[0001] 本发明涉及大数据分析与挖掘领域， 尤其涉及一种基于医疗大数据的医疗保险 精算系统及方法。

背景技术

[0002] 保险精算是指运用数学、 统计学、 金融学、 保险学及人口学等学科的知识与原 理， 去解决商业保险与各种社会保障业务中需要精 确计算的项目， 如死亡率的 测定、 生命表的构造、 费率的厘定、 准备金的计提以及业务盈余分配等， 以此 保证保险经营的稳定性和安全性。

[0003] 近年来， 大数据技术 （Big Data) 成为近来的一个技术热点， 引起了广泛的重 视。 通过大数据技术可以加速保险精算的风险预测 ： 借助于不断增长的私密和 公幵用户信息， 大数据技术帮助人们从大体量、 高复杂的数据中提取价值。

[0004] 然而， 现阶段的保险精算系统并没有考虑医疗大数据 的因素， 降低了医疗保险 精算的准确性， 增加了保险公司的理赔风险。

技术问题

[0005] 本发明的主要目的在于提供一种基于医疗大数 据的医疗保险精算系统及方法， 旨在解决现有对医疗保险精算过程中没有考虑 医疗大数据的技术问题。

问题的解决方案

技术解决方案

[0006] 为实现上述目的， 本发明提供了一种基于医疗大数据的医疗保险 精算系统， 运 行于数据中心， 所述数据中心通过网络与医院信息系统及天气 信息平台连接， 所述保险精算系统包括：

[0007] 获取模块， 用于从医院信息系统获取医疗数据；

[0008] 搜索模块， 用于搜索医疗数据中的患病日期；

[0009] 关联模块， 用于从所述天气信息平台获取医疗数据中的患 病日期所对应的历史 天气信息， 并将医疗数据与所述历史天气信息关联； [0010] 分析模块， 用于分析与历史天气信息关联的医疗数据以获 得受天气因素影响的 患者；

[0011] 分类模块， 用于根据预设的年齢段划分规则对所述受天气 因素影响的患者进行 分类， 并提取每个年齢段所对应的受天气因素影响的 患者数量； 及

[0012] 计算模块， 用于根据每个年齢段对应的受天气因素影响的 患者数量计算出受天 气因素影响的疾病发生率， 及根据所述疾病发生率及预设的医疗保险精算 算法 计算出每个年齢段对应的受天气因素影响的患 者的健康险保费。

[0013] 优选的， 所述医疗数据包括患者姓名、 患者年齢、 患病吋间、 疾病名称、 患病 原因、 药品名称、 疾病诊断信息、 药品数量、 医生姓名、 就诊科室、 医疗费用 及患者的联系方式。

[0014] 优选的， 所述分析模块获得受天气因素影响的患者的方 式如下：

[0015] 将与历史天气信息关联的医疗数据进行分类， 获得每种历史天气信息对应的疾 病名称及每种疾病名称的数量；

[0016] 根据每种疾病名称的数量计算该疾病受天气因 素影响的权重；

[0017] 若所述权重超过预设值吋， 则认定该疾病受天气因素影响； 及

[0018] 根据受天气因素影响的疾病名称在医疗数据中 检索出受天气因素影响的患者。

[0019] 优选的， 所述疾病发生率的计算公式为： P=M/N， 其中， M为每个年齢段对应 的受天气因素影响的患者数量， N为每个年齢段对应的患者数量。

[0020] 优选的， 所述预设的医疗保险精算算法采用如下公式： S=A+B+C+D， Α = Α1χ

(1+kxP) xA2xA3 , A2=l+A21， 其中， S为医疗保险费、 A为医药补偿费、 B为 预防保健费、 C为管理费 （即保险公司管理健康险的管理费） 、 D为储备金、 A1 为医药费基线数据、 A2为保险因子、 A3为补偿比、 P为疾病发生率以及 k为常数 ， 所述公式中的参数 B、 C、 D， Al、 A2及 A3为固定值， A21为医疗服务利用的 增加率。

[0021] 另一方面， 本发明还提供一种基于医疗大数据的医疗保险 精算方法， 应用于数 据中心， 所述数据中心通过网络与医院信息系统及天气 信息平台连接， 该方法 包括：

[0022] 从医院信息系统获取医疗数据； [0023] 搜索医疗数据中的患病日期；

[0024] 从所述天气信息平台获取医疗数据中的患病日 期所对应的历史天气信息， 并将 医疗数据与所述历史天气信息关联；

[0025] 分析与历史天气信息关联的医疗数据以获得受 天气因素影响的患者；

[0026] 根据预设的年齢段划分规则对所述受天气因素 影响的患者进行分类， 并提取每 个年齢段所对应的受天气因素影响的患者数量 ； 及

[0027] 根据每个年齢段对应的受天气因素影响的患者 数量计算出受天气因素影响的疾 病发生率， 及根据所述疾病发生率及预设的医疗保险精算 算法计算出每个年齢 段对应的受天气因素影响的患者的健康险保费 。

[0028] 优选的， 所述医疗数据包括患者姓名、 患者年齢、 患病吋间、 疾病名称、 患病 原因、 药品名称、 疾病诊断信息、 药品数量、 医生姓名、 就诊科室、 医疗费用 及患者的联系方式。

[0029] 优选的， 所述分析与历史天气信息关联的医疗数据以获 得受天气因素影响的患 者的步骤中还包括如下步骤：

[0030] 将与历史天气信息关联的医疗数据进行分类， 获得每种历史天气信息对应的疾 病名称及每种疾病名称的数量；

[0031 ] 根据每种疾病名称的数量计算该疾病受天气因 素影响的权重；

[0032] 若所述权重超过预设值吋， 则认定该疾病受天气因素影响； 及

[0033] 根据受天气因素影响的疾病名称在医疗数据中 检索受天气因素影响的患者。

[0034] 优选的， 所述疾病发生率的计算公式为： P=M/N， 其中， M为每个年齢段对应 的受天气因素影响的患者数量， N为每个年齢段对应的患者数量。

[0035] 优选的， 所述预设的医疗保险精算算法采用如下公式： S=A+B+C+D， Α = Α1χ

(1+kxP) xA2xA3 , A2=l+A21， 其中， S为医疗保险费、 A为医药补偿费、 B为 预防保健费、 C为管理费 （即保险公司管理健康险的管理费） 、 D为储备金、 A1 为医药费基线数据、 A2为保险因子、 A3为补偿比、 P为疾病发生率以及 k为常数

， 所述公式中的参数 B、 C、 D， Al、 A2及 A3为固定值， A21为医疗服务利用的 增加率。

发明的有益效果 有益效果

[0036] 本发明所述基于医疗大数据的医疗保险精算系 统及方法采用上述技术方案， 带 来的技术效果为： 可以对医疗大数据与天气信息关联， 将通过对与天气信息关 联的医疗大数据分析处理以得到受天气因素影 响的患者， 计算出受天气影响的 患者患病的疾病发生率， 并根据疾病发生率相应调整医疗保险的保费， 能够降 低医疗保险的风险， 提高了保险公司的盈利能力。

对附图的简要说明

附图说明

[0037] 图 1是本发明基于医疗大数据的医疗保险精算系� �的应用环境示意图。

[0038] 图 2是本发明基于医疗大数据的医疗保险精算系� �的优选实施例的模块示意图

[0039] 图 3是本发明基于医疗大数据的医疗保险精算方� �的优选实施例的流程图。

[0040] 图 4是本发明一种天气信息对应的疾病名称及每� �疾病名称的数量的示意图。

[0041] 本发明目的的实现、 功能特点及优点将结合实施例， 参照附图做进一步说明。

实施该发明的最佳实施例

本发明的最佳实施方式

[0042] 为更进一步阐述本发明为达成预定发明目的所 采取的技术手段及功效， 以下结 合附图及较佳实施例， 对本发明的具体实施方式、 结构、 特征及其功效， 详细 说明如下。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明 ， 并不用 于限定本发明。

[0043] 参照图 1所示， 图 1是本发明基于医疗大数据的医疗保险精算系� �的应用环境示 意图。 本发明中的基于医疗大数据的医疗保险精算系 统 20运行于数据中心 2。 所 述数据中心 2通过网络 3与一个或多个医院信息系统 1 (图 1中以三个为例进行说 明） 通信连接， 以从所述医院信息系统连接 1获取医疗数据。 所述医疗数据包括 ， 但不限于， 患者姓名、 患者年齢、 患病吋间、 疾病名称、 患病原因、 疾病诊 断信息、 药品名称、 药品数量、 医生姓名、 就诊科室、 费用及患者的联系方式 (例如， 电子邮箱地址、 手机号码、 即吋通信账号等） 等信息。 所述医院信息 系统 1为医院的信息医疗化系统， 用于采集患者的医疗数据。 举例而言， 患者看 病后， 医生根据患者的情况在所述医院信息系统 1中输入患者的医疗数据。

[0044] 所述网络 3可以是有线通讯网络或无线通讯网络。 所述网络 3优选为无线通讯网 络， 包括但不限于， GSM网络、 GPRS网络、 CDMA网络、 TD-SCDMA网络、 W iMAX网络、 TD-LTE网络、 FDD-LTE网络等无线传输网络。

[0045] 所述数据中心 2通过所述网络 3与一个或多个客户端 4 (图 1中以三个为例进行说 明） 通信连接， 将患者对应的医疗数据发送给患者。 在其它实施例中， 所述数 据中心 2还可以对所述医疗数据进行分析处理， 并将分析处理后的医疗数据 （例 如， 与历史天气信息关联后的医疗数据） 通过网络 3发送给对应的客户端 4。

[0046] 所述数据中心 2通过所述网络 3与天气信息平台 5通信连接， 用于从所述天气信 息平台 5获取历史天气信息。 具体地说， 所述天气信息平台 5用于提供历史天气 信息， 所述历史天气信息包括， 但不限于， 地点、 温度 （最高气温及最低气温 ) 、 风向 （例如， 偏南风、 偏北风等） 、 天气情况 （例如， 天晴、 小雨、 大雨 、 雪、 大雪等天气情况） 及空气质量 （例如， PM 2.5值） 等信息。

[0047] 需要说明的是， 所述数据中心 2是云平台或数据中心的某一台服务器， 通过云 平台或数据中心的数据传输能力及数据存储能 力， 可以更好地管理及 /或协助与 该数据中心 2连接的客户端 4， 有利于保险公司根据患者的医疗数据设计保险 产

P

[0048] 所述客户端 4可以是， 但不限于， 智能手机、 平板电脑、 个人数字助理 （Person al Digital Assistant, PDA) 、 个人电脑、 电子看板等其它任意合适的便携式电子 设备。

[0049]

[0050] 参照图 2所示， 是本发明基于医疗大数据的医疗保险精算系统 的优选实施例的 模块示意图。 在本实施例中， 结合图 1所示， 所述基于医疗大数据的医疗保险精 算系统 20应用于数据中心 2。 该数据中心 2包括， 但不仅限于， 基于医疗大数据 的医疗保险精算系统 20、 存储单元 22、 处理单元 24及通讯单元 26。

[0051] 所述的存储单元 22可以为一种只读存储单元 ROM, 电可擦写存储单元 EEPRO M、 快闪存储单元 FLASH或固体硬盘等。

[0052] 所述的处理单元 24可以为一种中央处理器 （Central Processing Unit, CPU) 、 微控制器 （MCU) 、 数据处理芯片、 或者具有数据处理功能的信息处理单元。

[0053] 所述的通讯单元 26为一种具有远程无线通讯功能的无线通讯接� ��， 例如， 支持 GSM、 GPRS、 WCDMA、 CDMA、 TD-SCDMA、 WiMAX、 TD-LTE、 FDD-LT E等通讯技术的通讯接口。

[0054] 所述基于医疗大数据的医疗保险精算系统 20包括， 但不局限于， 获取模块 200 、 搜索模块 210、 关联模块 220、 分析模块 230、 分类模块 240及计算模块 250。 本 发明所称的模块是指一种能够被所述数据中心 2的处理单元 24执行并且能够完成 固定功能的一系列计算机程序指令段， 其存储在所述数据中心 2的存储单元 22中

[0055] 所述获取模块 200用于从医院信息系统 1获取医疗数据。

[0056] 具体而言， 所述医院信息系统 1提供数据导入接口 （例如， 应用程序接口， App lication Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从 所述医院信息系统 1中获取医疗数据。 所述获取模块 200调用所述医院信息系统 1 提供的 API接口以获取医疗数据。

[0057] 需要说明的是， 由于所述医疗数据属于隐私信息， 为了确保信息安全， 所述医 疗数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对医疗 数据进行加密处理， 之后传输给所述数据中心 2。

[0058] 所述搜索模块 210用于搜索医疗数据中的患病日期。 具体地说， 所述搜索模块 2 10通过关键字检索的方式搜索医疗数据中的患� ��日期。 例如， 以"患病日期"或" 患病吋间"作为关键字， 检索出医疗数据中的患病日期。

[0059] 所述关联模块 220从所述天气信息平台 5获取医疗数据中的患病日期所对应的历 史天气信息， 并将医疗数据与所述历史天气信息关联。

[0060] 所述天气信息平台 5提供数据导入接口 （例如， 应用程序接口， Application

Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所 述天气 信息平台 5中获取历史天气信息。 所述关联模块 220调用所述天气信息平台 5提供 的 API接口以获取历史天气信息。

具体地说， 所述关联模块 220调用所述天气信息平台 5提供的 API接口并发送所 述患病日期给天气信息平台 5， 天气信息平台 5以所述患病日期为关键字， 检索 所述患病日期对应的历史天气信息以回传给所 述数据中心 2。

[0062] 所述分析模块 230用于分析与历史天气信息关联的医疗数据以 获得受天气因素 影响的患者。

[0063] 所述分析模块 230获得受天气因素影响的患者的方式如下： （1) 分析模块 230 将与历史天气信息关联的医疗数据进行分类， 获得每种历史天气信息对应的疾 病名称及每种疾病名称的数量， 举例而言， 如图 4所示， 大雪的天气情况下， 所 述医疗数据中有四种疾病， 分别为感冒、 发烧、 哮喘及骨折， 其中， 感冒有五 十八笔、 发烧有二十笔、 哮喘有十五笔及骨折有二十七笔。 （2) 分析模块 230 根据每种疾病名称的数量计算该疾病受天气因 素影响的权重。 在本实施例中， 为了简化起见， 所述计算的权重等于每种疾病名称的数量， 也就是说， 以图 4为 例， 哮喘的数量十五笔， 则哮喘受天气因素影响的权重为十五。 （3) 若所述权 重超过预设值 （例如， 10) 吋， 分析模块 230则认定该疾病受天气因素影响， 以 图 4为例， 假如哮喘的数量为 15， 预设值为 10， 则分析模块 230认定哮喘受天气 因素影响。 （4) 分析模块 230根据受天气因素影响的疾病名称在医疗数据 中检 索出患者， 所述检索的患者即为受天气因素影响的患者， 例如， 以"哮喘"作为关 键字， 在医疗数据中检索出患哮喘的患者。

[0064] 所述分类模块 240用于根据预设的年齢段划分规则对所述受天 气因素影响的患 者进行分类， 并提取每个年齢段所对应的受天气因素影响的 患者数量。 所述预 设的年齢段划分规则是指预设年齢为起点 （例如， 18岁） 将人的寿命设划分为 多个年齢段。 例如， 在 18岁与为起点进行划分， 其中， 18-34岁为青年、 35-45岁 为壮年、 45-60为中年、 60岁以上为老年。 所述分类模块 230根据所述受天气因素 影响的患者的年齢， 并根据预设的年齢段划分规则对所述受天气因 素影响的患 者进行分类。

[0065] 所述计算模块 250用于根据每个年齢段对应的受天气因素影响 的患者数量计算 出受天气因素影响的疾病发生率。 所述疾病发生率的计算公式为： P=M/N， 其 中， M为每个年齢段对应的受天气因素影响的患者� �量， N为每个年齢段对应的 患者数量。 举例而言， 假如受天气因素影响的患者数量为一万人， 而青年阶段 (例如 18岁至 34岁） 的患者数量为二十万人， 则所述计算模块 250确定青年阶段 受天气因素影响的患者的疾病发生率为 5%。

[0066] 所述计算模块 250还用于根据所述疾病发生率及预设的医疗保 险精算算法计算 出每个年齢段对应的受天气因素影响的患者的 健康险保费。 所述预设的医疗保 险精算算法采用如下公式为 S=A+B+C+D， A = Alx (l+kxP) xA2xA3; 其中， S 为医疗保险费、 A为医药补偿费、 B为预防保健费、 C为管理费 （即保险公司管 理健康险的管理费） 、 D为储备金、 A1为医药费基线数据、 A2为保险因子、 A3 为补偿比、 P为疾病发生率以及 k为常数。 其中， 所述公式中的参数 B、 C、 D， A 1及 A3为固定值。 保险因子是参保人对医疗服务利用的增加程度 ， 其计算公式为 A2=l+A21， A21为医疗服务利用的增加率 （例如， 连续两年医疗结构就诊人数 的差值与医疗机构负荷就诊人数之间的比例） 。

[0067] 从上述公式可知， 具体地说， 疾病发生率越高， 意味着发生保险赔付的可能性 增大， 也意味着保险费用的增加； 反之， 疾病发生率越低， 意味着发生保险赔 付的可能性减少， 也意味着保险费用的下降。

[0068] 此外， 上述预设的医疗保险精算算法仅仅是举例说明 ， 本发明中的所述预设的 医疗保险精算算法还可以是其它现有的包含疾 病发生率的保险精算算法。

[0069]

[0070] 参照图 3所示， 是本发明基于医疗大数据的医疗保险精算方法 的优选实施例的 流程图。 在本实施例中， 所述的基于医疗大数据的医疗保险精算方法应 用于数 据中心 2， 该方法包括以下步骤：

[0071] 步骤 S10: 所述获取模块 200从医院信息系统 1获取医疗数据。

[0072] 具体而言， 所述医院信息系统 1提供数据导入接口 （例如， 应用程序接口， App lication Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从 所述医院信息系统 1中获取医疗数据。 所述获取模块 200调用所述医院信息系统 1 提供的 API接口以获取医疗数据。

[0073] 需要说明的是， 由于所述医疗数据属于隐私信息， 为了确保信息安全， 所述医 疗数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对医疗 数据进行加密处理， 之后传输给所述数据中心 2。

[0074] 步骤 S11 : 所述搜索模块 210搜索医疗数据中的患病日期。 具体地说， 所述搜索 模块 210通过关键字检索的方式搜索医疗数据中的患 病日期。 例如， 以"患病日期

"或"患病吋间"作为关键字， 检索出医疗数据中的患病日期。

[0075] 步骤 S12: 所述关联模块 220从所述天气信息平台 5获取医疗数据中的患病曰期 所对应的历史天气信息， 并将医疗数据与所述历史天气信息关联。

[0076] 所述天气信息平台 5提供数据导入接口 （例如， 应用程序接口， Application

Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所 述天气 信息平台 5中获取历史天气信息。 所述关联模块 220调用所述天气信息平台 5提供 的 API接口以获取历史天气信息。

[0077] 具体地说， 所述关联模块 220调用所述天气信息平台 5提供的 API接口并发送所 述患病日期给天气信息平台 5， 天气信息平台 5以所述患病日期为关键字， 检索 所述患病日期对应的历史天气信息以回传给所 述数据中心 2。

[0078] 步骤 S13: 所述分析模块 230分析与历史天气信息关联的医疗数据以获得 受天气 因素影响的患者。

[0079] 所述分析模块 230分析与历史天气信息关联的医疗数据以获得 受天气因素影响 的患者的步骤包括如下步骤： （1) 将与历史天气信息关联的医疗数据进行分类 ， 以得到每种历史天气信息对应的疾病名称及每 种疾病名称的数量， 举例而言 ， 如图 4所示， 大雪的天气情况下， 所述医疗数据中有四种疾病， 分别为感冒、 发烧、 哮喘及骨折， 其中， 感冒有五十八笔、 发烧有二十笔、 哮喘有十五笔及 骨折有二十七笔。 （2) 根据每种疾病名称的数量计算该疾病受天气因 素影响的 权重。 在本实施例中， 为了简化起见， 所述计算的权重等于每种疾病名称的数 量， 也就是说， 以图 4为例， 哮喘的数量十五笔， 则哮喘受天气因素影响的权重 为十五。 （3) 若所述权重超过预设值 （例如， 10) 吋， 则认定该疾病受天气因 素影响， 以图 4为例， 哮喘的数量为 15， 预设值为 10， 则认定哮喘受天气因素影 响。 （4) 根据受天气因素影响的疾病名称在医疗数据中 检索出患者， 所述检索 的患者即为受天气因素影响的患者， 例如， 以"哮喘"作为关键字， 在医疗数据中 检索出患哮喘的患者。 [0080] 步骤 S14: 所述分类模块 240根据预设的年齢段划分规则对所述受天气因 素影响 的患者进行分类， 并提取每个年齢段所对应的受天气因素影响的 患者数量。 所 述预设的年齢段划分规则是指预设年齢为起点 （例如， 18岁） 将人的寿命设划 分为多个年齢段。 例如， 在 18岁与为起点进行划分， 其中， 18-34岁为青年、 35- 45岁为壮年、 45-60为中年、 60岁以上为老年。 所述分类模块 230根据所述受天气 因素影响的患者的年齢， 并根据预设的年齢段划分规则对所述受天气因 素影响 的患者进行分类。

[0081] 步骤 S15: 所述计算模块 250根据每个年齢段对应的受天气因素影响的患 者数量 计算出受天气因素影响的疾病发生率。 所述疾病发生率的计算公式为： P=M/N ， 其中， M为每个年齢段对应的受天气因素影响的患者� �量， N为每个年齢段对 应的患者数量。 举例而言， ， 假如受天气因素影响的患者数量为一万人， 而青 年阶段 （18岁至 34岁） 的患者数量为二十万人， 则所述计算模块 250确定青年阶 段受天气因素影响的患者的疾病发生率为 5%。

[0082] 步骤 S16: 所述计算模块 250根据所述疾病发生率及预设的医疗保险精算 算法计 算出每个年齢段对应的受天气因素影响的患者 的健康险保费。 所述医疗保险精 算算法采用如下公式为8=八+8+。+0， A = Alx (1+kxP) xA2xA3; 其中， S为医 疗保险费、 A为医药补偿费、 B为预防保健费、 C为管理费 （即保险公司管理健 康险的管理费） 、 D为储备金、 A1为医药费基线数据、 A2为保险因子、 A3为补 偿比、 P为疾病发生率以及 k为常数。 其中， 所述公式中的参数 B、 C、 D， A1及 A3为固定值。 保险因子是参保人对医疗服务利用的增加程度 ， 其计算公式为 A2 = 1+A21， A21为医疗服务利用的增加率 （例如， 连续两年医疗结构就诊人数的 差值与医疗机构负荷就诊人数之间的比例） 。

[0083] 从上述公式可知， 具体地说， 疾病发生率越高， 意味着发生保险赔付的可能性 增大， 也意味着保险费用的增加； 反之， 疾病发生率越低， 意味着发生保险赔 付的可能性减少， 也意味着保险费用的下降。

[0084] 此外， 上述医疗保险精算算法仅仅是举例说明， 本发明中的所述医疗保险精算 算法还可以是其它现有的包含疾病发生率的保 险精算算法。

[0085] 以上仅为本发明的优选实施例， 并非因此限制本发明的专利范围， 凡是利用本 发明说明书及附图内容所作的等效结构或等效 流程变换， 或直接或间接运用在 其他相关的技术领域， 均同理包括在本发明的专利保护范围内。

工业实用性

本发明所述基于医疗大数据的医疗保险精算系 统及方法采用上述技术方案， 带 来的技术效果为： 可以对医疗大数据与天气信息关联， 将通过对与天气信息关 联的医疗大数据分析处理以得到受天气因素影 响的患者， 计算出受天气影响的 患者患病的疾病发生率， 并根据疾病发生率相应调整医疗保险的保费， 能够降 低医疗保险的风险， 提高了保险公司的盈利能力。