用于限制性用药违规的检测方法和检测系统

摘要

本发明涉及一种公开了用于限制性用药违规的检测方法，包括：设定与限制性药物相关的规则。设定诊断判别模型和文书判别模型，与所述限制性药物相关的病例的入院诊断标签和诊断文书作为诊断判别模型和文书判别模型的输入，分别得到与诊断判别模型和文书判别模型对应的输出结果。根据输出结果和所述规则判断所述限制性用药是否存在违规。该方法用机器取代人工，解决医保审查中限制性药品人工审查效率低，无法全量审核的问题。

说明书

技术领域

本发明涉及人工智能技术领域，具体涉及一种用于限制性用药违规的检测方法和检测系统。

背景技术

在医保局对医院的病历进行审核过程中，医院的病历往往会存在一些用药违规的情况，具体表现为抗生素的滥用、质子泵抑制剂的违规使用、辅助性药品的过度使用等，目前针对该问题，往往需要专业的医生对整份病历进行审查。人工对整份病历进行审查，耗费了医生大量的精力。

目前医保审核采用的是抽查，无法全量检查病历，造成医保基金流失。

发明内容

本发明提供一种用于限制性用药违规的检测方法，用机器取代人工，解决医保审查中限制性药品人工审查效率低，无法全量审核的问题。

本发明第一方面，公开了用于限制性用药违规的检测方法，所述检测方法包括：设定与所述限制性药物相关的规则。判断待检测的限制性用药违规对象的费用清单，是否存在限制性用药，如果所述待检测的限制性用药违规对象的费用清单不存在限制性用药，则不再检测。

根据与所述限制性药物相关的病例的入院诊断标签判断是否包含医保规范提到的诊断疾病得到第一判断结果；根据与待检测的限制性用药违规对象的诊断文书判断是否包含医保规范需要的条件得到第二判断结果。

根据所述第一判断结果、第二判断结果和所述规则判断所述限制性用药是否存在违规。

根据本发明的一个实施例，根据与所述限制性药物相关的病例的入院诊断标签判断是否包含医保规范提到的诊断疾病得到第一判断结果，包括：所述设定诊断判别模型，所述与所述限制性药物相关的病例的入院诊断标签作为输入，判断所述限制性药物相关的病例的入院诊断是否包含医保规范提到的诊断疾病。

根据本发明的一个实施例，所述根据与所述限制性药物相关的病例的诊断文书判断是否包含医保规范需要的条件得到第二判断结果，包括：所述设定文本判别模型，所述与与所述限制性药物相关的病例的诊断文书判断所述限制性药物相关的病例的病历中是否包含医保规范需要的条件。

根据本发明的一个实施例，所述根据与所述限制性药物相关的病例的入院诊断标签判断是否包含医保规范提到的诊断疾病得到第一判断结果；根据与待检测的限制性用药违规对象的诊断文书判断是否包含医保规范需要的条件得到第二判断结果步骤之前，先检查待检测的限制性用药违规对象的费用清单，是否存在限制性用药，如果所述待检测的限制性用药违规对象的费用清单不存在限制性用药，则不再检测，如果所述待检测的限制性用药违规对象的费用清单存在限制性用药，则继续检测。

本发明第二方面公开了用于限制性用药违规的检测系统，所述检测系统包括：设定模块，用于设定与所述限制性药物相关的规则。

诊断判别模块，用于判断所述限制性药物相关的病例的入院诊断是否包含医保规范提到的诊断疾病。

文书判别模块，用于判断所述限制性药物相关的病例的病历中是否包含医保规范需要的条件。

输出模块，用于根据所述诊断判别模块的输出结果和所述文书判别模块的输出结果判断所述限制性药物相关的病例是否存在限制性用药违规。

根据本发明的一个实施例，所述检测系统还包括：判断模块，用于判断待检测的限制性用药违规对象的费用清单，是否存在限制性用药。

本发明第三方面公开了一种存储介质，其特征在于，包括：可读存储介质和计算机指令，所述计算机指令存储在所述可读存储介质中；所述计算机指令用于实现以上所述用于限制性用药违规的检测方法。

本发明解决上述技术问题的技术方案如下：用机器取代人工，解决医保审查中限制性药品人工审查效率低，无法全量审核的问题。

附图说明

图1为本发明实施例公开的用于限制性用药违规的检测方法流程图；

图2为本发明实施例公开的诊断判别模型示意图；

图3为本发明实施例公开的文书判别模型示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

本发明实施例提供的一种用于限制性用药违规的检测方法，通过采用数据标注的方式，构建人工智能模型，能够自动对整份病历是否存在限制性用药违规，进行判断，大大减少了人工审核的成本。

根据医保局的规定，所有限制性使用的药品，都有其对应的使用规范。我们将规范拆解成一个个细分的规则，规则之间满足或者且等不同的逻辑条件。

如图1所述，S101：判断待检测的限制性用药违规对象的费用清单，是否存在限制性用药，如果所述待检测的限制性用药违规对象的费用清单不存在限制性用药，则不再检测到达步骤105。如果所述待检测的限制性用药违规对象的费用清单存在限制性用药，则继续检测，执行步骤102。

S102：设定与所述限制性药物相关的规则。

如在医保目录中要求使用重组人白介素-2，必须要求限“肾细胞癌、黑色素瘤，以及有癌性胸腹腔积液”。我们将其拆解为：

规则1：有肾细胞癌相关诊断

规则2：有黑色素瘤相关诊断

规则3：病程或者检验记录中提示胸腹水有癌细胞。

该规范对应的逻辑条件为：((规则or规则2)and规则3)。

S103：设定诊断判别模型和文书判别模型，所述与所述限制性药物相关的病例的入院诊断标签和诊断文书作为诊断判别模型和文书判别模型的输入，分别得到与诊断判别模型和文书判别模型对应的输出结果。

以重组人白介素-2为例:第1类规则包含规则1:有肾细胞癌相关诊断；规则2:有黑色素瘤相关诊断。

针对第1类规则的判断，我们抽取病例中的入院诊断：1.肾透明细胞癌将肾细胞癌和1.肾透明细胞癌，拼接成[CLS]肾细胞癌[SEP]1.肾透明细胞癌[CLS],其中[CLS]代表输入的开头和结束，[SEP]代表两个子句的分割，将输入送到模型1中，进行判断，模型输出是1，代表能满足规则1。这里[CLS]为用于下游的分类任务。包括单文本分类任务和语句对分类任务，这里采用语句对分类任务。

同理判断规则2，模型输出是0，代表不能满足。

同样的第2类规则，我们采用类似的方式进行判读，只是抽取的文书由入院诊断变为了病程。

所有规则主要分为如下两类：

1.是否满足相关诊断的需求

2.病程，检查检验，入院记录等文书中是否满足某些特定条件。

针对第1类规则，使用诊断判别模型，来判断病历的入院诊断中是否包含相关的诊断。模型框架如图2所示:

模型的输入为:入院诊断，医保规范中需要的诊断。

模型的输出为:入院诊断是否含有医保规范中需要的诊断。

针对第2类规则，使用文书判别模型，抽取病历中所有相应的文书，判断是否有文书满足特定的条件。模型框架如图3所示:

模型的输入为:对应文书内容，医保规范中所需要的特定条件。

模型的输出为:对应文书是否满足医保规范中需要的特定条件。

S104：最后再将模型返回的结果和规范对应的条件进行对比，看是否满足规范的条件，如果满足则直接退出，不满足则提示对应的限制性用药药品违规。

本发明达到的技术效果：用机器取代人工，解决医保审查中限制性药品人工审查效率低，无法全量审核的问题。同时通过采用数据标注的方式，构建人工智能模型，能够自动对整份病历是否存在限制性用药违规，进行判断，大大减少了人工审核的成本。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。