本公开涉及计算机技术领域，提供了一种医疗风险预测方法及装置、计算机可读存储介质和电子设备。其中，上述方法包括：根据目标城市的历史参保人群的多个第一候选特征与城市保险的理赔信息的相关程度，确定出抽样特征；确定历史参保人群的抽样特征的分布信息，根据分布信息从目标城市中有医疗记录的人群中抽取目标人群；根据目标人群在第一历史时期的目标特征的特征值和目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型；基于个人医疗费用预测模型预测待参保人群的目标医疗费用，以根据所述目标医疗费用确定所述待参保人群的医疗风险。本方案可以提高医疗风险预测的准确性。险预测的准确性。险预测的准确性。
【技术实现步骤摘要】
医疗风险预测方法及装置、存储介质及电子设备
[0001]本公开涉及计算机
，具体而言，涉及一种医疗风险预测方法、医疗风险预测装置、计算机可读存储介质以及电子设备。
技术介绍
[0002]对医疗风险进行预测，可以辅助相关人员根据预测出的医疗风险进行后续的分析或处理。如，可以辅助保险公司根据预测出的医疗风险确定保险的费用等。
[0003]相关技术中，对医疗风险预测的准确性较低，尤其是无法准确的预测出与业务相关的人群的医疗风险。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]本公开的目的在于提供一种医疗风险预测方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上改善相关技术中医疗费用预测准确性低的问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的第一方面，提供了一种医疗风险预测方法，包括：根据目标城市的历史参保人群的多个第一候选特征与城市保险的理赔信息的相关程度，从所述多个第一候选特征中确定出抽样特征；确定所述历史参保人群的抽样特征的分布信息，根据所述分布信息从所述目标城市中有医疗记录的人群中抽取目标人群；根据所述目标人群在第一历史时期的目标特征的特征值和所述目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型，所述第二历史时期处于所述第一历史时期之后；基于所述个人医疗费用预测模型预测待参保人群的目标医疗费用。
[0008]在本公开的一种示例性实施例中，基于前述方案，所述个人医疗费用包括个人总医疗费用、个人自付医疗费用、个人自费医疗费用中的一种或多种；在所述个人医疗费用包括所述个人总医疗费用时，所述目标特征包括第一目标特征，所述第一目标特征通过以下方式确定：根据第二候选特征与所述个人总医疗费用的第一相关程度，确定出所述第一目标特征；在所述个人医疗费用包括所述个人自付医疗费用时，所述目标特征包括第二目标特征，所述第二目标特征通过以下方式确定：根据第二候选特征与所述个人自付医疗费用的第二相关程度，确定出所述第二目标特征；在所述个人医疗费用包括所述个人自费医疗费用时，所述目标特征包括第三目标特征，所述第三目标特征通过以下方式确定：根据第二候选特征与所述个人自费医疗费用的第三相关程度，确定出所述第三目标特征；其中，所述第二候选特征通过以下方式确定：获取历史医疗数据，对所述历史医疗数据中的单个特征和衍生特征进行降维，以得到所述第二候选特征。
[0009]在本公开的一种示例性实施例中，基于前述方案，所述历史医疗数据包括医疗对
象的性别、年龄、既往病史、家族病史、住院和门诊诊断、手术及操作、住院和门诊总医疗费用、个人自付医疗费用、个人自费医疗费用、医疗费用收费项目明细中的药品通用名称、药品用量、药品费用、检查费用、手术费用中的多种。
[0010]在本公开的一种示例性实施例中，基于前述方案，所述历史医疗数据中的单个特征和衍生特征分别通过以下方式确定：对所述历史医疗数据中的连续型变量进行离散处理，以生成所述历史医疗数据中的单个特征；对所述历史医疗数据中的单个特征进行组合，以得到所述衍生特征。
[0011]在本公开的一种示例性实施例中，基于前述方案，所述根据所述目标人群在第一历史时期的目标特征的特征值和所述目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型，包括：在所述个人医疗费用包括所述个人总医疗费用时，根据所述目标人群在第一历史时期的第一目标特征的特征值和所述目标人群在第二历史时期的个人总医疗费用所属的费用区间，训练得到个人总医疗费用模型；在所述个人医疗费用包括所述个人自付医疗费用时，根据所述目标人群在第一历史时期的第二目标特征的特征值和所述目标人群在第二历史时期的个人自付医疗费用所属的费用区间，训练得到个人自付医疗费用预测模型；在所述个人医疗费用包括所述个人自费医疗费用时，根据所述目标人群在第一历史时期的第三目标特征的特征值和所述目标人群在第二历史时期的个人自费医疗费用所属的费用区间，训练得到个人自费医疗费用预测模型。
[0012]在本公开的一种示例性实施例中，基于前述方案，所述基于所述个人医疗费用预测模型预测待参保人群的目标医疗费用，包括：根据历史参保人员的数量预测出待参保人群的数量；基于历史参保人员的目标特征的分布情况，确定待参保人群的目标特征的分布情况；根据待参保人群的数量和待参保人群的目标特征的分布情况，在有医疗记录的医疗对象中进行抽样，以得到待参保人群；基于所述个人医疗费用预测模型预测待参保人群中的每个待参保人员的个人目标医疗费用；根据每个待参保人员的个人目标医疗费用，确定所述待参保人群的目标医疗费用。
[0013]在本公开的一种示例性实施例中，基于前述方案，在所述个人医疗费用预测模型包括基于决策树的分布式梯度提升模型的情况下，所述方法还包括：根据所述基于决策树的分布式梯度提升模型确定所述目标特征的重要性程度，选择所述重要性程度排序在前N位的所述目标特征作为预警特征；基于所述个人医疗费用预测模型确定参保人员的个人医疗费用，在所述个人医疗费用满足预设条件时，确定所述参保人员为待预警参保人员；在所述待预警参保人员的所述预警特征超过预警阈值时，为所述待预警参保人员对应的客户端推送所述预警特征所指示的病症的预防控制信息。
[0014]根据本公开的第二方面，提供了一种医疗风险预测装置，包括：抽样特征确定模块，被配置为根据目标城市的历史参保人群的多个第一候选特征与城市保险的理赔信息的相关程度，从所述多个第一候选特征中确定出抽样特征；目标人群确定模块，被配置为确定所述历史参保人群的抽样特征的分布信息，根据所述分布信息从所述目标城市中有医疗记录的人群中抽取目标人群；模型训练模块，被配置为根据所述目标人群在第一历史时期的目标特征的特征值和所述目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型，所述第二历史时期处于所述第一历史时期之后；医疗风险预测模块，被配置为基于所述个人医疗费用预测模型预测待参保人群的目标医疗费用。
[0015]根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的方法。
[0016]根据本公开实施例的第四方面，提供了一种电子设备，包括：处理器；以及，存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的方法。
[0017]由上述技术方案可知，本公开示例性实施例中的医疗风险预测方法、医疗风险预测装置，以及实现所述医疗风险预测方法的计算机可读存储介质及电子设备，至少具备以下优点和积极效果：
[0018]在本公开的一些实施例所提供的技术方案中，基于与城市医疗保险的理赔信息相关程度，确定出抽样特征，再本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医疗风险预测方法，其特征在于，包括：根据目标城市的历史参保人群的多个第一候选特征与城市保险的理赔信息的相关程度，从所述多个第一候选特征中确定出抽样特征；确定所述历史参保人群的抽样特征的分布信息，根据所述分布信息从所述目标城市中有医疗记录的人群中抽取目标人群；根据所述目标人群在第一历史时期的目标特征的特征值和所述目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型，所述第二历史时期处于所述第一历史时期之后；基于所述个人医疗费用预测模型预测待参保人员的目标医疗费用，以根据所述目标医疗费用确定所述待参保人员的医疗风险。2.根据权利要求1所述的医疗风险预测方法，其特征在于，所述个人医疗费用包括个人总医疗费用、个人自付医疗费用、个人自费医疗费用中的一种或多种；在所述个人医疗费用包括所述个人总医疗费用时，所述目标特征包括第一目标特征，所述第一目标特征通过以下方式确定：根据第二候选特征与所述个人总医疗费用的第一相关程度，确定出所述第一目标特征；在所述个人医疗费用包括所述个人自付医疗费用时，所述目标特征包括第二目标特征，所述第二目标特征通过以下方式确定：根据第二候选特征与所述个人自付医疗费用的第二相关程度，确定出所述第二目标特征；在所述个人医疗费用包括所述个人自费医疗费用时，所述目标特征包括第三目标特征，所述第三目标特征通过以下方式确定：根据第二候选特征与所述个人自费医疗费用的第三相关程度，确定出所述第三目标特征；其中，所述第二候选特征通过以下方式确定：获取历史医疗数据，对所述历史医疗数据中的单个特征和衍生特征进行降维，以得到所述第二候选特征。3.根据权利要求2所述的医疗风险预测方法，其特征在于，所述历史医疗数据包括医疗对象的性别、年龄、既往病史、家族病史、住院和门诊诊断、手术及操作、住院和门诊总医疗费用、个人自付医疗费用、个人自费医疗费用、医疗费用收费项目明细中的药品通用名称、药品用量、药品费用、检查费用、手术费用中的多种。4.根据权利要求2所述的医疗风险预测方法，其特征在于，所述历史医疗数据中的单个特征和衍生特征分别通过以下方式确定：对所述历史医疗数据中的连续型变量进行离散处理，以生成所述历史医疗数据中的单个特征；对所述历史医疗数据中的单个特征进行组合，以得到所述衍生特征。5.根据权利要求2所述的医疗风险预测方法，其特征在于，所述根据所述目标人群在第一历史时期的目标特征的特征值和所述目标人群在第二历史时期的个人医疗费用，训练得到个人医疗费用预测模型，包括：在所述个人医疗费用包括所述个人总医疗费用时，根据所述目标人群在第一历史时期的第一目标特征的特征值和所述目标人群在第二历史时期的个人总医疗费用所属的费用区间，训练得到个人总医疗费用模型；在所述个人医疗费用包括所述个人自付医疗费用时，根据所述...
【专利技术属性】
技术研发人员：郭潇宇，亓玉雪，苟郁童，
申请(专利权)人：天津幸福生命科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。