[发明专利]一种根据药物计算疾病发生概率的方法及其系统

说明书

技术领域

本发明涉及通信技术领域，更具体地，涉及一种根据药物计算疾病发生概率的方法及其系统。

背景技术

在医疗保险理赔运营管理中，至关重要的一个环节就是及时发现欺诈、浪费、滥用等费用风险。理赔人员往往仅根据责任保险条款及医保报销目录进行理赔，缺乏对医疗服务临床合理性的判断，从而漏失对大部分欺诈、不合理医疗行为的监测。现今医保药品报销通常要求诊断的疾病与药名相匹配，而药物名称的复杂多样性，常使得理赔工作人员感到困扰，很难根据经验判断医保报销单上所列的药物组合是否用于治疗医保报销单上所列的疾病，是否有借开药以套保费的现象。

发明内容

为了帮助理赔工作人员根据客户所提供的药物组合来判断该客户可能得的疾病，本发明提供一种根据药物计算疾病发生概率的方法及其系统。

根据本发明的一个方面，提供一种根据药物计算疾病发生概率的方法，包括以下步骤：

基于医疗理赔数据，利用朴素贝叶斯算法计算待检药物组合对应所述医疗理赔数据中疾病的发生概率。

优选地，所述朴素贝叶斯算法的具体步骤包括：

根据所述医疗理赔数据中的所有疾病发生次数，计算每一种疾病的发生频率，并相应记为每一种疾病对应的第一概率；

基于医疗理赔数据，计算待检药物组合中所有药品对应所述医疗理赔数据中与第一概率对应的疾病的条件概率，并记为第二概率；

利用朴素贝叶斯公式，计算第一概率与第二概率的乘积；

遍历所述医疗理赔数据中的所有疾病，并将所对应的乘积构建向量模型，得到在待检药物组合下疾病的发生概率。

优选地，构建向量模型后将其归一化，从而得到在待检药物组合下疾病的发生概率。

优选地，在第二概率的计算中，具体步骤包括：

使用TF-IDF，对所述医疗理赔数据中所有药品在与第一概率对应的疾病中分别分配权重：

其中，TF指所述医疗理赔数据中所有药品在与第一概率对应的疾病的药物中出现的频率；

IDF指所述医疗理赔数据中所有药品的重要性的度量；

计算TF-IDF值并将其归一化；

将待检药物组合中所有药品所对应的TF-IDF归一化值取乘积，即得第二概率。

优选地，所述IDF具体获取包括：所述医疗理赔数据中所有疾病种数除以包括在医疗理赔数据中该药品的疾病数，再将得到的商取2的对数；

优选地，还包括以下步骤：在使用朴素贝叶斯算法之前，判断待检药物组合中所有药品中是否存在于所述医疗理赔数据的所有药物中：若存在，则进行朴素贝叶斯算法；若不存在，则直接输出结果。

本发明还提供了一种根据药物计算疾病发生概率的系统，包括：

数据采集模块，用于采集待检药物组合的数据和医疗理赔数据；

发生概率计算模块，用于读取待检药物组合的数据和医疗理赔数据，利用朴素贝叶斯算法计算待检药物组合在所述医疗理赔数据中疾病的发生概率；

数据输出模块，用于输出基于理赔医疗数据下待检药物组合能治疗的疾病的名称、在理赔医疗数据中相应的疾病代码和发生概率。

优选地，所述发生概率计算模块包括：

第一概率计算单元，用于根据所述医疗理赔数据中的所有疾病发生频率计算每一种疾病的发生频率；

第二概率计算单元，用于根据所述医疗理赔数据计算待检药物组合中药品的条件概率；

发生概率计算单元，用于利用朴素贝叶斯公式计算第一概率与第二概率的乘积；

空间向量单元，用于将待检药物组合中所有药品以及所述医疗理赔数据中所有疾病所对应的所述乘积构建向量模型，得到在待检药物组合下疾病的发生概率。

优选地，所述数据输出模块还包括用于输出不存在于医疗理赔数据中所有药物的待检药物。

本申请提出的根据药物计算疾病发生概率的方法及其系统有效地解决了理赔人员难以根据经验来判断所列药物组合是否用于所列疾病，理赔人员只需在本发明的系统中输入每种药品名称，将输出的疾病发生概率结果与医保报销单上所列疾病比较，即可判断是否存在套保费的现象。

附图说明

图1为根据本发明一个优选实施例的根据药物计算疾病发生概率的系统的总体结构示意图；

图2为根据本发明一个优选实施例的根据药物计算疾病发生概率的系统的界面图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。