[发明专利]投保用户的健康风险预测方法、装置、设备及存储介质

说明书

技术领域

本发明涉及数据分析技术领域，尤其涉及一种投保用户的健康风险预测方法、装置、设备及存储介质。

背景技术

在保险行业尤其是健康险(以被保险人的身体为保险标的，使被保险人在疾病或意外事故所致伤害时发生的费用或损失获得补偿的一种保险)业务中，保险公司往往需要对投保用户的健康风险进行预测，从而判断未来可能出现的理赔概率或数额。

目前，保险公司通常依靠核保、报价人员的个人经验、医学知识、精算/统计知识，对已投保用户的既往理赔信息进行分析、判断，然后对待预测的投保用户进行健康风险预测，但这种预测方式中核保、报价人员的个人主观因素占比较高，预测的准确性较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种投保用户的健康风险预测方法、装置、设备及存储介质，旨在解决现有技术在对投保用户的健康风险进行预测时，准确性较低，效果较差的技术问题。

为实现上述目的，本发明提供了一种投保用户的健康风险预测方法，所述方法包括以下步骤:

获取待预测投保用户的个人健康数据信息和投保信息；

按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；

根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；

将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；

根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级。

优选地，所述获取待预测投保用户的个人健康数据信息和投保信息之前，所述方法还包括：

获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据；

根据预设疾病分类规则对所述健康特征数据进行分类，获取不同的疾病样本以及各疾病样本对应的疾病影响因子；

根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。

优选地，所述根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型，具体包括：

分别计算出不同疾病样本中每一疾病影响因子对应的疾病影响因子平均值；

通过预设生存分析法获取各疾病样本对应的样本人群在不同时点的生存率；

根据所述生存率、疾病影响因子以及疾病影响因子平均值对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。

优选地，所述预设模型为：

其中，β_i为第i个疾病影响因子对应的回归系数；X_i为第i个疾病影响因子；为疾病样本中第i个疾病影响因子的平均值；S₀(t)为样本人群在t时点的生存率；P为待预测用户在t时点的健康风险概率。

优选地，所述获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据，具体包括：

获取预设数量的已投保用户的个人健康数据信息；

对所述个人健康数据信息进行筛选，将具有患病史的已投保用户作为目标用户；

从所述目标用户对应的个人健康数据信息中提取出预设类型的健康特征数据。

优选地，所述根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级，具体包括：

在所述健康风险概率超过预设概率时，将所述待预测投保用户判定为高风险用户；

根据所述投保信息获取所述高风险用户购买的保险金额，在所述保险金额超过预设金额时，将所述高风险用户标记为高风险理赔用户，以确定所述待预测投保用户对应的健康风险等级。

优选地，所述根据所述投保信息获取所述高风险用户购买的保险金额，在所述保险金额超过预设金额时，将所述高风险用户标记为高风险理赔用户之后，所述方法还包括：

每隔预设时间周期获取所述高风险理赔用户的当前个人健康数据信息；

根据所述当前个人健康数据信息以及所述目标健康风险预测模型，计算出所述高风险理赔用户当前的实际健康风险概率；