[发明专利]用于自动产生分层树网络并且使用对于所述分层树网络的每个叶子优化的两种互补学习算法的系统和方法

摘要

一种系统和方法，用于产生分层树网络，并且使用线性加非线性学习算法来形成关于成员的健康状态的一致视图。在所述分层树网络中的每个叶子在临床特点、经历时段和可用数据资产上同质。对于每个叶子执行优化，以便可以对于每个叶子特有的本地特点定制特征和学习算法。

主权项

1.一种用于预测人的未来健康状态的方法，所述方法包括步骤：a.建立作为多个层化变量的函数的分层树网络，对于多个成员，所述分层树网络把每个成员分配到多个节点中的至多仅一个；b.对于所述多个成员和对于每个所述成员，向基于计算机的系统提供成员人口数据、可得的成员医疗索赔数据和可得的成员医药索赔数据；c.对于所述多个节点的每个执行特征选择，以对于每个所述节点标识来自包括下述项的至少一些的集合的特征的最佳子集：针对于被分配到该所述节点的所有成员的所述成员人口数据、所述可得的成员医疗索赔数据、所述可得的成员医药索赔数据；d.使用下述项的至少一些来训练MVLR算法和BRN算法：所述成员人口数据、所述可得的成员医疗索赔数据、所述可得的成员医药索赔数据，并且在数据库中存储所学习的参数以建立所学习的参数的数据库；e.使用所述所学习的参数的数据库，以及对于至少一个所述成员，使用该至少一个所述成员的成员人口数据、所述可得的成员医疗索赔数据和所述可得的成员医药索赔数据，使用所述MVLR算法来计算MVLR未来健康状态分数以及使用所述BRN算法来计算BRN未来健康状态分数，计算所述MVLR未来健康状态分数和所述BRN未来健康状态分数的算术平均值以确定最终分数。