CN109377388A - 医保投保方法、装置、计算机设备和存储介质 - Google Patents
医保投保方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109377388A CN109377388A CN201811068547.XA CN201811068547A CN109377388A CN 109377388 A CN109377388 A CN 109377388A CN 201811068547 A CN201811068547 A CN 201811068547A CN 109377388 A CN109377388 A CN 109377388A
- Authority
- CN
- China
- Prior art keywords
- disease
- course
- insurer
- medical insurance
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及大数据分析领域,特别涉及一种医保投保方法、装置、计算机设备和存储介质。所述方法包括:接收用户终端发送的投保请求,所述投保请求携带有投保人的健康信息;将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程;获取与所述第一虚拟病程对应的医保产品,并将所获取的医保产品发送至所述用户终端;接收所述用户终端返回的与所获取的医保产品对应的投保指令;根据所述投保指令进行医保投保。采用本方法能够根据对历史投保人的大量数据的分析,为新投保人预测出虚拟病程,更准确地为投保人推荐医保产品,为投保人进行医保投保。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种医保投保方法、装置、计算机设备和存储介质。
背景技术
在医疗保险中,通常需要投保人提供其最近的病史和门诊数据等健康信息,方便医保的工作人员判断此投保人是否满足参保条件,并为客户推荐合适的医保产品。
传统地,通常通过医疗专家的经验和根据对医学文献的分析制定的专家规则来对投保人的健康信息进行分析;然而,由于专家规则无法准确判断投保人在医保时间内健康信息是否会发生变化,容易出现为投保人推荐的医保产品不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确为投保人推荐医保产品的医保投保方法、装置、计算机设备和存储介质。
一种医保投保方法,所述方法包括:
接收用户终端发送的投保请求,所述投保请求携带有投保人的健康信息;
将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程;
获取与所述第一虚拟病程对应的医保产品,并将所获取的医保产品发送至所述用户终端;
接收所述用户终端返回的与所获取的医保产品对应的投保指令;
根据所述投保指令进行医保投保。
在其中一个实施例中,所述接收用户终端发送的投保请求之后,还包括:
提取所述健康信息中的诊断关键词和治疗关键词;
所述将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程,包括:
将所述诊断关键词和所述治疗关键词输入病情模拟模型得到与所述投保人匹配的第一虚拟病程。
在其中一个实施例中,所述获取与所述第一虚拟病程对应的医保产品,包括:
从所述投保申请中获取投保期限;
根据所述第一虚拟病程计算所述投保人在所述投保期限内的第一医疗费用;
获取与所述第一医疗费用对应的医保产品。
在其中一个实施例中,所述获取与所述第一虚拟病程对应的医保产品,包括:
根据所述第一虚拟病程计算所述投保人在投保期限内的第一医疗费用;
将所述健康信息输入训练好的专家分析模型得到所述投保人在投保期限内对应的第二医疗花费;
获取与所述第一医疗费用以及所述第二医疗费用对应的医保产品。
在其中一个实施例中,所述将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程之后,还包括:
获取所述投保人对应的环境数据;
获取所述环境数据对所述第一虚拟病程对应的干预历史;
根据所述干预历史预测所述环境数据对所述投保人的第一虚拟病程的干预情况,根据所述干预情况得到所述投保人的第二虚拟病程;
所述获取与所述第一虚拟病程对应的医保产品,包括:
获取与所述第二虚拟病程对应的医保产品。
在其中一个实施例中,所述病程匹配模型的生成方式,包括:
获取历史投保数据,所述历史投保数据中携带有历史健康数据;
根据所述历史健康数据获取预设时间间隔内对应的病程数据;
获取初始模型,将所述历史健康数据与所述预设时间间隔内对应的病程数据输入至所述初始模型中进行训练得到病程匹配模型。
在其中一个实施例中,所述方法还包括:
获取验证健康数据和所述验证健康数据对应的验证虚拟病程;
将所述验证健康数据输入所述病程匹配模型中得到所述验证健康数据对应的第三虚拟病程;
根据所述验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据所述第三虚拟病程获取验证健康数据在所述预设时间的第二病程数据;
计算所述第一病程数据和所述第二病程数据的差值,当所述差值超出预设值时,根据所述验证虚拟病程纠正所述病情模拟模型。
一种医保投保装置,所述装置包括:
信息获取模块,用于接收用户终端发送的投保请求,所述投保请求携带有投保人的健康信息;
病程建立模块,用于将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程;
医保产品获取模块,用于获取与所述第一虚拟病程对应的医保产品,并将所获取的医保产品发送至所述用户终端;
投保指令获取模块,用于接收所述用户终端返回的与所获取的医保产品对应的投保指令;
投保模块,用于根据所述投保指令进行医保投保。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述医保投保方法、装置、计算机设备和存储介质,通过训练好的病情模拟模型对投保人的健康信息进行分析,模拟出此投保人接下来一段时间内身体状况的变化情况,即第一虚拟病程,再按照第一虚拟病程选择与投保人对应的医保方案,即分析投保人能否参保、或者可对其实行高价参保的策略。使得最终获取的医保方案更加符合投保人在未来参保时间内的治疗方案,更准确地为投保人推荐医保产品,为投保人进行医保投保。
附图说明
图1为一个实施例中医保投保方法的应用场景图;
图2为一个实施例中医保投保方法的流程示意图;
图3为一个实施例中模型训练方式的流程示意图;
图4为一个实施例中模型验证方式的流程示意图;
图5为一个实施例中医保投保装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的医保投保方法,可以应用于如图1所示的应用环境中。其中,终端与服务器通过网络进行通信。服务器从用户终端获取投保用户的投保请求,此将投保请求中用户的健康信息输入病程匹配模型中匹配出此投保用户对应的第一虚拟病程,根据此投保用户的第一虚拟病程为此投保用户推荐医保产品进行投保。其中,用户终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种医保投保方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,接收用户终端发送的投保请求,投保请求携带有投保人的健康信息。
其中,用户终端是投保人的移动终端设备,投保人通过用户终端向服务器发送投保请求,例如用户在用户终端上进行选择保险操作,并填写对应的投保人的健康信息,用户终端根据用户的选择操作生成投保请求。投保请求是投保人通过用户终端向服务器发送的请求信息,用于告知服务器此投保人有购买医保产品的倾向,其中包含能够反映投保人身体状况的健康信息。投保人可以在用户终端上安装的应用程序填写投保请求,用户终端将此投保请求发送给服务器。
具体地,服务器接收投保人通过用户终端发送给服务器的投保请求,此投保请求中包括能够反映投保人身体状况的健康信息,服务器能够通过投保请求中投保人的健康信息判断此投保人是否能够参保,或为投保人推荐适合的医保产品。
可选地,服务器为投保人提供一个安装在用户终端上的能够与服务器进行数据交互的应用程序,投保人可以通过安装在用户终端上的应用程序填写投保人的健康信息,形成投保请求,用户终端将此投保请求发送给服务器,服务器接收投保人的投保请求后,进行下一步操作。
S204,将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程。
其中,病程匹配模型是用于根据投保人的健康信息建立投保人的第一虚拟病程的模型,是根据历史投保数据中投保人的健康信息,建立此投保人在未来的对应的医疗花费情况的医疗花费情况预测模型。由于一类病症的花费具有规律性,故可以通过同类病症的患者的历史健康数据模拟出患有此类疾病的客户在未来的医疗花费情况;如发起投保申请的投保人被确诊为患糖尿病一年,则可以根据历史投保数据预测糖尿病在患病后的第二年,第三年的病程的医疗花费情况的变化情况,为投保人建立第一虚拟病程。
第一虚拟病程是服务器将投保人的健康信息输入病程匹配模型中后,得到的此投保人在未来的医疗花费情况的变化情况。此第一虚拟病程可以根据投保人需要参保的年限,建立此未来一段内投保人对应的医疗花费情况。具体地,服务器将从用户终端获取的投保请求中投保人的健康信息输入到根据历史投保数据训练得到的病程匹配模型,得到此投保人在未来的医疗花费情况的变化趋势,从而建立此投保人对应的第一虚拟病程,此第一虚拟病程可以是此投保人每年医疗花费情况变化的曲线图。
S206,获取与第一虚拟病程对应的医保产品,并将所获取的医保产品发送至用户终端。
具体地,服务器在通过步骤S204得到的第一虚拟病程后可以根据投保人在在未来的医疗花费情况,为此投保人推荐合适的医保产品,然后将医保产品发送至用户终端上。
例如,为此投保人推荐合适的医保产品的情况可以是:若此投保人的对应的第一虚拟病程表明此投保人的投保申请存在一定风险,可拒绝此投保人的投保申请。或当根据投保人的健康信息得知此投保人的病症为慢性疾病,如糖尿病、关节炎等疾病,可根据第一虚拟病程中投保人连续几年的医疗花费情况的变化,向投保人推荐连续几年的医保产品;另外可以根据投保人的医疗花费情况分析投保人参保的风险,可对其实行高价参保的策略等。
S208,接收用户终端返回的与所获取的医保产品对应的投保指令。
其中,投保指令是在投保人接收服务器发送的医保产品,并要求参保此医保产品的指令。
具体地,服务器将与与第一虚拟病程对应的医保产品发送给投保人的用户终端后,投保人若同意参保此医保产品,则通过用户终端向服务器反馈一个投保指令。
可选地,在服务器通过应用程序给用户终端发送医保产品时,可以包括此医保产品的产品信息、参保价格、和参保合同等信息,并在应用程序中提供对应的数据接口收集投保人的反馈信息,投保人在用户终端接收到医保产品病了解此信息后,可以在应用程序中选择同意参保,并签订电子参保合同,应用程序给服务器返回一个投保指令,告知服务器此投保人同意参保。
S210,根据投保指令进行医保投保。
具体地,服务器接收到用户终端发送的投保指令之后,根据投保指令中的信息,以及电子参保合同等为投保人执行参保操作,投保人购买医保产品成功。
上述医保投保方法,通过训练好的病程匹配模型对投保人的健康信息进行分析,模拟出此投保人接下来一段时间内身体状况的变化情况,即第一虚拟病程,再按照第一虚拟病程选择与投保人的健康信息对应的医保方案,即分析投保人能否参保、或者可对其实行高价参保的策略,使得最终获取的医保方案更加符合投保人在未来参保时间内的治疗方案,更准确地为投保人推荐医保产品,为投保人进行医保投保。
在一个实施例中,上述医保投保方案中的步骤S202接收用户终端发送的投保请求之后,还可以包括:提取健康信息中的诊断关键词和治疗关键词;则上述步骤S204将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程,可以包括:将诊断关键词和治疗关键词输入病情模拟模型得到与投保人匹配的第一虚拟病程。
其中,诊断关键词是投保人的健康信息中能够反映此投保人的身体状况的信息,可以是问诊时医生的诊断数据或者此投保人的病例中的病症。治疗关键词是与此投保人的诊断关键词对应的表示此投保人的身体状况所采取的治疗方案的信息,如手术、治疗病症的药品等。
具体地,服务器接收到用户终端发送的投保请求后,先从投保请求携带的健康信息中提取出反映投保人身体状况的诊断关键词和与此投保人的诊断关键词对应的表示此投保人的身体状况所采取的治疗方案的治疗关键词,将其输入至病程匹配模型中,病程匹配模型能够根据训练的逻辑识别输入的诊断关键词和治疗关键词,建立与诊断关键词和治疗关键词对应的第一虚拟病程。
可选地,服务器可以根据语义识别程序识别健康信息中的诊断关键词和治疗关键词;也可以通过训练好的关键词提取规则对健康信息识别。
上述实施例中,通过服务器提取健康信息中的诊断关键词和治疗关键词,再将其输入病程匹配模型中进行分析,模型不需识别所有的健康信息,只需分析其中的关键词即可,提高了病程匹配模型对健康信息的分析效率。
在一个实施例中,获取与第一虚拟病程对应的医保产品,包括:从投保申请中获取投保期限;根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;获取与第一医疗费用对应的医保产品。
其中,投保期限是投保人希望参保的时间,在投保人通过用户终端输入投保请求时,可以同时选择希望的参保时间,如一年保期、两年保期、十年保期等。
第一医疗费用是服务器通过对投保人的第一虚拟病程进行分析后,预估在投保期限内的医疗花费情况,此投保人在医疗方面的花费;如已患糖尿病一年的某投保人要求医保参保一年,可以通过此投保人的第一虚拟病程预测投保人在患糖尿病的第二年内的医疗花费。
具体地,在医保工作人员通过服务器为投保人选择医保方案时,主要考虑的是投保人在参保期限内的医疗花费情况,故在获得到投保人的第一虚拟病程之后,则可以根据投保人在投保期限内的健康状况的变化对其医疗花费进行预测,从而为投保人推荐合适的医保方案。
上述实施例,在得到投保人的第一虚拟病程后,引入此投保人在投保期限内的第一医疗费用的预测,更准确地为投保人推荐医保方案。
在一个实施例中,上述医保投保方法中的步骤S206获取与第一虚拟病程对应的医保产品,可以包括:根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;将健康信息输入训练好的专家分析模型得到投保人在投保期限内对应的第二医疗花费;获取与第一医疗费用以及第二医疗费用对应的医保产品。
其中,专家分析模型是根据长期的临床分析以及医学研究总结出的临床经验训练出模型,此模型能够根据投保人的健康信息预测其此投保人在未来可能发生的除第一虚拟病程之外的其他医疗费用;如此投保人的就医习惯、常去的医院、是否定期支出理疗型花费等情况。第二医疗费用是专家分析模型对投保人的健康信息进行分析后,得到此投保人在投保期限内可能引发的其他的医疗费用,然后预测得到此投保人在投保期限内的总医疗费用。如根据投保人的导致此投保人在投保期限内的花费会在第一医疗花费的基础上有所波动,得到第二医疗费用。
具体地,服务器在获得到投保人的第一虚拟病程之后,则可以根据投保人在投保期限内的医疗花费情况的变化对其医疗花费进行预测,得到第一医疗费用;然后服务器再根据专家分析模型预测此投保人是否在投保期限内会有其他的医疗花费支出,根据专家分析模型对第一医疗花费进行调整,得到第二医疗费用,作为待分析对象选择医保方案的补充分析。
上述实施例,除了引入上一实施例中对投保人在投保期限中的第一医疗费用之外,还引入了专家分析模型对投保人的健康信息分析后得到的第二医疗费用,使得服务器在为投保人推荐医保方案时更贴合实际,能够更准确地为投保人推荐医保方案。
在一个实施例中,上述医保投保方法中的步骤S204将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程之后,还可以包括:获取投保人对应的环境数据;获取环境数据对第一虚拟病程对应的干预历史;根据干预历史预测环境数据对投保人的第一虚拟病程的干预情况,根据干预情况得到投保人的第二虚拟病程;则上述步骤S206获取与第一虚拟病程对应的医保产品,可以包括:获取与第二虚拟病程对应的医保产品。
其中,投保人对应的环境数据可以包括待分析对象的工作环境、生活环境或生活习惯,如是否长期处于烟尘环境或辐射环境中,或是否有吸烟、饮酒等会可能影响投保人医疗花费的因素。
环境数据对第一虚拟病程对应的干预历史是服务器通过对历史投保数据或者其他医疗***、医学资料分析得到的环境数据对投保人医疗花费的影响趋势,如通过数据分析得知:烟尘环境会加剧支气管炎的病情,处于此环境中的支气管炎患者的医疗花费与非处于此环境的患者的医疗花费势必存在差异性。
具体地,服务器引入了待分析对象的环境变量,对模型分析得到的虚拟病程进行补充纠正;服务器对投保人的环境数据进行分析,通过干预历史预测此环境数据对投保人的第一虚拟病程的干预情况,对第一虚拟病程进行调整,得到投保人的第二虚拟病程。
上述实施例,引入了环境因素对投保人医疗花费情况的干预,使得服务器在为投保人推荐医保方案时考虑了环境数据对投保人身体状况的影响,能够更准确地为投保人推荐医保方案。
在一个实施例中,上述医保投保方法还包括病程匹配模型的生成方式,此方式可以包括:
S302,获取历史投保数据,历史投保数据中携带有历史健康数据。
其中,历史投保数据是服务器从医保***中获取的大量投保人的历史投保信息;此历史投保数据可以是医保产品上一年或前几年的投保数据,也可以是与本申请的医保产品相似或相关的医保产品前几年的投保数据。
历史健康数据是历史投保数据中携带的对应投保人身体状况的健康数据,每次投保人购买医保产品都需要提供投保人的健康数据,以方便医保***对投保人的参保风险进行评估,则历史健康数据就是以前购买医保产品的投保人提供的反映其医疗花费情况的数据。
具体地,服务器从医保***获取以前参保的投保人的历史投保数据,此历史投保数据中包含有对应投保人的历史健康数据。
S304,根据历史健康数据获取预设时间间隔内对应的病程数据。
其中,预设时间间隔是与医保产品的投保时间对应的时间间隔,如本申请中对投保人提供的医保产品的投保期限为一年期、三年期、五年期,则服务器可以从历史健康数据中获取患有某一病症在每一年内的病程数据,从而得到此病症在患病后每一年的医疗花费情况的变化医疗花费情况的变化。
病程数据为从历史健康数据中提取的某一病症在预设时间间隔内的医疗花费情况的变化。医疗花费情况的变化;具体地,服务器获取携带有历史健康数据的历史投保数据后,依次提取某一病症在预设时间间隔内的病程数据,以了解此病症在每一个预设时间间隔内的医疗花费情况的变化医疗花费情况的变化。
可选地,服务器获取历史健康数据后,可以识别出此历史健康数据的能够表征对应的投保人所患病症的关键词,然后根据关键词对历史健康数据进行分组,将患有同一类病症的投保人作为一组,然后获取每一组中每个投保人的患病时间,和对应的投保人在每一个预设时间间隔内的医疗花费情况。S306,获取初始模型,将历史健康数据与预设时间间隔内对应的病程数据输入至初始模型中进行训练得到病程匹配模型。
其中,初始模型是用于训练病程匹配模型的空白模型,其形式与将要训练出的病程匹配模型一致。
具体地,通过对大量患有同一病症的历史投数据中的历史健康数据,可得到对应的在每个预设时间间隔内的此历史健康数据对应的单人的医疗花费的变化趋势,尤其是对于一些慢性病,通过寻找相同或相关疾病的案例,将此案例所对应的历史投保数据中的过去一段时间内的医疗花费数据作为此类疾病对应的患病时间的虚拟病程,而通过此方法训练得到的、能够根据输入的健康信息得出对应的投保人在未来一段时间的第一虚拟病程的模型,即为病程匹配模型。
例如,可通过多位患糖尿病患者(如A患者6年糖尿病史/B患者3年糖尿病史/C患者1年糖尿病史)的医疗花费情况的变化(恶化或治愈等)分析糖尿病在患病后每一年的变化情况,则若希望获取刚患上糖尿病的病人在第一年的医疗花费情况的变化,则可以根据上述C患者的病情数据以及A和B患者患病第一年的医疗花费,作为糖尿病患者第一年的虚拟病程;若希望获得前3年的医疗花费情况的变化医疗花费情况的变化,则可分析A患者前三年实际的医疗花费情况和B患者前三年的医疗花费情况,形成对应的糖尿病患者前三年的虚拟病程等。
上述实施例中的模型训练方式,根据历史投保数据作为训练病程匹配模型的依据,使得得到的病程匹配模型,能够更准确地根据输入的投保人的健康信息得到第一虚拟病程。
在一个实施例中,上述医保投保方法还包括模型验证方式,此方式可以包括:
S402,获取验证健康数据和验证健康数据对应的验证虚拟病程。
其中,验证健康数据用于验证病程匹配模型的健康数据;可以从历史健康数据中选取一定比例作为验证健康数据。
验证虚拟病程是验证健康数据对应的病程进展,可以获取验证健康数据对应的病症,以及此病症在连续的预设时间段内的医疗花费情况的变化建立验证虚拟病程。
具体地,在对病程匹配模型进行验证时,服务器获取验证健康数据和验证健康数据对应的验证虚拟病程。
S404,将验证健康数据输入病程匹配模型中得到验证健康数据对应的第三虚拟病程。
其中,第三虚拟病程是将验证健康数据输入到病程匹配模型中后,根据病程匹配模型中训练的规则得到的虚拟病程。
具体地,服务器获取验证健康数据后,将其输入病程匹配模型,根据模型训练的规则对此验证健康数据进行分析,识别验证健康数据中的病症,并预测此病症在未来的医疗花费情况的变化,得到第三虚拟病程。
S406,根据验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据第三虚拟病程获取验证健康数据在预设时间的第二病程数据。
其中,预设时间是用于评判验证虚拟病程与第三虚拟病程的差异性的时间,其选取可根据临床经验选择。
具体地,在服务器获取验证健康数据对应的验证虚拟病程和第三虚拟病程后,需要比较其二者的差别,以验证病程匹配模型的准确性。而由于验证虚拟病程和第三虚拟病程为一段时间内(通常为较长时间,如十年)某一病症的医疗花费的变化情况,故在比较时,可以选择某一时间点此验证健康数据在验证虚拟病程中的第一病程数据和在第三虚拟病程中的第二病程数据。
S408,计算第一病程数据和第二病程数据的差值,当差值超出预设值时,根据验证虚拟病程纠正病程匹配模型。
具体地,服务器比较第一病程数据和第二病程数据,计算二者的差值,当次差值大于预设值时,则代表病程匹配模型得出的结果与现实中的病程变化相差较大,需要对病程匹配模型进行纠正。
上述实施例,通过验证健康数据对病程匹配模型进行纠正,使得病程匹配模型更为准确。
应该理解的是,虽然图2至图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种医保投保装置,包括:信息获取模块100、病程建立模块200、医保产品获取模块300、投保指令获取模块400和投保模块500,其中:
信息获取模块100,用于接收用户终端发送的投保请求,投保请求携带有投保人的健康信息。
病程建立模块200,用于将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程。
医保产品获取模块300,用于获取与第一虚拟病程对应的医保产品,并将所获取的医保产品发送至用户终端。
投保指令获取模块400,用于接收用户终端返回的与所获取的医保产品对应的投保指令。
投保模块500,用于根据投保指令进行医保投保。
在一个实施例中,上述医保投保装置还包括:
关键词提取模块,用于提取健康信息中的诊断关键词和治疗关键词。
则上述病程建立模块,还用于将诊断关键词和治疗关键词输入病情模拟模型得到与投保人匹配的第一虚拟病程。
在一个实施例中,上述医保投保装置中的医保产品获取模块,可以包括:
费用计算单元,用于根据第一虚拟病程计算投保人在投保期限内的第一医疗费用。
医保产品获取单元,用于获取与第一医疗费用对应的医保产品。
在一个实施例中,上述医保投保装置中的医保产品获取模块,还可以包括:
投保期限获取单元,用于从投保申请中获取投保期限。
第一费用计算单元,用于根据第一虚拟病程计算投保人在投保期限内的第一医疗费用。
第一费用计算单元,用于将健康信息输入训练好的专家分析模型得到投保人在投保期限内对应的第二医疗花费。
医保产品计算单元,用于获取与第一医疗费用以及第二医疗费用对应的医保产品。
在一个实施例中,上述医保投保装置,还可以包括:
环境分析模块,用于获取投保人对应的环境数据。
历史干预模块,用于获取环境数据对第一虚拟病程对应的干预历史。
干预病程模块,用于根据干预历史预测环境数据对投保人的第一虚拟病程的干预情况,根据干预情况得到投保人的第二虚拟病程。
则上述医保产品获取模块,还可以用于获取与第二虚拟病程对应的医保产品。
在一个实施例中,上述医保投保装置还可以包括:
历史数据获取模块,用于获取历史投保数据,历史投保数据中携带有历史健康数据。
病程获取模块,用于根据历史健康数据获取预设时间间隔内对应的病程数据。
模型训练模块,用于获取初始模型,将历史健康数据与预设时间间隔内对应的病程数据输入至初始模型中进行训练得到病程匹配模型。
在一个实施例中,上述医保投保装置还可以包括:
验证病程模块,用于获取验证健康数据和验证健康数据对应的验证虚拟病程。
模型分析模块,用于将验证健康数据输入病程匹配模型中得到验证健康数据对应的第三虚拟病程。
定时提取模块,用于根据验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据第三虚拟病程获取验证健康数据在预设时间的第二病程数据。
纠正模块,用于计算第一病程数据和第二病程数据的差值,当差值超出预设值时,根据验证虚拟病程纠正病程匹配模型。
关于医保投保装置的具体限定可以参见上文中对于医保投保方法的限定,在此不再赘述。上述医保投保装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储医保投保数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医保投保方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收用户终端发送的投保请求,投保请求携带有投保人的健康信息;将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程;获取与第一虚拟病程对应的医保产品,并将所获取的医保产品发送至用户终端;接收用户终端返回的与所获取的医保产品对应的投保指令;根据投保指令进行医保投保。
在一个实施例中,处理器执行计算机程序时实现的接收用户终端发送的投保请求之后,还可以包括:提取健康信息中的诊断关键词和治疗关键词;则处理器执行计算机程序时实现的处理器执行计算机程序时实现的将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程,可以包括:将诊断关键词和治疗关键词输入病情模拟模型得到与投保人匹配的第一虚拟病程。
在一个实施例中,处理器执行计算机程序时实现的获取与第一虚拟病程对应的医保产品,可以包括:从投保申请中获取投保期限;根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;获取与第一医疗费用对应的医保产品。
在一个实施例中,处理器执行计算机程序时实现的获取与第一虚拟病程对应的医保产品,包括:根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;将健康信息输入训练好的专家分析模型得到投保人在投保期限内对应的第二医疗花费;获取与第一医疗费用以及第二医疗费用对应的医保产品。
在一个实施例中,处理器执行计算机程序时实现的将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程之后,还包括:获取投保人对应的环境数据;获取环境数据对第一虚拟病程对应的干预历史;根据干预历史预测环境数据对投保人的第一虚拟病程的干预情况,根据干预情况得到投保人的第二虚拟病程;则处理器执行计算机程序时实现的获取与第一虚拟病程对应的医保产品,可以包括:获取与第二虚拟病程对应的医保产品。
在一个实施例中,处理器执行计算机程序时实现的医保投保方法还包括病程匹配模型的生成方式,此方式包括:获取历史投保数据,历史投保数据中携带有历史健康数据;根据历史健康数据获取预设时间间隔内对应的病程数据;获取初始模型,将历史健康数据与预设时间间隔内对应的病程数据输入至初始模型中进行训练得到病程匹配模型。
在一个实施例中,处理器执行计算机程序时实现的医保投保方法,还可以包括:获取验证健康数据和验证健康数据对应的验证虚拟病程;将验证健康数据输入病程匹配模型中得到验证健康数据对应的第三虚拟病程;根据验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据第三虚拟病程获取验证健康数据在预设时间的第二病程数据;计算第一病程数据和第二病程数据的差值,当差值超出预设值时,根据验证虚拟病程纠正病情模拟模型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收用户终端发送的投保请求,投保请求携带有投保人的健康信息;将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程;获取与第一虚拟病程对应的医保产品,并将所获取的医保产品发送至用户终端;接收用户终端返回的与所获取的医保产品对应的投保指令;根据投保指令进行医保投保。
在一个实施例中,计算机程序被处理器执行时实现的接收用户终端发送的投保请求之后,还可以包括:提取健康信息中的诊断关键词和治疗关键词;则计算机程序被处理器执行时实现的处理器执行计算机程序时实现的将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程,可以包括:将诊断关键词和治疗关键词输入病情模拟模型得到与投保人匹配的第一虚拟病程。
在一个实施例中,计算机程序被处理器执行时实现的获取与第一虚拟病程对应的医保产品,可以包括:从所述投保申请中获取投保期限;根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;获取与第一医疗费用对应的医保产品。
在一个实施例中,计算机程序被处理器执行时实现的获取与第一虚拟病程对应的医保产品,包括:根据第一虚拟病程计算投保人在投保期限内的第一医疗费用;将健康信息输入训练好的专家分析模型得到投保人在投保期限内对应的第二医疗花费;获取与第一医疗费用以及第二医疗费用对应的医保产品。
在一个实施例中,计算机程序被处理器执行时实现的将健康信息输入病程匹配模型中得到与投保人匹配的第一虚拟病程之后,还可以包括:获取投保人对应的环境数据;获取环境数据对第一虚拟病程对应的干预历史;根据干预历史预测环境数据对投保人的第一虚拟病程的干预情况,根据干预情况得到投保人的第二虚拟病程;则计算机程序被处理器执行时实现的获取与第一虚拟病程对应的医保产品,可以包括:获取与第二虚拟病程对应的医保产品。
在一个实施例中,计算机程序被处理器执行时实现的医保投保方法还可以包括病程匹配模型的生成方式,此方式包括:获取历史投保数据,历史投保数据中携带有历史健康数据;根据历史健康数据获取预设时间间隔内对应的病程数据;获取初始模型,将历史健康数据与预设时间间隔内对应的病程数据输入至初始模型中进行训练得到病程匹配模型。
在一个实施例中,计算机程序被处理器执行时实现的医保投保方法,还可以包括:获取验证健康数据和验证健康数据对应的验证虚拟病程;将验证健康数据输入病程匹配模型中得到验证健康数据对应的第三虚拟病程;根据验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据第三虚拟病程获取验证健康数据在预设时间的第二病程数据;计算第一病程数据和第二病程数据的差值,当差值超出预设值时,根据验证虚拟病程纠正病情模拟模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医保投保方法,所述方法包括:
接收用户终端发送的投保请求,所述投保请求携带有投保人的健康信息;
将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程;
获取与所述第一虚拟病程对应的医保产品,并将所获取的医保产品发送至所述用户终端;
接收所述用户终端返回的与所获取的医保产品对应的投保指令;
根据所述投保指令进行医保投保。
2.根据权利要求1所述的方法,其特征在于,所述接收用户终端发送的投保请求之后,包括:
提取所述健康信息中的诊断关键词和治疗关键词;
所述将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程,包括:
将所述诊断关键词和所述治疗关键词输入病情模拟模型得到与所述投保人匹配的第一虚拟病程。
3.根据权利要求1所述的方法,其特征在于,所述获取与所述第一虚拟病程对应的医保产品,包括:
从所述投保申请中获取投保期限;
根据所述第一虚拟病程计算所述投保人在所述投保期限内的第一医疗费用;
获取与所述第一医疗费用对应的医保产品。
4.根据权利要求1所述的方法,其特征在于,所述获取与所述第一虚拟病程对应的医保产品,包括:
根据所述第一虚拟病程计算所述投保人在投保期限内的第一医疗费用;
将所述健康信息输入训练好的专家分析模型得到所述投保人在投保期限内对应的第二医疗花费;
获取与所述第一医疗费用以及所述第二医疗费用对应的医保产品。
5.根据权利要求1所述的方法,其特征在于,所述将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程之后,还包括:
获取所述投保人对应的环境数据;
获取所述环境数据对所述第一虚拟病程对应的干预历史;
根据所述干预历史预测所述环境数据对所述投保人的第一虚拟病程的干预情况,根据所述干预情况得到所述投保人的第二虚拟病程;
所述获取与所述第一虚拟病程对应的医保产品,包括:
获取与所述第二虚拟病程对应的医保产品。
6.根据权利要求1所述的方法,其特征在于,所述病程匹配模型的生成方式,包括:
获取历史投保数据,所述历史投保数据中携带有历史健康数据;
根据所述历史健康数据获取预设时间间隔内对应的病程数据;
获取初始模型,将所述历史健康数据与所述预设时间间隔内对应的病程数据输入至所述初始模型中进行训练得到病程匹配模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取验证健康数据和所述验证健康数据对应的验证虚拟病程;
将所述验证健康数据输入所述病程匹配模型中得到所述验证健康数据对应的第三虚拟病程;
根据所述验证虚拟病程获取验证健康数据在预设时间的第一病程数据,根据所述第三虚拟病程获取验证健康数据在所述预设时间的第二病程数据;
计算所述第一病程数据和所述第二病程数据的差值,当所述差值超出预设值时,根据所述验证虚拟病程纠正所述病程匹配模型。
8.一种医保投保装置,其特征在于,所述装置包括:
信息获取模块,用于接收用户终端发送的投保请求,所述投保请求携带有投保人的健康信息;
病程建立模块,用于将所述健康信息输入病程匹配模型中得到与所述投保人匹配的第一虚拟病程;
医保产品获取模块,用于获取与所述第一虚拟病程对应的医保产品,并将所获取的医保产品发送至所述用户终端;
投保指令获取模块,用于接收所述用户终端返回的与所获取的医保产品对应的投保指令;
投保模块,用于根据所述投保指令进行医保投保。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811068547.XA CN109377388B (zh) | 2018-09-13 | 2018-09-13 | 医保投保方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811068547.XA CN109377388B (zh) | 2018-09-13 | 2018-09-13 | 医保投保方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377388A true CN109377388A (zh) | 2019-02-22 |
CN109377388B CN109377388B (zh) | 2023-08-18 |
Family
ID=65405144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811068547.XA Active CN109377388B (zh) | 2018-09-13 | 2018-09-13 | 医保投保方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377388B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111207A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 核保方法及相关设备 |
CN110210983A (zh) * | 2019-04-25 | 2019-09-06 | 深圳壹账通智能科技有限公司 | 一种具有相同属性人群的确定方法及其装置 |
CN112183113A (zh) * | 2020-10-14 | 2021-01-05 | 山东健康医疗大数据有限公司 | 基于健康医疗大数据的保险客户名单筛选方法及装置 |
CN112734585A (zh) * | 2021-01-25 | 2021-04-30 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
WO2024066036A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳先进技术研究院 | 一种基于安全管理措施和保函的投保人推荐方法 |
Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064343A1 (en) * | 2000-10-11 | 2004-04-01 | Korpman Ralph A | System for communication of health care data |
WO2004086274A1 (ja) * | 2003-03-24 | 2004-10-07 | Teijin Limited | ゲノム情報を使用した健康情報提供システムおよび方法 |
JP2012128670A (ja) * | 2010-12-15 | 2012-07-05 | Hitachi Ltd | 保健事業支援システム、保険事業支援装置、及び保険事業支援プログラム |
TW201305952A (zh) * | 2011-07-22 | 2013-02-01 | Chinatrust Financial Holding Co Ltd | 家庭式住院醫療終身健康保險之營運平台及營運方法 |
US20130185101A1 (en) * | 2012-01-17 | 2013-07-18 | American International Group, Inc. | System, Method, and Computer Program Product for Underwriting Mortgage Loan Insurance |
US20130191159A1 (en) * | 2012-01-19 | 2013-07-25 | Unitedhealth Group Incorporated | System, method and computer program product for customer-selected care path for treatment of a medical condition |
US20160132969A1 (en) * | 2014-11-10 | 2016-05-12 | Wipro Limited | Method and system for optimizing processing of insurance claims and detecting fraud thereof |
CN105844527A (zh) * | 2016-03-18 | 2016-08-10 | 深圳市前海安测信息技术有限公司 | 医疗保险费折扣精算***及方法 |
CN106204202A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种车险信息推荐方法和装置 |
CN106296415A (zh) * | 2016-08-17 | 2017-01-04 | 深圳市永兴元科技有限公司 | 车险投保方法、装置及*** |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐***和方法 |
CN106875030A (zh) * | 2016-12-14 | 2017-06-20 | 武汉默联股份有限公司 | 商业健康保险在线直赔智能推荐***及方法 |
US20170308981A1 (en) * | 2016-04-22 | 2017-10-26 | New York University | Patient condition identification and treatment |
CN107403384A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 保险推荐方法和装置 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
CN107632995A (zh) * | 2017-03-13 | 2018-01-26 | 平安科技(深圳)有限公司 | 随机森林模型训练的方法及模型训练控制*** |
CN107633323A (zh) * | 2017-08-28 | 2018-01-26 | 平安科技(深圳)有限公司 | 核保难度预测的方法、装置、计算机设备及存储介质 |
CN107657538A (zh) * | 2017-10-12 | 2018-02-02 | 中国平安人寿保险股份有限公司 | 投保方法、投保终端、保险服务器及计算机可读存储介质 |
CN107910068A (zh) * | 2017-11-29 | 2018-04-13 | 平安健康保险股份有限公司 | 投保用户的健康风险预测方法、装置、设备及存储介质 |
CN108009932A (zh) * | 2018-01-05 | 2018-05-08 | 上海栈略数据技术有限公司 | 一种基于大数据分析的智能长期护理服务平台 |
JP2018077896A (ja) * | 2018-01-10 | 2018-05-17 | オムロンヘルスケア株式会社 | リスク分析システム及びリスク分析方法 |
CN108133423A (zh) * | 2017-12-21 | 2018-06-08 | 平安科技(深圳)有限公司 | 健康险产品投保方法、装置、设备及可读存储介质 |
CN108198079A (zh) * | 2017-12-28 | 2018-06-22 | 平安科技(深圳)有限公司 | 核保方法、核保装置、核保设备及存储介质 |
CN108352035A (zh) * | 2015-05-18 | 2018-07-31 | 口袋医生公司 | 用于高效索赔处理的动态拓扑***和方法 |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
CN108510402A (zh) * | 2018-06-06 | 2018-09-07 | 中国平安人寿保险股份有限公司 | 险种信息推荐方法、装置、计算机设备及存储介质 |
CN108520444A (zh) * | 2018-04-12 | 2018-09-11 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、设备、装置及计算机可读存储介质 |
CN109003193A (zh) * | 2018-09-10 | 2018-12-14 | 平安科技(深圳)有限公司 | 投保风险预测方法、装置、计算机设备和存储介质 |
-
2018
- 2018-09-13 CN CN201811068547.XA patent/CN109377388B/zh active Active
Patent Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064343A1 (en) * | 2000-10-11 | 2004-04-01 | Korpman Ralph A | System for communication of health care data |
WO2004086274A1 (ja) * | 2003-03-24 | 2004-10-07 | Teijin Limited | ゲノム情報を使用した健康情報提供システムおよび方法 |
JP2012128670A (ja) * | 2010-12-15 | 2012-07-05 | Hitachi Ltd | 保健事業支援システム、保険事業支援装置、及び保険事業支援プログラム |
TW201305952A (zh) * | 2011-07-22 | 2013-02-01 | Chinatrust Financial Holding Co Ltd | 家庭式住院醫療終身健康保險之營運平台及營運方法 |
US20130185101A1 (en) * | 2012-01-17 | 2013-07-18 | American International Group, Inc. | System, Method, and Computer Program Product for Underwriting Mortgage Loan Insurance |
US20130191159A1 (en) * | 2012-01-19 | 2013-07-25 | Unitedhealth Group Incorporated | System, method and computer program product for customer-selected care path for treatment of a medical condition |
US20160132969A1 (en) * | 2014-11-10 | 2016-05-12 | Wipro Limited | Method and system for optimizing processing of insurance claims and detecting fraud thereof |
CN108352035A (zh) * | 2015-05-18 | 2018-07-31 | 口袋医生公司 | 用于高效索赔处理的动态拓扑***和方法 |
CN105844527A (zh) * | 2016-03-18 | 2016-08-10 | 深圳市前海安测信息技术有限公司 | 医疗保险费折扣精算***及方法 |
US20170308981A1 (en) * | 2016-04-22 | 2017-10-26 | New York University | Patient condition identification and treatment |
CN107403384A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 保险推荐方法和装置 |
CN106204202A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种车险信息推荐方法和装置 |
CN106296415A (zh) * | 2016-08-17 | 2017-01-04 | 深圳市永兴元科技有限公司 | 车险投保方法、装置及*** |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐***和方法 |
CN106875030A (zh) * | 2016-12-14 | 2017-06-20 | 武汉默联股份有限公司 | 商业健康保险在线直赔智能推荐***及方法 |
CN107632995A (zh) * | 2017-03-13 | 2018-01-26 | 平安科技(深圳)有限公司 | 随机森林模型训练的方法及模型训练控制*** |
CN107633323A (zh) * | 2017-08-28 | 2018-01-26 | 平安科技(深圳)有限公司 | 核保难度预测的方法、装置、计算机设备及存储介质 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
CN107657538A (zh) * | 2017-10-12 | 2018-02-02 | 中国平安人寿保险股份有限公司 | 投保方法、投保终端、保险服务器及计算机可读存储介质 |
CN107910068A (zh) * | 2017-11-29 | 2018-04-13 | 平安健康保险股份有限公司 | 投保用户的健康风险预测方法、装置、设备及存储介质 |
CN108133423A (zh) * | 2017-12-21 | 2018-06-08 | 平安科技(深圳)有限公司 | 健康险产品投保方法、装置、设备及可读存储介质 |
CN108198079A (zh) * | 2017-12-28 | 2018-06-22 | 平安科技(深圳)有限公司 | 核保方法、核保装置、核保设备及存储介质 |
CN108009932A (zh) * | 2018-01-05 | 2018-05-08 | 上海栈略数据技术有限公司 | 一种基于大数据分析的智能长期护理服务平台 |
JP2018077896A (ja) * | 2018-01-10 | 2018-05-17 | オムロンヘルスケア株式会社 | リスク分析システム及びリスク分析方法 |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
CN108520444A (zh) * | 2018-04-12 | 2018-09-11 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、设备、装置及计算机可读存储介质 |
CN108510402A (zh) * | 2018-06-06 | 2018-09-07 | 中国平安人寿保险股份有限公司 | 险种信息推荐方法、装置、计算机设备及存储介质 |
CN109003193A (zh) * | 2018-09-10 | 2018-12-14 | 平安科技(深圳)有限公司 | 投保风险预测方法、装置、计算机设备和存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111207A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 核保方法及相关设备 |
CN110210983A (zh) * | 2019-04-25 | 2019-09-06 | 深圳壹账通智能科技有限公司 | 一种具有相同属性人群的确定方法及其装置 |
CN112183113A (zh) * | 2020-10-14 | 2021-01-05 | 山东健康医疗大数据有限公司 | 基于健康医疗大数据的保险客户名单筛选方法及装置 |
CN112734585A (zh) * | 2021-01-25 | 2021-04-30 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
CN112734585B (zh) * | 2021-01-25 | 2024-05-31 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
WO2024066036A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳先进技术研究院 | 一种基于安全管理措施和保函的投保人推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109377388B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109377388A (zh) | 医保投保方法、装置、计算机设备和存储介质 | |
Beam et al. | Immediate discharge and home treatment with rivaroxaban of low‐risk venous thromboembolism diagnosed in two US emergency departments: a one‐year preplanned analysis | |
US8655682B2 (en) | Treatment decision engine with applicability measure | |
CN109979587A (zh) | 患者健康护理交互设备及其实施方法 | |
US20170357771A1 (en) | Patient risk scoring & evaluation system | |
CN106793957B (zh) | 用于预测患者护理未来结果的医疗***和方法 | |
WO2018044807A1 (en) | Managing care pathways | |
CN108932974A (zh) | 在线问诊分配医生的方法、装置、计算机设备和存储介质 | |
US10622099B2 (en) | Systems and methods for supporting hospital discharge decision making | |
CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
Chen et al. | An AI-based heart failure treatment adviser system | |
US10318710B2 (en) | System and method for identifying healthcare fraud | |
CN112259246A (zh) | 一种融合医学概念层级结构的疾病预测方法及相关设备 | |
US20170103181A1 (en) | Healthcare delivery system | |
US11244029B1 (en) | Healthcare management system and method | |
Krikunov et al. | Complex data-driven predictive modeling in personalized clinical decision support for Acute Coronary Syndrome episodes | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
Ge et al. | Applications of digital Medicine in oncology: Prospects and challenges | |
US20170091410A1 (en) | Predicting personalized risk of preventable healthcare events | |
Symeonidis et al. | Mortality prediction and safe drug recommendation for critically-ill patients | |
US11621081B1 (en) | System for predicting patient health conditions | |
CN109598378A (zh) | 医保费用预测方法、装置、设备及计算机可读存储介质 | |
CN109685510A (zh) | 一种基于区块链的个人健康数据管理方法及装置 | |
CN112035361B (zh) | 医疗诊断模型的测试方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220523 Address after: 518048 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |