊断信息进行遗漏审核的方法流程图；

图9是本发明实施例提供的一种可选的合理控费装置的结构示意图；

图10是本发明实施例提供的一种可选的在医疗过程中进行合理控费的方法流程图；

图11是本发明实施例提供的另一种可选的在医疗过程中进行合理控费的方法流程图；

图12是为本发明实施例提供的一种可选的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明各实施例中提供了基于大数据技术建立手术操作与医疗服务项目集的映射关系的方法、基于大数据技术建立诊断匹配规则库的方法、基于大数据技术对各病种的药品使用情况进行统计的方法以及基于大数据技术对各病种的医用耗材使用情况进行统计的方法等。需要说明的是，在执行上述方法之前，还包括：基于大数据技术搭建数据采集平台，采集各患者的病案基本信息、诊断信息、手术操作信息、费用明细信息、药品信息、检验指标信息、检查指标信息、出院小结信息、入组信息等，并对上述信息按预设的数据字典进行清洗得到各病案的医疗数据集，以病案为单位对各医疗数据集进行存储，构建出历史医疗数据库。

如图1所示为本发明实施例提供的一种可选的病案首页的审核方法的流程图，所述方法包括：

步骤S101，获取待审核的目标病案首页，对所述目标病案首页进行识别，得到所述目标病案首页的病案基本信息、诊断信息和手术操作信息。

如图2(a)、图2(b)所示，目标病案首页是按照预设规范记录病案基本信息、诊断信息、手术操作信息和费用信息的简要病历文件；预设规范是由国家或医疗结构的病案管理部门设定的统一数据记录格式。病案基本信息包括病人的病案号、姓名、性别、年龄、入院日期、入院科室、出院日期、出院科室等信息；诊断信息包括主要诊断和其他诊断；手术操作信息包括病人在住院期间进行的各项手术和操作。

步骤S102，获取所述目标病案首页对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中所包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否遗漏或低编的第一审核结果。

医务工作者由于工作强度比较大，可能出现在病案首页中遗漏填写其中一项或多项手术操作的情形。而遗漏一项手术操作对医院造成的损失可能是巨大的。比如，某患者住院总费用：219491.64元，原主要诊断为：163.900脑梗死，原手术操作为：38.9301静脉插管术，原入组病种：I：FBS循环系统疾病：非保守，原病种分值：938.81(按照162.38分值单价计算，医保DIP付费：152443.97元，医院亏损67047.67元)。后来经过分析，遗漏手术操作：99.9201中医针刺，补充填写该操作后，新入病种：I63.9.99.9201脑梗死：中医针刺，新病种分值：1429.02(医保DIP付费：232044.26元，医院结余12552.62元)。

为了减少医院损失，现有技术中主要通过人工复核的方式，但人工复核不仅需要复核人员专业度高，而且需要如何人员注意力高度集中，复核难度较大。本发明实施例提出一种通过费用明细信息中的医疗服务项目来确定目标病案首页中是否存在遗漏的手术操作的方法来对手术操作信息进行审核，具体的实现方式请请参考下面结合图3的描述。

在实际应用中，可能存在手术操作信息本身为空的情形，或者手术操作信息由于遗漏而为空的情形。可选地，在步骤S102之前，还包括：判断所述手术操作信息是否为空；若否，则执行步骤S102；若是，则获取目标病案首页对应的科室信息，若所述科室信息为内科，则跳过步骤S102，执行步骤S103；若所述科室信息为外科，则继续执行步骤S102。这是因为，内科病人进行手术操作的情况相对较少，若手术操作信息为空，则可以默认为手术操作信息本身为空的情形。当然，在手术操作信息为空的情况下，也可以不用区分内科或外科，直接执行步骤S102，以确保没有手术操作被遗漏。

步骤S103，获取所述目标病案首页对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果。

该步骤通过将诊断信息、医疗数据集与诊断匹配规则集进行匹配，可对诊断是否存在高编进行判断。如，目标病案首页上的诊断名称为“高尿酸血症”，该病案的医疗数据集显示为：病人(男)，尿酸水平为380μmol/L，则判断该诊断为高编。因为根据医学标准，高尿酸血症(HUA)是指在正常嘌呤饮食状态下，非同日两次空腹血尿酸水平男性高于420μmol/L，女性高于360μmol/L，即称为高尿酸血症。

在一种可选的方案中，本发明实施例的方法还包括：对所述第一审核结果和第二审核结果进行整合后输出。

在一种可选的方案中，本发明实施例的方法还包括：对目标病案首页的病案基本信息进行第一数据校验，所述第一数据校验用于判断所述病案基本信息是否填写规范和完整。

在一种可选的方案中，本发明实施例的方法还包括：对目标病案首页中各项数据信息进行第二数据校验，所述第二数据校验基于预设的逻辑判断规则对各项数据信息是否符合逻辑进行判断，比如：年龄是否与诊断相符，总费用是否与费用明细相等，出院时间是否大于入院时间等。

在一种可选的方案中，本发明实施例的方法还包括：根据入院信息和出院信息判断是否有病案尚未提交，若是，则向所述尚未提交病案的医生发出提示信息。

步骤S103的具体的实现方式请请参考下面结合图5的描述。

下面对步骤S102进行具体描述，如图3所示，为本发明实施例提供的一种可选的对手术操作信息进行审核的方法流程图，所述方法包括：

步骤S1021，获取所述目标病案首页对应的费用明细信息。

如图2(b)所示，目标病案首页中仅记载了总费用和各类费用信息，比如诊查费、治疗费、药品费等，没有记载各项医疗服务项目的具体费用信息。具体的，通过目标病案首页的病案号可以从HIS(Hospital Information System，医院信息系统)系统中得到目标病案首页对应的费用明细信息，所述费用明细信息包括病人在住院期间产生的各项医疗服务项目的费用，所述医疗服务项目按费用类别可分为床位费、诊查费、护理费、手术费、治疗费、检查费、化验费、药品费(西药费、中成药费、中草药费)、医用耗材费等。

步骤S1022，基于预先建立的手术操作与医疗服务项目集的映射关系，从所述费用明细信息中筛选出未对应在所述手术操作信息中的医疗服务项目集。

目前，手术操作与医疗服务项目隶属于不同的体系和框架下。手术操作方面，国家发布了《国家临床版3.0手术操作编码(ICD-9-CM3)》，其中包含的手术操作有13000多项。医疗服务项目的名称、编码、费用类别和收费标准等一般由各地政府部门制定。比如，深圳市发布了《深圳市非营利性医疗机构基本医疗服务项目和价格(2020年版)》，其中包含的医疗服务项目有9000多项。

为了实现通过费用明细信息中的医疗服务项目来确定目标病案首页中是否存在遗漏的手术操目的，必须建立手术操作与医疗服务项目集的映射关系。比如：一项手术操作名称为“腹腔镜下阑尾切除术”的手术操作可与“腹腔镜加收”+“阑尾切除术(指单纯性)”对应；或者与“腹腔镜加收”+“阑尾切除术(指单纯性)”+“阑尾切除术(化脓性加收)”；又或者与“腹腔镜加收”+“阑尾切除术(指单纯性)”+“阑尾切除术(坏疽性加收)”对应。最终，我们希望建立的映射关系为：手术操作“腹腔镜下阑尾切除术”与医疗服务项目集{“腹腔镜加收”、阑尾切除术(指单纯性)、阑尾切除术(化脓性加收)、阑尾切除术(坏疽性加收)}对应。

如图4所示为本发明实施例提供的一种可选的建立手术操作与医疗服务项目集的映射关系的方法流程图，所述方法包括：

步骤S401，基于大数据技术分别统计各项手术操作和各医疗服务项目之间的关联度，筛选出超过手术关联度阈值的各医疗服务项目形成各项手术操作的关联医疗服务项目集。

具体的，基于大数据技术，分别根据各项手术操作的名称筛选出包含各项手术操作的病案；获取各病案对应的费用明细信息，计算所述费用明细信息中各医疗服务项目与各项手术操作的关联度；将关联度超过手术关联度阈值的医疗服务项目筛选出来形成所述手术操作的关联服务项目集。比如，从《国家临床版3.0手术操作编码(ICD-9-CM3)》中选取其中一项手术操作，在历史医疗数据库中筛选出包括该手术操作的所有病案，获取每个病案对应的费用明细信息，统计费用明细信息中各医疗服务项目的出现率(所述出现率即为该手术操作与医疗服务项目之间的关联度)，若某医疗服务项目的出现率超过预设的手术关联度阈值，比如为95％，则将该医疗服务项目筛选出来。

医疗服务项目按费用类别可分为床位费、诊查费、护理费、手术费、治疗费、检查费、化验费、药品费(西药费、中成药费、中草药费)、医用耗材费等。在一种可选的方案中，所述计算所述费用明细信息中各医疗服务项目与各项手术操作的关联度还包括:对各病案的费用明细信息按照费用类别筛选出属于手术操作类型的各医疗服务项目；计算所述费用明细信息中属于手术操作类型的各医疗服务项目与各项手术操作的关联度。根据经验，手术操作类型的医疗服务项目的费用类别可包括治疗费、手术费和检查费。

本申请发明人在研究中发现，存在一项手术操作既与医疗服务项目A对应，又与医疗服务项目B对应的情形。比如，编码为16.2100x001“眼底检查”的手术操作，在《深圳市非营利性医疗机构基本医疗服务项目和价格(2020年版)》中可对应“裂隙灯下眼底检查”、“裂隙灯下眼底检查(前置镜)”、“裂隙灯下眼底检查(三面镜)”、“裂隙灯下眼底检查(视网膜镜)”四种医疗服务项目。这样，在同一大数据下，该手术操作和上述四种医疗服务项目的关联度就会被分散，按照统一手术关联度阈值进行筛选可能会出现筛选不出任何医疗服务项目的情形。因此，可预设多个手术关联度阈值，当采用第一手术关联度阈值未筛选出任何医疗服务项目时，则选用低于第一手术关联度阈值的第二手术关联度阈值进行再次筛选，如此下去，直到有医疗服务项目被筛选出来。

步骤S402，根据所述各项手术操作的关联医疗服务项目集中各医疗服务项目名称与手术操作名称之间的相似度，筛选出超过相似度阈值的各医疗服务项目组成各项手术操作的映射医疗服务项目集。

具体的，根据各项手术操作的名称得到各项手术操作的关键词集；将所述关联医疗服务项目集中各医疗服务项目名称与所述关键词集中各关键词进行匹配，得到所述关联医疗服务项目集中各医疗服务项目名称与手术操作名称之间的相似度；筛选出超过相似度阈值的各医疗服务项目组成各项手术操作的映射医疗服务项目集。

在一种可选的方案中，预设多个相似度阈值。假设根据专家的经验，70％的手术操作和医疗服务项目之间为一一对应关系，且名称相似度可达90％，则设置第一相似度阈值设置为90％，20％的手术操作和医疗服务项目之间为一对二的对应关系，其名称的相似度可达50％，则设置第二相似度阈值为50％。以此类推，可设置第三相似度阈值为30％。

以手术操作名称为“腹腔镜下阑尾切除术”的手术操作为例，假设筛选出来的关联医疗服务项目集中包括“腹腔镜加收”、“阑尾切除术(指单纯性)”。先提取手术操作名称的关键词为“腹腔镜”+“阑尾切除”，将“腹腔镜加收”与“腹腔镜”+“阑尾切除”进行匹配，相似度为50％；同样，将“阑尾切除术(指单纯性)”与“腹腔镜”+“阑尾切除”进行匹配，相似度也为50％。此时，这两个医疗服务项目按照第二相似度阈值可筛选出来形成映射医疗服务项目集。当然，如果在步骤S401中的数据足够多，其筛选出来的关联医疗服务项目集中可能还包括“阑尾切除术(化脓性加收)”和“阑尾切除术(坏疽性加收)”，这时，即可得到该手术操作的完整映射医疗服务项目集{“腹腔镜加收”、阑尾切除术(指单纯性)、阑尾切除术(化脓性加收)、阑尾切除术(坏疽性加收)}。

步骤S403，建立各项手术操作与各映射医疗服务项目集之间的映射关系。

下面详细介绍基于图4建立的手术操作与医疗服务项目集之间的映射关系，如何从所述费用明细信息中筛选出未对应在所述手术操作信息中的医疗服务项目集。

在一些实施例中，先对费用明细信息按费用类别进行筛选，筛选出手术操作类型的各医疗服务项目。进一步地，获取手术操作信息中各项手术操作所对应的所有医疗服务项目，记为医疗服务项目集A，将费用明细信息中属于手术操作类型的各医疗服务项目，记为医疗服务项目集B。将医疗服务项目集B减去医疗服务项目集A的结果即为医疗服务项目集B中未对应在手术操作信息的医疗服务项目集。

步骤S1023，判断所述未对应在所述手术操作信息中的医疗服务项目集是否为空，若是，则进入步骤S1025，若否，则进入步骤S1024。

步骤S1024，基于预先建立的手术操作与医疗服务项目集的映射关系，对所述未对应在所述手术操作信息中的医疗服务项目进行反向匹配，确认出遗漏或低编的手术操作，根据所述遗漏或低编的手术操作生成第一审核结果。

具体的，先将所有未对应的医疗服务项目作为一个整体，基于手术操作与医疗服务项目集的映射关系进行反向匹配，若匹配得到一项手术操作，则确认该项手术操作为遗漏手术操作。比如，遗漏操作：99.9201中医针刺。

若匹配不成功，则将各医疗服务项目进行拆分，再进行反向匹配，直到匹配成功为止。当使用医疗服务项目进行反向匹配时，可能会匹配到多个手术操作。此时，说明医生可能是对手术操作进行了低编。这时需结合目标病案首页中已包含的各项手术操作，寻找相似的手术操作。比如，未对应的医疗服务项目为“腹腔镜加收”，基于预先建立的映射关系进行反向匹配，匹配到包含“腹腔镜加收”的手术操作项目可能有几百个，若已填写的手术操作中包括“阑尾切除术(指单纯性)”，则在匹配出的手术操作项目中寻找与“阑尾切除术(指单纯性)”相似的手术操作，最终得到“腹腔镜下阑尾切除术”这一正确的手术操作信息。

步骤S1025，生成手术操作信息不存在遗漏或低编的第一审核结果。

如图5所示为本发明实施例提供的一种可选的对诊断信息进行高编审核的方法流程图，所述方法包括：

步骤S1031，获取目标病案首页对应的医疗数据集。

步骤S1032，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集。

其中，诊断匹配规则库中包含至少一种疾病与诊断匹配规则集的映射，所述疾病为国际疾病分类(比如《国家临床版2.0疾病诊断编码(ICD-10)》)中的疾病，所述诊断匹配规则集包括关键词匹配规则和/或特征匹配规则。比如，“高尿酸血症”可对应的诊断匹配规则集为{(“性别＝男”and“空腹血尿酸”>420μmol/L(非同日两次))or(“性别＝女”and“空腹血尿酸”>360μmol/L(非同日两次))}。在一种可选的方案中，所述关键词匹配规则的建立包括：基于大数据技术，分别统计出与各疾病的疾病名称相关联的关键词组合；根据所述关键词组合生成各疾病的关键词匹配规则。

如图6所示为本发明实施例提供的一种可选的建立关键词匹配规则的方法流程图，所述方法包括：

步骤S601，获取一疾病的疾病名称，对所述疾病名称进行分词得到所述疾病的关键词集。

在一些实施例中，对所述疾病名称进行分词得到所述疾病的关键词集还包括：对所述疾病名称进行分词，以及根据各分词的近似词得到所述疾病的关键词集。

步骤S602，将所述疾病的关键词集中各关键词按分词主题进行组合得到若干关键词组合。

步骤S603，基于大数据技术，统计所述疾病与各关键词组合的关联度。

具体的，根据所述疾病名称在构建的历史医疗数据库中进行筛选，统计每个关键词组合在筛选后历史医疗数据库中的病案命中率，所述病案命中率即为所述疾病与各关键词组合的关联度。

步骤S604，判断所述关联度大于关键词关联度阈值的关键词组合数量是否为0，若是则进入步骤S608，若否，则进入步骤S605。

步骤S605，判断所述关联度大于关键词关联度阈值的关键词组合数量是否大于1，若是，则进入步骤S606，若否，则进入步骤S607.

步骤S606，对关联度大于关键词关联度阈值的各关键词组合进行分析得到最相关的关键词组合，根据所述最相关的关键词组合生成所述疾病的关键词匹配规则。

具体的，对关联度大于关键词关联度阈值的各关键词组合进行分析包括：筛选出包含了最多分词主题的关键词组合，以及，按病案统计各关键词组合在筛选后的历史医疗数据库下各病案中出现的次数，筛选出平均出现次数最高的关键词组合。

步骤S607，根据所述关联度大于关键词关联度阈值的关键词组合生成所述疾病的关键词匹配规则。

步骤S608，根据预设的规则降低所述关键词关联度阈值的大小，回到步骤S604。

下面以疾病名称为“急性扁桃体炎”的关键词匹配规则生成过程进行举例。第一步，根据疾病名称进行分词和扩展，生成关键词集{“扁桃体”、“炎症or红肿or肿大”}；第二步，按分词主题进行组合，得到{“扁桃体”}、{“炎症”}、{“红肿”}、{“肿大”}、{“扁桃体”and“炎症”}、{“扁桃体”and“红肿”}、{“扁桃体”and“肿大”}七个关键词组合。第三步，基于大数据技术，计算七个关键词组合与该疾病的关联度。假设{“扁桃体”}的关联度为100％，{“炎症”}的关联度为70％，{“红肿”}的关联度为80％，{“肿大”}的关联度为95％，{“扁桃体”and“炎症”}的关联度为70％、{“扁桃体”and“肿大”}的关联度为95％、{“扁桃体”and“红肿”}的关联度为80％，关键词关联度阈值为90％，则{“扁桃体”}和{“扁桃体”and“肿大”}这两个关键词组合被筛选出来。最后，根据步骤S607，筛选出包含分词主题最多的关键词组合，这时{“扁桃体”and“肿大”}被筛选出来作为最相关的关键词组合。

在一种可选的方案中，所述特征匹配规则的建立包括：基于大数据技术，对各疾病的病案基本信息、药品信息、手术信息、检验指标信息和检查指标信息与各疾病进行关联度分析；得到与各疾病相关联的基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征的组合，根据所述组合生成各疾病的特征匹配规则。所述组合包括基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征中任意多项特征的“或”和“与”的任意组合。

具体的，第一步，基于大数据技术分别计算各疾病的病案基本信息、药品信息、手术信息、检验指标信息和检查指标信息与各疾病的关联度，采用第一特征关联度阈值进行筛选，得到与各疾病相关联的基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征；第二步，对上述五项特征按预设的规则进行组合，计算各组合特征与各疾病的关联度，采用第二特征关联度阈值进行筛选得到最相关的组合，根据所述组合生成各疾病的特征匹配规则。所述预设的规则包括优先将与疾病关联度大的特征进行组合、优先将具有互补性的特征进行组合等。

采用上述的方法，即可建立起各疾病分别与关键词匹配规则和特征匹配规则的映射关系。进一步，将各疾病的关键词匹配规则和特征匹配规则进行合并形成各疾病的诊断匹配规则集，从而建立各疾病的诊断匹配规则库。具体的，所述诊断匹配规则集为：{关键词匹配规则、特征匹配规则}。需要说明的是，步骤S608所述关键词关联度阈值具有下限值，当关键词关联度阈值降低到下限值时，仍没有相关联的关键词组合筛选出来时，结束流程。即该疾病的关键词匹配特征为空。同样，在建立疾病的特征匹配规则时，也可能存在没有符合的特征组合出现的情形，导致疾病的特征匹配规则为空。因此，每种疾病对应的诊断匹配规则集可能是{关键词匹配规则}、{特征匹配规则}、{关键词匹配规则、特征匹配规则}中任一种。

步骤S1033，将各项诊断的疾病名称与对应的诊断匹配规则集中的关键词进行匹配得到第一匹配结果，将所述医疗数据集分别与各项诊断对应的诊断匹配规则库中的特征匹配规则进行匹配得到第二匹配结果。

步骤S1034，若第一匹配结果和第二匹配结果均为匹配成功，则进入步骤S1036，否则进入步骤S1035。

以“高尿酸血症”为例进行进一步说明。假设目标病案信息中的诊断为“高尿酸血症”，与“高尿酸血症”对应的特征匹配规则为(“性别＝男”and“空腹血尿酸”>420μmol/L(非同日两次))or(“性别＝女”and“空腹血尿酸”>360μmol/L(非同日两次))。在目标病案首页对应的医疗数据集中分别获取性别信息和空腹血尿酸的指标值，假设获取的性别为“男”，3月1日“空腹血尿酸”值为400μmol/L，3月2日“空腹血尿酸”值为370μmol/L，则系统提示匹配不成功，进入步骤S504；假设获取的性别为“女”，3月1日“空腹血尿酸”值为400μmol/L，3月2日“空腹血尿酸”值为370μmol/L，则系统提示匹配成功。

步骤S1035，获取匹配失败的诊断及所述诊断的匹配结果信息生成诊断信息存在高编第二审核结果。

所述匹配结果信息包括匹配失败的诊断匹配规则、在所述诊断匹配规则中匹配失败的特征和特征值。继续上述的案例，在目标病案首页对应的医疗数据集中获取到如下信息：性别为“男”，3月1日“空腹血尿酸”值为400μmol/L，3月2日“空腹血尿酸”值为370μmol/L,采用步骤S503进行匹配后，确认出匹配失败的诊断匹配规则为{“性别＝男”and“空腹血尿酸”>420μmol/L(非同日两次)}，匹配失败的特征一为3月1日“空腹血尿酸”，特征值为400μmol/L；匹配失败的特征二为3月2日“空腹血尿酸”，特征值为370μmol/L。根据上述信息，生成第二审核结果。比如：第二审核结果为：病案不符合“高尿酸血症”的诊断。具体情况如下：病人3月1日“空腹血尿酸”，特征值为400μmol/L，3月2日“空腹血尿酸”，特征值为370μmol/L；不符合“空腹血尿酸”的诊断匹配规则集{“性别＝男”and“空腹血尿酸”>420μmol/L(非同日两次)}。

步骤S1036，生成所述诊断信息不存在高编的第二审核结果。

如图7所示，为本发明实施例提供的另一种可选的病案首页的审核方法的流程图，所述方法包括步骤：

步骤S701，获取待审核的目标病案首页，对所述目标病案首页进行识别，得到所述目标病案首页的病案基本信息、诊断信息和手术操作信息。

步骤S702，获取所述目标病案首页对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否遗漏或低编的第一审核结果。

步骤S703，获取所述目标病案首页对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果。

步骤S704，根据病种分值库和所述手术操作信息分析出所述手术操作信息中每项手术操作对应的推测诊断集，将所述手术操作信息中每项手术操作对应的推测诊断集与所述诊断信息进行匹配，得到所述诊断信息是否遗漏的第三审核结果。

步骤S701至S703与图1实施例中步骤S101至S103相同，在此不再赘述。

在一种可选地实施例中，在步骤S704之前还包括：基于所述第一审核结果对所述手术操作信息进行修正。

如图8所示，本发明实施例提供的一种可选的对诊断信息进行遗漏审核的方法流程图，所述方法包括：

步骤S801，从所述手术操作信息中获取一项手术操作，在病种分值库中筛选出与所述手术操作的手术操作名称对应的第一病种集。

所述病种分值库为国家或权威机构公布的基于DIP付费的病种分值库。每项病种对应一病种组合代码、病种组合名称和病种分值。其中，病种组合名称由诊断名称+手术操作名称1+手术操作名称2…+手术操作名称n组成。因此，通过手术操作名称在病种分值库中进行查找，即可查找到所有包含该手术操作名称的各病种。

步骤S802，基于目标病案首页的诊断信息和手术操作信息进行预测入组，得到预测病种的病种分值，在第一病种集中筛选出大于所述预测病种的病种分值的第二病种集，获取所述第二病种集中包含的各项诊断作为所述手术操作对应的推测诊断集。

基于DIP付费的病种分组主要判断主要诊断和所有手术操作信息，因此，可以根据目标病案首页的诊断信息和手术操作信息进行预测入组，得到预测入组的病种分值。本发明的目的在于降低医院损失，因此，对于低于预测病种的病种分值的诊断不作考虑。

步骤S803，采用上述方法，得到所述手术操作信息中每项操作对应的推测诊断集。

步骤S804，将所述手术操作信息中每项手术操作对应的推测诊断集与所述诊断信息进行匹配，若所述推测诊断集中包含所述诊断信息中其中一项诊断，则匹配成功，否则，匹配失败。

步骤S805，判断所述手术操作信息中所有手术操作对应的推测诊断集是否与所述诊断信息匹配成功，若是，则进入步骤S807，若否，则进入步骤S806。

步骤S806，获取与所述诊断信息匹配不成功的手术操作，根据所述手术操作对应的推测诊断集生成诊断信息存在遗漏的第三审核结果。

所述匹配不成功的手术操作可能存在多项，则分别获取每项手术操作对应的推测诊断集生成诊断信息存在遗漏的第三审核结果。

步骤S807，生成诊断信息不存在遗漏的第三审核结果。

在一些实施例中，在步骤S804或步骤S806中，还包括：对每项手术操作对应的推测诊断集中的诊断数量进行判断，若推测诊断集中诊断数量是否大于筛选阈值，基于与目标病案首页相关的历史入组信息对所述推测诊断集进行进一步筛选，所述历史入组信息为根据所述目标病案首页对应的病人信息或医疗结构信息在历史医疗数据库中查询到的各病案的历史入组病种信息。

基于与目标病案首页相关的历史入组信息对各推测诊断集进行进一步筛选具体包括：获取历史入组信息中的各项诊断信息，判断所述推测诊断集中各项诊断是否包含在所述历史入组信息的各项诊断信息中，若不包含，则删除该诊断。不论是病人，还是医疗结构，其历史入组信息一般集中在某些病种，而每个病种对应一项诊断，因此，可以根据历史入组信息中的各项诊断信息对推测诊断集进行进一步筛选，并在步骤S806中，根据筛选后的推测诊断集生成诊断信息存在遗漏的第三审核结果。比如：手术操作“阑尾切除术”对应的诊断存在遗漏，可能对应的诊断包括：“回盲部脓肿”、“急性化脓性阑尾炎”。

本发明实施例提供的病案首页的审核方法，先获取目标病案首页的病案基本信息、诊断信息、手术操作信息和费用信息；然后获取目标病案首页对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否存在遗漏或低编的第一审核结果；此外，还获取所述目标病案首页对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果。采用本发明的方式，可以对病案首页中手术操作信息和诊断信息是否遗漏、低编或高编等问题进行审核，以使得医疗机构的医务人员根据审核结果对病案首页进行修改，减少医院损失。

根据本发明实施例，提供一种在医疗过程中进行合理控费的方法，如图10所示，为本发明实施例提供的一种可选的在医疗过程中进行合理控费的方法流程图，所述方法包括步骤：

步骤S1001，基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录。

首先，采集多个医疗机构已完成DIP入组或者DRG入组的各病案的医疗数据集建立历史医疗数据库，所述医疗机构优选当地的标杆医疗机构。由于各医疗机构的用药情况不一致，因此，在建立历史医疗数据库时，需要基于各地官方公布的药品目录标准，将各医疗机构的收费项目中各药品的数据进行标准化，建立统一的药品索引。另一种可选的方式是：仅对医保用药的使用频度进行统计。

具体的，统计历史医疗数据库中包含的各病种，获取其中一病种对历史医疗数据库进行筛选，在筛选后的历史医疗数据库中获取各病案的费用明细信息，统计各病案费用明细信息中包含的各种药品以及各种药品的用药频度，如果某种药品的用药频度超过用药频度阈值，则将该药品添加到该病种的必需药品目录。比如，假设用药频度阈值为90％，若某种药品在95％的病案中均有使用，则该药品被添加到该病种的必需药品目录。

步骤S1002，根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种。

在一些可选的实施例中，根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种还包括：对当前病案的诊断信息和/或手术操作信息进行审核，并根据所述审核结果对所述诊断信息和/或手术操作信息预修改后进行预测入组，得到预测病种。

在一些可选的实施例中，对当前病案的手术操作信息进行审核包括：

获取当前病案对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否存在遗漏或低编的第一审核结果；

所述建立的手术操作与医疗服务项目集的映射关系包括：

基于大数据技术分别统计各项手术操作和各医疗服务项目之间的关联度，筛选出超过手术关联度阈值的各医疗服务项目形成各项手术操作的关联医疗服务项目集；

根据所述各项手术操作的关联医疗服务项目集中各医疗服务项目名称与手术操作名称之间的相似度，筛选出超过相似度阈值的各医疗服务项目组成各项手术操作的映射医疗服务项目集；

建立各项手术操作与各映射医疗服务项目集之间的映射关系。

在一些可选的实施例中，对当前病案的诊断信息进行审核包括：

获取当前病案对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果；

所述诊断匹配规则库的建立包括：

基于大数据技术，分别统计出与各疾病的疾病名称相关联的关键词组合；根据所述关键词组合生成各疾病的关键词匹配规则；

基于大数据技术，对各疾病的病案基本信息、药品信息、手术信息、检验指标信息和检查指标信息与各疾病进行关联度分析；得到与各疾病相关联的基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征的组合，根据所述组合生成各疾病的特征匹配规则；

将各疾病的关键词匹配规则和特征匹配规则进行合并形成各疾病的诊断匹配规则集。

在一些可选的实施例中，对当前病案的诊断信息进行审核还包括：根据病种分值库和所述手术操作信息分析出所述手术操作信息中每项手术操作对应的推测诊断集；将所述手术操作信息中每项手术操作对应的推测诊断集与所述诊断信息进行匹配，得到所述诊断信息是否遗漏的第三审核结果。

未在本实施例中详尽描述的技术细节，可参见本发明方法实施例提供的病案首页的审核方法中对诊断信息和/或手术操作信息进行审核的方法。

步骤S1003，获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

本发明实施例通过对各标杆医疗机构的用药大数据进行统计，得到每种疾病下某种药品的DDDs(Defined Daily Dose，用药频度)，并使用DDDs来提醒医生用药。DDDs越小，代表着这种药越来越少用，而单个医生使用该药时，提醒医生是否应该使用。

在一种可选的方案中，所述方法还包括：基于大数据技术对各病种的药占比进行统计，得到各病种的标准药占比；判断所述用药指令中各目标药品的总费用与各医疗服务项目总费用的占比是否超过所述预测病种所对应的标准药占比，若是，则生成第三提示信息。

如图11所示，为本发明实施例提供的另一种可选的在医疗过程中进行合理控费的方法流程图，所述方法包括步骤：

步骤S1101，基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录。

步骤S1102，基于大数据技术分别对各病种的医用耗材使用情况进行统计，得到各病种下各类医用耗材使用的合理价格区间。

同样，由于各医疗机构的医用耗材使用情况不一致，因此，在建立历史医疗数据库时，需要基于各地官方公布的医用耗材使用标准，将各医疗机构的收费项目中各医用耗材的数据进行标准化，建立统一的医用耗材索引。

医用耗材包括可收费医用耗材和不可收费医用耗材，本发明实施例仅针对可收费医用耗材进行统计，实际应用中，还可仅针对高值医用耗材进行统计，比如：骨科植入耗材、血管介入器械、神经外科高值耗材。这些高值医用耗材一般集中出现在某些病种中，因此，在对医用耗材的使用情况进行统计之前，可先筛选出需要统计的病种。

具体的，从筛选出的病种中获取一病种，基于该病种对历史医疗数据库进行筛选，在筛选后的历史医疗数据库中获取各病案的费用明细信息，统计各病案费用明细信息中各类医用耗材的使用情况，从而得到各类医用耗材使用的合理价格区间。例如：经过统计，腹股沟疝:手术操作-Ⅱ级病种下，国产腹股沟疝气补片的合理价格区间为2500元～2600元。

步骤S1103，根据当前病案的诊断信息和手术操作信息得到预测病种。

步骤S1104，获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

步骤S1105，判断所述用药指令中各医用耗材费用是否位于所述预测病种下医用耗材的合理价格区间，若不是，则生成第三提示信息。

比如，某医生开具的用药指令中开具了进口腹股沟疝气补片，其价格6000元，则系统生成提示信息，提示医生开具合理价格区间的医用耗材。

步骤S1101、步骤S1103和步骤S1104分别于图10实施例中步骤S1001、步骤S1002和步骤S1003相同，在此不再赘述。

根据本发明实施例，提供一种在医疗过程中进行合理控费的装置，如图9所示，为本发明实施例提供的一种可选的合理控费装置的结构示意图，所述合理控费装置900包括：

药品目录建立模块902，用于基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；

病种预测模块904，用于基于当前病案的诊断信息和手术操作信息得到预测病种；

第一提示模块906，用于获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

上述装置可执行本发明方法实施例中所述在医疗过程中进行合理控费的方法，具备方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本发明方法实施例提供的在医疗过程中进行合理控费的方法。

根据本发明实施例，提供一种电子设备，如图12所示，为本发明实施例提供的一种可选的电子设备的结构示意图，该电子设备可以包括处理器1201、通信接口1202、存储器1203和通信总线1204，其中，处理器1201、通信接口1202、存储器1203通过通信总线1204完成相互间的通信。处理器1201可以调用存储器1203中的逻辑指令，以执行上述任一实施例所述的方法，例如病案首页的审核方法，该方法包括：获取待审核的目标病案首页，对所述目标病案首页进行识别，得到所述目标病案首页的病案基本信息、诊断信息和手术操作信息；获取所述目标病案首页对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否遗漏或低编的第一审核结果；获取所述目标病案首页对应的医疗数据集，基于预先建立的诊断匹配规则库将所述诊断信息与所述医疗数据集进行匹配，得到所述诊断信息是否存在高编的第二审核结果。

此外，上述存储器1203中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在几个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，计算机软件产品存储于一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明方法实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

根据本发明实施例，提供一种计算机可读存储介质，其类型通电子设备实施例所述，所述计算机可读存储介质存储有计算机可执行的指令，当所述计算机可执行指令被处理器执行时，所述处理器执行本发明上述任一实施例所述的方法，例如病案首页的审核方法的步骤。

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各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用直至得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种在医疗过程中进行合理控费的方法，其特征在于，所述方法包括：

基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；

根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种；

获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于大数据技术对各病种的药占比进行统计，得到各病种的标准药占比；判断所述用药指令中各目标药品的总费用与各医疗服务项目总费用的占比是否超过所述预测病种所对应的标准药占比，若是，则生成第二提示信息。

3.根据权利要求1所述的方法，其特征在于，所述根据当前病案的诊断信息和手术操作信息进行预测入组，得到预测病种包括：

对当前病案的诊断信息和/或手术操作信息进行审核，并根据所述审核结果对所述诊断信息和/或手术操作信息修改后进行预测入组，得到预测病种。

4.根据权利要求3所述的方法，其特征在于，所述对当前病案的诊断信息进行审核包括：

获取当前病案对应的医疗数据集，基于预先建立的诊断匹配规则库，获取所述诊断信息中各项诊断对应的诊断匹配规则集，将所述诊断信息、所述医疗数据集与各项诊断对应的所述诊断匹配规则集进行匹配，得到所述诊断信息是否存在高编的第二审核结果；

其中，所述诊断匹配规则库的建立包括：

基于大数据技术，分别统计出与各疾病的疾病名称相关联的关键词组合；根据所述关键词组合生成各疾病的关键词匹配规则；

基于大数据技术，对各疾病的病案基本信息、药品信息、手术信息、检验指标信息和检查指标信息与各疾病进行关联度分析；得到与各疾病相关联的基本信息特征、药品特征、手术特征、检验指标特征和检查指标特征的组合，根据所述组合生成各疾病的特征匹配规则；

将各疾病的关键词匹配规则和特征匹配规则进行合并形成各疾病的诊断匹配规则集。

5.根据权利要求4所述的方法，其特征在于，所述对当前病案的诊断信息进行审核还包括：

根据病种分值库和所述手术操作信息分析出所述手术操作信息中每项手术操作对应的推测诊断集；将所述手术操作信息中每项手术操作对应的推测诊断集与所述诊断信息进行匹配，得到所述诊断信息是否遗漏的第三审核结果。

6.根据权利要求3所述的方法，其特征在于，所述对当前病案的手术操作信息进行审核包括：

获取当前病案对应的费用明细信息，基于预先建立的手术操作与医疗服务项目集的映射关系，将所述费用明细信息中包含的各医疗服务项目和所述手术操作信息进行匹配，得到所述手术操作信息是否存在遗漏或低编的第一审核结果；

所述建立的手术操作与医疗服务项目集的映射关系包括：

基于大数据技术分别统计各项手术操作和各医疗服务项目之间的关联度，筛选出超过手术关联度阈值的各医疗服务项目形成各项手术操作的关联医疗服务项目集；

根据所述各项手术操作的关联医疗服务项目集中各医疗服务项目名称与手术操作名称之间的相似度，筛选出超过相似度阈值的各医疗服务项目组成各项手术操作的映射医疗服务项目集；

建立各项手术操作与各映射医疗服务项目集之间的映射关系。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

基于大数据技术分别对各病种的医用耗材使用情况进行统计，得到各病种下各类医用耗材使用的合理价格区间；

判断所述用药指令中各医用耗材费用是否位于所述预测病种下医用耗材的合理价格区间，若不是，则生成第三提示信息。

8.一种在医疗过程中进行合理控费的装置，其特征在于，所述装置包括：

药品目录建立模块，基于大数据技术对各病种的药品使用情况进行统计，得到各病种下各种药品的使用频度，将使用频度超过用药频度阈值的药品添加到各病种的必需药品目录；

病种预测模块，基于当前病案的诊断信息和手术操作信息得到预测病种；

第一提示模块，获取医生的用药指令，判断所述用药指令中各目标药品是否包含在所述预测病种所对应的必需药品目录中，若不是，获取所述目标药品的用药频度生成第一提示信息。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储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1-7任一项所述在医疗过程中进行合理控费的方法步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行如权利要求1-7任一项所述在医疗过程中进行合理控费的方法步骤。

Images