作品描述

实际业务场景/业务痛点： 保险公司在处理理赔时，录入医疗单证数据的通用方法 人工处理： 人工录入实现文本化耗时、费钱、准确率低 人工填表结构化对专业性要求高 人工校正实现归一化可靠性差 人工患者画像和需求匹配投入产出比低 通用OCR 无针对性优化、准确率低、无错误提示 无法实现多源异构的医疗单证结构化 缺乏数据标准化的知识图谱支撑 不支持用户画像和统计分析 最终项目的使用价值： 核心能力： 1）非结构化转结构化能力，将医疗票据进行数据资产化。基于深度学习算法完成文本化、结构化、归一化完成医疗影像图片转换成标准结构化数据的能力。2）供需匹配，根据医疗大数据资产化结果，完成精细化的医疗数据运营。 应用价值： 1）基于深度学习的OCR检测与识别技术。医疗票据OCR难点：图像质量-存在光照不均匀、运动模糊、底纹、印章干扰等；医疗常用字类别多（6500类）、医疗生僻字等。解决方案：独立开发基于attention的偏旁部首OCR识别模型，OCR识别准确率达到医疗票据99%，同时模型突破深度学习模型鲁棒性问题，模型预测结果具有置信度，特异性达到99.8%，即可以实现错误提示，大幅度提升了文本化录入的效率。 2）医疗大数据知识图谱。医疗垂直领域的知识图谱的构建，采用自顶而下的构建方式，以国家医保局出台的15项标准规范为基准，建立了标准化统一编码，实现可迭代智能医疗知识图谱的“纵向全贯通，横向全覆盖”。目前，此医疗知识图谱中包含了2800万术语（实体），3913万关系（层级关系、属性关系），覆盖99%以上常用疾病、药品、症状、体征、手术操作等相关医学术语及别称，临床真实世界数据的编码准确度可达98%以上。定期专门团队负责采集、录入、更新和统一编码。 应用情况： 1）医疗大数据资产化：目前太平财险、太平金运、众安保险、中国人寿、东吴人寿、长生人寿、盛诺一家等众多保险公司都在使用此医疗大数据资产化系统，每月完成6万案件的医疗大数据资产化。整体效率提升70%。 2）医疗大数据数据运营：太平财险、华润医药（德信行DTP药房）、知识视觉共同运营，药品福利管理保险及相关患者教育、健康管理服务和患者随访等服务。目前德信行药房国内200家DTP药房门店采用本医疗大数据资产化以及运营体系，每年服务7-10万癌症患者，收入10亿。 总结：本团队主要就是基于保险内部的数据，做保险大数据的融合，通过文本化、结构化、归一化，完成非结构化数据转结构化，实现医疗大数据资产化，随后，进行客户标签化，‌‌帮助保险公司实现个性化千人千面的健康管理服务，并且在这个过程中通过整合医药的供应链，然后帮助保险公司实现医药险的三医联动。