异常医保申请检测方法、装置、计算机设备和存储介质

本申请涉及计算机技术领域，特别是涉及一种异常医保申请检测方法、装置、计算机设备和存储介质。

目前医疗保险对于门诊用药是否违规，多数都是通过偏差检测来对门诊用药过程中用药的偏差进行检测，提取其中异常数据，然而偏差检测对于门诊用药的药品处方内的小规模违规不够敏感，无法确保异常检测过程的准确性。

基于此，有必要针对现有的偏差检测方法无法确保医保门诊用药异常检测的准确性的问题，提供一种能够对医保的门诊用药过程是否违规进行准确检测的异常医保申请检测方法、装置、计算机设备和存储介质。

一种异常医保申请检测方法，所述方法包括：

获取待理赔医保申请，提取所述待理赔医保申请的药品使用记录；

从所述药品使用记录中提取各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值；

获取就诊信息明细表，根据所述就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定所述待理赔医保申请为异常申请。

在其中一个实施例中，所述从所述药品使用记录中提取各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值包括：

将各药品处方对应的用药种类数据在所述预设孤立森林模型中各种药品对应的孤立树上运行，记录所述用药种类数据在所述运行过程中经过的路径长度；

根据所述路径长度，确定的各药品处方中各种药品对应的用药异常权重值；

根据所述各药品处方中各种药品对应的用药异常权重值，获取所述各药品处方对应的用药异常权重值。

在其中一个实施例中，所述根据所述各药品处方中各种药品对应的用药异常权重值，获取所述各药品处方对应的用药异常权重值包括：

当药品处方包含预设异常药品组合时，获取所述预设异常药品组合对应的异常加权系数，根据所述异常加权系数对所述预设异常药品组合内药品的用药异常权重值进行加权计算，获得加权异常权重值，将所述加权异常权重值与当前各药品处方中其他药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值；

当药品处方不包含预设异常药品组合时，将当前各药品处方中各种药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值。

在其中一个实施例中，所述从所述药品使用记录中提取各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值之前，还包括：

通过预设无标记的训练特征集构建各药品对应孤立树，所述训练特征集包括历史记录中包含当前药品的各药品处方的用药种类数据；

根据所述孤立树构建预设的孤立森林模型。

在其中一个实施例中，所述获取就诊信息明细表，根据所述就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费包括：

根据所述待理赔医保申请，获取参保人就诊信息明细表；

根据所述参保人就诊信息明细表，统计各个病种下的参保人单次药品总花费；

获取各病种对应的保人的单次药品花费历史记录，根据各病种对应的保人的单次药品花费历史记录确定参保人单次药品总花费对应箱形图，并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费；

获取参保人单次药品总花费对应箱形图，定位各个病种下的参保人单次药品总花费在所述箱形图的位置，判断其是否为异常药品花费。

在其中一个实施例中，所述当存在药品处方的用药异常权重值处于异常区域、或者单次药品总花费为异常药品花费时，判定所述待理赔医保申请为异常申请之前，还包括：

获取所述预设孤立森林模型对各历史记录中药品处方的用药异常权重值；

获取所述各历史记录中药品处方的用药异常权重值的分布；

根据正态分布原则确定药品处方的用药异常权重值分布的异常区域。

一种异常医保申请检测装置，所述装置包括：

申请接收模块，用于获取待理赔医保申请，提取所述待理赔医保申请的药品使用记录；

第一数据提取模块，用于从所述药品使用记录中提取各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值；

第二数据提取模块，用于获取就诊信息明细表，根据所述就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

违规判定模块，用于当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定所述待理赔医保申请为异常申请。

在其中一个实施例中，所述第一数据提取模块具体用于：

将各药品处方对应的用药种类数据在所述预设孤立森林模型中各种药品对应的孤立树上运行，记录所述用药种类数据在所述运行过程中经过的路径长度；

根据所述路径长度，确定的各药品处方中各种药品对应的用药异常权重值；

根据所述各药品处方中各种药品对应的用药异常权重值，获取所述各药品处方对应的用药异常权重值。

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以下步骤：

获取待理赔医保申请，提取所述待理赔医保申请的药品使用记录；

根据所述药品使用记录统计各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值。

获取就诊信息明细表，根据所述就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

当存在药品处方的用药异常权重值处于异常区域、或者单次药品总花费为异常药品花费时，判定所述待理赔医保申请为异常申请。

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以下步骤：

获取待理赔医保申请，提取所述待理赔医保申请的药品使用记录；

根据所述药品使用记录统计各药品处方对应的用药种类数据，将所述用药种类数据输入预设孤立森林模型，获取所述各药品处方中各种药品的用药异常权重值，根据各药品处方中各种药品的用药异常权重值，得到所述各药品处方的用药异常权重值。

获取就诊信息明细表，根据所述就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

当存在药品处方的用药异常权重值处于异常区域、或者单次药品总花费为异常药品花费时，判定所述待理赔医保申请为异常申请。

上述异常医保申请检测方法、装置、计算机设备和存储介质，通过获取待理赔医保申请，提取待理赔医保申请的药品使用记录；根据药品使用记录统计各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值。获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；当存在药品处方的用药异常权重值处于异常区域，或单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。本申请通过对参保人提交的医保申请中的药品使用是否出现异常以及药品费用是否异常两个角度对医保申请进行检测，综合判定其是否违规，提高了检测医保门诊用药违规的准确性。

图1为一个实施例中异常医保申请检测方法的应用环境图；

图2为一个实施例中异常医保申请检测方法的流程示意图；

图3为一个实施例中图2中步骤S400的子步骤流程示意图；

图4为一个实施例中图2中步骤S600的子步骤流程示意图；

图5为一个实施例中异常医保申请检测装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

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。

本申请提供的异常医保申请检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102可以提交待理赔的医保申请至服务器104，由服务器104对该医保申请进行审核，判定其是否异常，服务器104获取待理赔医保申请，提取待理赔医保申请的药品使用记录；从药品使用记录中提取各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值。获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；当存在药品处方的用药异常权重值属于异常区域，或者单次药品总花费是否为异常药品花费时，判定待理赔医保申请为异常违规申请。其中，终端102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104可以用独立的服务器或者是多个服务器组成的服务器集来实现。

在一个实施例中，如图2所示，提供了一种异常医保申请检测方法，以该方法应用于图1中的服务器端为例进行说明，包括以下步骤：

S200，获取待理赔医保申请，提取待理赔医保申请的药品使用记录。

待理赔医保申请是指终端根据医保的参保人的医疗信息，提交至服务器端的申请。待理赔医保申请具体可以包括参保人买的医疗保险的信息、参保人在医疗过程中的药品使用记录以及药品费用信息等，而其中用药信息具体包括了用药途中的各个门诊处方以及处方中的用药种类等。服务器获取终端提交的待理赔医保申请，从中提取参保人的药品使用记录，通过记录判定参保人的医保申请用药是否违规。

具体的，终端提供至服务器端的待理赔医保申请可以包含多个记录表格，其中包含了参保人的就诊信息明细表，该表包括了参保人的药品使用记录，服务器可以直接提取待理赔医保申请中的药品使用记录。

S400，从药品使用记录中提取各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值。

各药品处方是指参保人在门诊用药过程中所使用的药品处方，用药种类数据具体是指处方中包含药品的种类。在一个具体实施例中，药品处方具体为中草药处方时，用药种类数据为中草药处方中的中草药味数。预设孤立森林模型是指通过孤立森林算法构建的异常检测模型，用于判断各输入的药品处方中各药品对应的用药种类是否为异常数据，即用药异常权重值，进而结合药品处方中各药品对应的用药异常权重值，获取参保人医疗过程中所使用药品处方对应的用药异常权重值。

S600，获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费。

待理赔医保申请包括了参保人的就诊信息明细表，该就诊信息明细表包括了参保人医疗过程中记录下的所有医疗费用信息，通过这些医疗费用信息，可以确定参保人在单病种下的单次药品总花费。参保人单次药品总花费是指参保人在当前这次医保过程中单个病种下所使用的所有药品总的花费。箱形图称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先出一组数据的最大值、最小值、中位数和两个四分位数；然后，连接两个四分位数画出箱子；再将最大值和最小值与箱子相连接，中位数在箱子中间。可以根据预设时间内的历史记录中当前病种的参保人单次药品总花费来绘制箱式图，而后跟该箱式图判断当前输入的待理赔医保申请中的各项参保人单次药品总花费是否属于异常数据。

S800，当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。

通过异常检测获取药品处方的用药异常权重值后，可以判断该药品处方的用药异常权重值是否位于预设的正常范围之外，即位于异常区域，当待理赔医保申请中存在药品处方位于异常区域，且存在参保人单次药品总花费是否为异常药品花费的情况时，可以判定该待理赔医保申请为异常违规申请。其中用药异常权重值的异常区域可以通过使用预设孤立森林模型，总结历史记录中的用药异常权重值的分布确定。

上述异常医保申请检测方法，通过获取待理赔医保申请，提取待理赔医保申请的药品使用记录；根据药品使用记录统计各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值。获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；当存在药品处方的用药异常权重值处于异常区域，或单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。本申请通过对参保人提交的医保申请中的药品使用是否出现异常以及药品费用是否异常两个角度对医保申请进行检测，综合判定其是否违规，提高了检测医保门诊用药违规的准确性。

如图3所示，在其中一个实施例中，步骤S400包括：

S410，将各药品处方对应的用药种类数据在预设孤立森林模型中各种药品对应的孤立树上运行，记录用药种类数据在运行过程中经过的路径长度。

S430，根据路径长度，确定的各药品处方中各种药品对应的用药异常权重值。

S450，根据各药品处方中各种药品对应的用药异常权重值，获取各药品处方对应的用药异常权重值。

孤立森林模型是基于孤立森林算法建立的模型，孤立森林算法一般用于挖掘异常数据，或者说离点挖掘，即是在一大堆数据中，出与其它数据的规律不太符合的数据。具体地，可以通过提取待理赔医保申请中参保人的就诊记录明细表，从明细表中提取统计所使用的每种药品所在处方的药品味数。

其中，获取药品处方中单个药品的用药异常权重值的过程具体包括了，其中将该药品处方对应的用药种类数据，在孤立森林中的孤立树中里沿着对应的分支往下，直至到叶节点，记录其经过的路径长度，根据该路径长度确定当前药品处方中该药品对应的用药异常权重值。而后根据当前药品处方中所有药品对应的用药异常权重值来确定该药品处方对应的用药异常权重值。通过预设孤立森林模型来获取药品处方中单个药品对应的用药异常权重值，而后结合判断整个药品处方的用药异常权重值，可以有效提高判断药品处方中的用药数是否是异常的用药数。

在其中一个实施例中，根据各药品处方中各种药品对应的用药异常权重值，获取各药品处方对应的用药异常权重值包括：

当药品处方包含预设异常药品组合时，获取预设异常药品组合对应的异常加权系数，根据异常加权系数对预设异常药品组合内药品的用药异常权重值进行加权计算，获得加权异常权重值，将加权异常权重值与当前各药品处方中其他药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值；

当药品处方不包含预设异常药品组合时，将当前各药品处方中各种药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值。

特别的，有时候多种药物是不能同时出现的，我们可以考虑到这点来添加异常分数的获取途径，还可以检测一些特定的药品组合，当这些组合出现在药品处方中时，可以将该组合内的用药异常权重值合并处理，通过预设孤立森林模型获取单个处方中药品组合的得分对应的异常评分，A药品的分数是10，B药品的分数是20，A与B出现在同一处方中时，两者的分数合并为50。通过将药品处方内各药品的用药异常权重值进行加权平均处理，可以有效地求取当前药品处方对应的用药异常权重值。

在其中一个实施例中，S400之前还包括：

通过预设无标记的训练特征集构建各药品对应孤立树，训练特征集包括历史记录中，包含当前药品的各药品处方的用药种类数据；

根据孤立树构建预设的孤立森林模型。

无标记的训练特征集是指用于训练孤立森林模型的特征集，训练特征集由历史记录中的药品处方组成。孤立森林模型由多个孤立树组成，首先基于无标记的训练特征集建立药品处方中的各个孤立树，通过多个孤立树组成孤立森林模型。无标记的训练特征集包括药品处方，药品处方具体包括了药品处方内的药品以及药品处方的用药种类数据，可以从训练用的药品处方中随机选取某个药品建立一个孤立树，而后基于大量的无标记数据训练生成包含所有种类药品的多个孤立树组成孤立森林。根据无标记的训练特征集构建各药品对应孤立树的过程具体包括：随机在该药品的所在处方味数范围的最大值与最小值间选取一个值V，将大于该值的数划在右边，小于该值的数划在左边，然后分别对左右两边的数据重复上述操作，通过递归的方式构建孤立树，直至只有一条记录或树的高度达到限度log2后，停止操作。通过历史数据中的药品处方数据来构建预设孤立森林模型，该预设孤立森林模型可以获取药品处方中各药品对应的用药异常权重值，而结合药品处方中所有药品的用药异常权重值可以对该药品处方是否异常进行准确判断。

如图4所示，在其中一个实施例中，S600包括：

S610，根据待理赔医保申请，获取参保人就诊信息明细表。

S630，根据参保人就诊信息明细表，统计各个病种下的参保人单次药品总花费。

S650，获取各病种对应的保人的单次药品花费历史记录，根据各病种对应的保人的单次药品花费历史记录确定参保人单次药品总花费对应箱形图，并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费。

S670，获取参保人单次药品总花费对应箱形图，定位各个病种下的参保人单次药品总花费在箱形图的位置，判断其是否为异常药品花费。

参保人就诊信息明细表具体包括了参保人在医疗过程中的所有药品花费，服务器可以根据参保人就诊信息明细表将这些费用进行分类，并将单病种下的所有药品费用归为一类。服务器在进行单病种药品费用异常判断之前，可以根据获取历史记录中的所有单病种下的药品总费用，获取这些药品总费用的最大值、最小值、中位数和两个四分位数；然后，连接两个四分位数画出箱子；再将最大值和最小值与箱子相连接，中位数在箱子中间，获得用于判断各单病种费用对应的箱形图。并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费。同时还可以将上四分位数至上边缘数所对应的花费范围定为可疑药品花费。服务器可以首先获取输入的待理赔医保申请对应的各病种下参保人单次药品总花费，通过各病种对应的箱式图判断当前输入的待理赔医保申请中的各项参保人单次药品总花费是否属于异常数据。通过箱式图可以有效对参保人单个病种下的单次药品总花费是否出现异常进行准确判断。

在其中一个实施例中，S800之前还包括：

获取预设孤立森林模型对各历史记录中药品处方的用药异常权重值；

获取各历史记录中药品处方的用药异常权重值的分布；

根据正态分布原则确定药品处方的用药异常权重值分布的异常区域。

通过对各训练数据处方评分，得到中训练数据的药品处方分值分布，利用3δ-法则，判定对药品处方的用药种类评分的分值在(μ-3σ,μ+3σ)区间外的处方为药品种类异常的处方。通过正态分布的3δ-法则，可以准确地估计出药品处方的用药种类评分的异常区域。而后基于该用药异常权重值的异常区域对药品处方是否为异常处方进行准确判断。

应该理解的是，虽然图2-4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2-4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，提供了一种异常医保申请检测装置，包括：

申请接收模块200，用于获取待理赔医保申请，提取待理赔医保申请的药品使用记录；

第一数据提取模块400，用于从药品使用记录中提取各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值。

第二数据提取模块600，用于获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费。

违规判定模块800，用于当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。

在其中一个实施例中，第一数据提取模块400具体用于：将各药品处方对应的用药种类数据在预设孤立森林模型中各种药品对应的孤立树上运行，记录用药种类数据在运行过程中经过的路径长度；根据路径长度，确定的各药品处方中各种药品对应的用药异常权重值；根据各药品处方中各种药品对应的用药异常权重值，获取各药品处方对应的用药异常权重值。

在其中一个实施例中，第一数据提取模块400还用于：当药品处方包含预设异常药品组合时，获取预设异常药品组合对应的异常加权系数，根据异常加权系数对预设异常药品组合内药品的用药异常权重值进行加权计算，获得加权异常权重值，将加权异常权重值与当前各药品处方中其他药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值；当药品处方不包含预设异常药品组合时，将当前各药品处方中各种药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值。

在其中一个实施例中，还包括模型构建模块，用于：通过预设无标记的训练特征集构建各药品对应孤立树，训练特征集包括历史记录中，包含当前药品的各药品处方的用药种类数据；根据孤立树构建预设的孤立森林模型。

在其中一个实施例中，第二数据提取模块600具体用于：根据待理赔医保申请，获取参保人就诊信息明细表；根据参保人就诊信息明细表，统计各个病种下的参保人单次药品总花费；获取各病种对应的保人的单次药品花费历史记录，根据各病种对应的保人的单次药品花费历史记录确定参保人单次药品总花费对应箱形图，并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费；获取参保人单次药品总花费对应箱形图，定位各个病种下的参保人单次药品总花费在箱形图的位置，判断其是否为异常药品花费。

在其中一个实施例中，还包括异常区域识别模块，用于获取预设孤立森林模型对各历史记录中药品处方的用药异常权重值；获取各历史记录中药品处方的用药异常权重值的分布；根据正态分布原则确定药品处方的用药异常权重值分布的异常区域。

关于异常医保申请检测装置的具体限定可以参见上文中对于异常医保申请检测方法的限定，在此不再赘述。上述异常医保申请检测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系统总线连接的处理器、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系统、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系统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孤立森林模型以及箱形图相关数据。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异常医保申请检测方法。

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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取待理赔医保申请，提取待理赔医保申请的药品使用记录；

从药品使用记录中提取各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值；

获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将各药品处方对应的用药种类数据在预设孤立森林模型中各种药品对应的孤立树上运行，记录用药种类数据在运行过程中经过的路径长度；根据路径长度，确定的各药品处方中各种药品对应的用药异常权重值；根据各药品处方中各种药品对应的用药异常权重值，获取各药品处方对应的用药异常权重值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当药品处方包含预设异常药品组合时，获取预设异常药品组合对应的异常加权系数，根据异常加权系数对预设异常药品组合内药品的用药异常权重值进行加权计算，获得加权异常权重值，将加权异常权重值与当前各药品处方中其他药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值；当药品处方不包含预设异常药品组合时，将当前各药品处方中各种药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过预设无标记的训练特征集构建各药品对应孤立树，训练特征集包括历史记录中，包含当前药品的各药品处方的用药种类数据；根据孤立树构建预设的孤立森林模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据待理赔医保申请，获取参保人就诊信息明细表；根据参保人就诊信息明细表，统计各个病种下的参保人单次药品总花费；获取各病种对应的保人的单次药品花费历史记录，根据各病种对应的保人的单次药品花费历史记录确定参保人单次药品总花费对应箱形图，并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费；获取参保人单次药品总花费对应箱形图，定位各个病种下的参保人单次药品总花费在箱形图的位置，判断其是否为异常药品花费。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设孤立森林模型对各历史记录中药品处方的用药异常权重值；获取各历史记录中药品处方的用药异常权重值的分布；根据正态分布原则确定药品处方的用药异常权重值分布的异常区域。

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：

获取待理赔医保申请，提取待理赔医保申请的药品使用记录；

从药品使用记录中提取各药品处方对应的用药种类数据，将用药种类数据输入预设孤立森林模型，获取各药品处方中各种药品的用药异常权重值，并根据各药品处方中各种药品的用药异常权重值，得到各药品处方的用药异常权重值；

获取就诊信息明细表，根据就诊信息明细表，统计各个病种下的参保人单次药品总花费，利用箱形图算法，判定参保人单次药品总花费是否为异常药品花费；

当存在药品处方的用药异常权重值处于异常区域，且单次药品总花费为异常药品花费时，判定待理赔医保申请为异常申请。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将各药品处方对应的用药种类数据在预设孤立森林模型中各种药品对应的孤立树上运行，记录用药种类数据在运行过程中经过的路径长度；根据路径长度，确定的各药品处方中各种药品对应的用药异常权重值；根据各药品处方中各种药品对应的用药异常权重值，获取各药品处方对应的用药异常权重值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当药品处方包含预设异常药品组合时，获取预设异常药品组合对应的异常加权系数，根据异常加权系数对预设异常药品组合内药品的用药异常权重值进行加权计算，获得加权异常权重值，将加权异常权重值与当前各药品处方中其他药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值；当药品处方不包含预设异常药品组合时，将当前各药品处方中各种药品对应的用药异常权重值的平均数，作为当前药品处方对应的用药异常权重值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过预设无标记的训练特征集构建各药品对应孤立树，训练特征集包括历史记录中，包含当前药品的各药品处方的用药种类数据；根据孤立树构建预设的孤立森林模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据待理赔医保申请，获取参保人就诊信息明细表；根据参保人就诊信息明细表，统计各个病种下的参保人单次药品总花费；获取各病种对应的保人的单次药品花费历史记录，根据各病种对应的保人的单次药品花费历史记录确定参保人单次药品总花费对应箱形图，并将大于箱形图上边缘数所对应的参保人单次药品总花费范围定为异常药品花费；获取参保人单次药品总花费对应箱形图，定位各个病种下的参保人单次药品总花费在箱形图的位置，判断其是否为异常药品花费。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设孤立森林模型对各历史记录中药品处方的用药异常权重值；获取各历史记录中药品处方的用药异常权重值的分布；根据正态分布原则确定药品处方的用药异常权重值分布的异常区域。

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，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。