文献

J-GLOBAL ID：201902241399300320   整理番号：19A2761782

深層学習に基づく医療保険のための偽造防止フレームワーク【JST・京大機械翻訳】

An Anti-fraud Framework for Medical Insurance Based on Deep Learning

著者 (7件)： Zhang Guoming (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Zhang Guoming (Health Statistics and Information Center of Jiangsu Province, Nanjing, China) ,  Fu Shucun (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Xu Xiaolong (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Qi Lianyong (School of Information Science and Engineering, Qufu Normal University, Qufu, China) ,  Zhang Xuyun (Department of Electrical Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Dou Wanchun (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11888  ページ： 871-878  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 医療費の上昇により,医療費管理は,医療領域において重要な課題になっている。医療サービス項目に基づく医療的再埋め込み機構の不足を解決するために,単一疾患支払いモデルを広範囲に研究した。しかし,単一疾患モデルによる支払いのアプローチもまたflawedされており,fraudが発生する可能性がある。ここでは,疑わしい医療記録を自動的に同定し,単一疾患電荷の効果的な実施を確実にし,医療保険監査の作業負荷を低減するために,深い学習に基づく医療保険のための抗fraudフレームワークを提示する。フレームワークは,最初に患者の主訴に従って疾患の確率を予測し,次に,医療記録で書かれた疾患コードが予測された確率を通して合理的であるかどうかを評価する。最後に,非合理的疾患コードによる医療記録を,手動監査のための異常ケースとして選択した。大規模病院からの実世界データセットに関する実験を行い,著者らのモデルが医療保険に対する抗fraudにおいて有効な役割を果たすことができることを実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 管理 ,  医療費 ,  *病気 ,  電荷 ,  カルテ
準シソーラス用語： 大規模病院 ,  主訴 ,  単一疾患 ,  医療サービス ,  *偽造防止 ,  *医療保険 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 疾患の国際分類(ICD) ,  電子カルテ(EMR) ,  偽造防止 ,  深層学習

分類 (4件)： 人工知能  (JE08000Z) ,  計算理論  (JB02000A) ,  計算機システム開発  (JD02010R) ,  遺伝子の構造と化学  (EC02020U)

タイトルに関連する用語 (4件)： 深層学習 ,  医療保険 ,  偽造防止 ,  フレームワーク