(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111529425.8 (22)申请日 2021.12.14 (71)申请人 平安医疗健康管理股份有限公司 地址 200001 上海市黄浦区北京东路6 66号 H区 （东座） 12G室 (72)发明人 吴子涵　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 代理人 陈海云　严林 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 10/06(2012.01) G06N 20/00(2019.01) (54)发明名称 医疗数据风险识别方法、 装置、 电子设备及 存储介质 (57)摘要 本发明涉及人工智能技术领域， 提供一种医 疗数据风险识别方法、 装置、 电子设备及存储介 质， 通过目标用户的核保查询请求确定目标数据 源， 从而从目标数据源中精准的获取目标用户的 医疗数据， 精 准的获取目标用户的医疗数据有助 于提高后续基于医疗数据识别目标用户的医疗 风险的准确度， 在确定目标用户的意向保险产品 后， 通过匹配与意向保险产品的类型对应的初始 核保决策树模 型， 从而对初始核保决策树模型进 行规则配置， 得到目标核保决策树模型， 最后使 用目标核保决策树模型基于所述医疗数据进行 核保识别， 并根据所述目标核保决策树模型中的 多颗决策树的识别结果输出核保查询结果， 提高 了风险识别的效率和准确度。 权利要求书2页 说明书13页 附图2页 CN 114240677 A 2022.03.25 CN 114240677 A 1.一种医疗数据风险识别方法， 其特 征在于， 所述方法包括： 接收对目标用户的核保查询请求， 根据所述核保查询请求确定目标 数据源； 从所述目标 数据源获取 所述目标用户的医疗数据； 根据所述核保查询 请求获取所述目标用户的意向保险产品， 并匹配与 所述意向保险产 品的类型对应的初始核保决策树模型； 对所述初始核保决策树模型进行规则配置， 得到目标核保决策树模型， 所述目标核保 决策树模型包括多颗决策树； 使用所述目标核保决策树模型基于所述医疗数据进行核保识别， 得到所述目标核保决 策树模型中每颗决策树的识别结果， 并根据多颗所述决策树的识别结果输出核保查询结 果。 2.如权利要求1所述的医疗数据风险识别方法， 其特征在于， 所述根据 所述核保查询请 求确定目标 数据源包括： 获取所述核保查询请求中所述目标用户的意向投保地区及授权 机构标识； 根据地区机构映射表确定所述 意向投保地区对应的多个数据机构标识； 根据所述授权 机构标识从所述多个数据机构标识中获取目标 数据机构标识； 将所述目标 数据机构标识对应的数据机构确定为所述目标 数据源。 3.如权利要求1所述的医疗数据风险识别方法， 其特征在于， 所述从所述目标数据源获 取所述目标用户的医疗数据包括： 从所述目标数据源获取所述目标用户的初始医疗数据集， 所述初始医疗数据集中的每 条初始医疗数据包括病人描述信息和医疗描述信息； 对所述初始医疗数据集进行采样， 得到与 所述初始医疗数据集具有相同数据分布的医 疗样本集； 在所述医疗样本集中确定 医疗描述值， 使得包括所述医疗描述值的初始医疗数据的数 量与所述医疗样本集的数量的比值大于第一预设阈值； 在所述医疗样本集中获取与 所述医疗描述值对应的病人描述值， 使得包括所述病人描 述值的初始医疗数据的数量与所述医疗样本集的数量的比值大于第二预设阈值； 在所述初始医疗数据集中查找包括所述医疗描述值但不包括所述病人描述值的初始 医疗数据； 将查找到的初始医疗数据作为所述目标用户的医疗数据。 4.如权利要求1所述的医疗数据风险识别方法， 其特征在于， 所述对所述初始核保决策 树模型进行规则配置， 得到目标核保决策树模型包括： 判断是否从所述医疗数据中获取到所述目标用户的就医记录标识； 当从所述医疗数据中获取到所述目标用户的就医记录标识时， 计算所述就医记录标识 的个数； 根据所述个数配置决策树的数量； 根据所述决策树的数量 生成目标核保决策树模型。 5.如权利要求1至4中任意一项所述的医疗数据风险识别方法， 其特征在于， 所述使用 所述目标核保决策树模型基于所述医疗数据进行核保识别， 得到所述目标核保决策树模型 中每颗决策树的识别结果包括：权　利　要　求　书 1/2 页 2 CN 114240677 A 2获取所述医疗数据中每 个所述就医记录标识对应的诊疗数据； 将多个所述诊疗数据输入至所述目标核保决策树模型中进行核保识别； 获取所述目标核保决策树模型中每颗决策树的识别结果。 6.如权利要求5所述的医疗数据风险识别方法， 其特征在于， 所述根据多颗所述决策树 的识别结果输出核保查询结果之后， 所述方法还 包括： 获取预定时间段内的增量数据； 根据所述增量数据生成增量决策树； 基于所述增量决策树和所述目标核保决策树模型中的决策树来对所述增量数据进行 标签预测， 得到标签预测结果； 根据所述标签预测结果确定所述目标核保决策树模型中的决策树和所述增量决策树 中的决策树的综合 性能； 基于所述综合性 能， 从所述目标核保决策树模型中的决策树和所述增量决策树中的决 策树中选取 预定数量的决策树作为更新后的目标核保决策树模型。 7.如权利要求6所述的医疗数据风险识别方法， 其特征在于， 所述从所述目标核保决策 树模型中的决策树和所述增量决策树中的决策树中选取 预定数量的决策树包括： 根据所述标签预测的结果 来确定所述决策树针对所述增量数据的预测准确率； 将所述决策树的建立时间作为所述综合 性能的权 重； 根据所述权 重对所述增量数据的预测准确率进行排序； 从所述目标核保决策树模型中的决策树和排序后的预测准确率中获取所述预定数量 的决策树。 8.一种医疗数据风险识别装置， 其特 征在于， 所述装置包括： 接收模块， 用于接收对目标用户的核保查询请求， 根据所述核保查询请求确定目标数 据源； 获取模块， 用于从所述目标 数据源获取 所述目标用户的医疗数据； 匹配模块， 用于根据所述核保查询请求获取所述目标用户的意向保险产品， 并匹配与 所述意向保险产品的类型对应的初始核保决策树模型； 配置模块， 用于对所述初始核保决策树模型进行规则配置， 得到目标核保决策树模型， 所述目标核保决策树模型包括多颗决策树； 识别模块， 用于使用所述目标核保决策树模型基于所述医疗数据进行核保识别， 得到 所述目标核保决策树模型中每颗决策树的识别结果， 并根据多颗所述决策树的识别结果输 出核保查询结果。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述处理器用于执 行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述医疗数据风险 识别方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质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如权利要求 1至7中任意一项 所述医疗数据风险 识别方法。权　利　要　求　书 2/2 页 3 CN 114240677 A 3