一种基于金融大模型的医保基金收支监测预警方法及装置与流程

摘要: 本发明涉及数据处理,尤其涉及一种基于金融大模型的医保基金收支监测预警方法及装置。背景技术:1、医保基金作为民生保障的核心资金,其安全运行直接关系医疗保障体系稳定...
一种基于金融大模型的医保基金收支监测预警方法及装置与流程

本发明涉及数据处理,尤其涉及一种基于金融大模型的医保基金收支监测预警方法及装置。

背景技术:

1、医保基金作为民生保障的核心资金,其安全运行直接关系医疗保障体系稳定。相关技术中,通过规则引擎、机器学习模型与人工抽查的协同作业,构建了基础的基金收支监管体系。具体地,该体系涵盖了从数据采集、异常筛查到事后追责的全过程,包括静态规则稽核、传统异常检测及时间序列预警等关键环节。

2、然而,现有的监管方法中,直接采用静态规则与事后审计,并没有实现动态阈值与事中干预,由此可能会导致基金流失难以挽回、误报率居高不下,或者复合型专家依赖严重,从而影响监管的时效性与精准性。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此,本发明的第一个目的在于提出一种基于金融大模型的医保基金收支监测预警方法。

3、本发明的另一个目的在于提出一种基于金融大模型的医保基金收支监测预警装置。

4、本发明的第三个目的在于提出一种计算机设备。

5、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

6、为达上述目的,本发明第一方面实施例提出了一种基于金融大模型的医保基金收支监测预警方法,包括:

7、s1,采集医保基金的多源结构化数据与非结构化数据,并对所述数据进行清洗、脱敏和关联融合,构建标准化数据集;

8、s2,将所述标准化数据集输入经微调的金融大模型,通过时序分析、语义解析和关联推理,挖掘基金收支的显性异常特征与隐性风险特征,输出多维风险特征矩阵;

9、s3,通过金融风控智能体与医学审核智能体分别基于所述风险特征矩阵进行并行独立研判,并对两个智能体的研判结果进行交叉校验与融合,确定风险等级;

10、s4,根据所述风险等级执行差异化的预警与干预措施,包括对一般风险进行提示记录、对关注风险触发人工复核并暂停可疑结算流程、对高危风险执行事中拦截并冻结基金结算。

11、在本发明的一个实施例中,所述s1,包括:

12、通过数据采集层实时抓取医保基金收支流水数据、定点医疗机构结算数据、患者就医诊疗数据、处方开具数据、药品耗材购销数据、医保报销审核数据、医疗机构资质数据和医师执业数据作为结构化数据;

13、同时采集病历文本、诊疗方案、处方备注、纠纷记录和政策文件作为非结构化数据;

14、对所述结构化数据与非结构化数据执行数据清洗、去重、脱敏、格式统一、关联映射和缺失值修复操作,建立患者-医师-机构-处方-资金五维关联索引,生成标准化医保基金风控数据集。

15、在本发明的一个实施例中,还包括:

16、将清洗脱敏后的结构化数据中的患者标识、医师执业编码、医疗机构统一社会信用代码、处方流水号和资金交易流水号进行多表关联映射,构建以患者为中心、关联医师和机构、绑定处方与资金流向的标准化索引结构;

17、并将非结构化数据中的文本内容通过实体识别与结构化数据中的对应实体进行语义对齐,形成统一关联的标准化数据集。

18、在本发明的一个实施例中,所述s2,包括:

19、将标准化数据集输入基于通用金融大模型底座并结合医保基金收支特性、医保政策规则和医疗风控案例进行专项微调后的金融大模型;

20、所述金融大模型通过时序分析捕捉基金收支时序波动规律并预测收支趋势,通过语义解析对非结构化文本进行深度理解并提取隐藏违规线索;

21、通过关联推理挖掘资金流转与诊疗行为之间的隐性关联风险,提取包括收支时序波动异常、高频小额结算套现、机构资金集中归集、诊疗与资金匹配失衡在内的显性异常特征与隐性风险特征,输出包含多维度风险指标的风险特征矩阵

22、在本发明的一个实施例中,还包括:

23、对病历文本、诊疗方案和处方备注中的非结构化文本执行命名实体识别和关系抽取,提取诊断名称、药品名称、剂量信息和治疗周期;

24、并与结构化数据中的处方和结算记录进行语义对齐,识别文本中隐含的过度诊疗或虚假就医线索。

25、在本发明的一个实施例中,所述s3,包括:

26、金融风控智能体复刻金融风控专家研判逻辑,基于风险特征矩阵对医保基金的资金流转进行量化分析,包括基金收支规模、资金流向、结算频次、资金归集模式和收支波动趋势,识别资金异常沉淀、虚假交易、资金挪用、收支失衡和团伙化资金套取风险,输出金融风险研判结果与风险量化分值;

27、医学审核智能体复刻医学审核专家与医保合规审核人员逻辑,基于风险特征矩阵结合医疗知识库和医保政策库对诊疗行为、处方合理性、诊疗项目匹配度和就医逻辑合规性进行审核,识别过度诊疗、虚假就医、超适应症开药和违规诊疗风险,输出医疗违规研判结果。

28、在本发明的一个实施例中,所述s4,包括:

29、当风险等级为一般风险时,执行弹窗提示并记录至台账;

30、当风险等级为关注风险时,触发人工复核预警并暂停可疑结算流程,同时生成风险提示单推送至审核人员终端;

31、当风险等级为高危风险时,立即执行事中拦截,冻结涉及基金结算的账户和机构,锁定可疑交易并阻止基金拨付,同时生成紧急预警通知发送至监管人员。

32、为达上述目的,本发明第二方面实施例提出了一种基于金融大模型的医保基金收支监测预警装置,包括:

33、多源数据融合模块,用于采集医保基金的多源结构化数据与非结构化数据,并对所述数据进行清洗、脱敏和关联融合,构建标准化数据集;

34、风险特征挖掘模块,用于将所述标准化数据集输入经微调的金融大模型,通过时序分析、语义解析和关联推理,挖掘基金收支的显性异常特征与隐性风险特征,输出多维风险特征矩阵;

35、双智能体协同研判模块,用于通过金融风控智能体与医学审核智能体分别基于所述风险特征矩阵进行并行独立研判,并对两个智能体的研判结果进行交叉校验与融合,确定风险等级;

36、分级风险处置模块,用于根据所述风险等级执行差异化的预警与干预措施,包括对一般风险进行提示记录、对关注风险触发人工复核并暂停可疑结算流程、对高危风险执行事中拦截并冻结基金结算。

37、本发明实施例的一种基于金融大模型的医保基金收支监测预警方法及装置,能够实现医保基金收支的全周期智能化监管,将风险识别前移至事前预警和事中干预,并通过双智能体交叉校验与动态知识库迭代,有效降低漏检误检率,提升对新型违规行为的自适应识别能力。

38、为达上述目的,本技术第三方面实施例提出了一种计算机设备,包括:处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如第一方面实施例所述的方法。

39、为达上述目的,本技术第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所述的方法。

40、本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。