理赔费用预测方法、装置、存储介质及电子设备.pdf

《理赔费用预测方法、装置、存储介质及电子设备.pdf》由会员分享，可在线阅读，更多相关《理赔费用预测方法、装置、存储介质及电子设备.pdf（13页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310441249.5(22)申请日 2023.04.19(71)申请人 平安科技（深圳）有限公司地址 518000 广东省深圳市福田街道福安社区益田路5033号平安金融中心23楼(72)发明人 陈源(74)专利代理机构 北京中强智尚知识产权代理有限公司 11448专利代理师 王欢(51)Int.Cl.G06Q 40/08(2012.01)G06F 16/2458(2019.01)(54)发明名称一种理赔费用预测方法、装置、存储介质及电子设备(57)摘要本申请公开了一种理赔费用预测方法、装置。

2、、存储介质及电子设备，其中方法包括：获取被保对象的身份信息以及诊疗信息；基于被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与被保对象对应的若干目标关键治疗项目；基于各目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。本申请通过根据被保对象的身份信息以及诊疗信息，能够精准的确定出目标关键治疗项目，并根据目标关键治疗项目确定目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。权利要求书2页 说明书8页 附图2页CN 116。

3、611935 A2023.08.18CN 116611935 A1.一种理赔费用预测方法，其特征在于，包括：获取被保对象的身份信息以及诊疗信息；基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。2.如权利要求1所述的方法，其特征在于，在获取被保对象的身份信息以及诊疗信息之前，所述方法还包括预先构建各所述费用范围与至少一个关键治疗项目的目标映射关系，包括：采集若。

4、干历史医疗案件；构建各费用范围；基于各费用范围以及各历史医疗案件的费用金额，对各历史医疗案件进行分组处理，获得与各费用范围对应的案件集合；基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，以构建所述目标映射关系。3.如权利要求2所述的方法，其特征在于，所述基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，包括：基于各所述案件集合中各历史医疗案件所包含的治疗项目，构建获得与各所述费用范围对应的治疗项目集合；针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度；基于各所述治疗项目。

5、集合中各治疗项目的关键度，对各所述治疗项目进行筛选，获得与治疗项目集合对应的至少一个关键治疗项目，以获得与各所述费用范围对应的至少一个关键治疗项目。4.如权利要求3所述的方法，其特征在于，所述针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度，包括：针对各所述治疗项目集合，分别采用预定的统计方法，统计获得各治疗项目在对应治疗项目集合中的重复数量；基于各所述治疗项目集合中各所述治疗项目的重复数量，分别计算各治疗项目的关键度。5.如权利要求1所述的方法，其特征在于，在获取被保对象的身份信息以及诊疗信息之前，所述方法还包括：获取若干样本对象以及与各样本对应对应的样本身份信息、样本诊疗信。

6、息以及样本关键治疗项目；基于各所述样本对象对应的样本身份信息、样本诊疗信息以及样本关键治疗项目进行回归模型训练，获得用于确定目标关键治疗项目的目标回归模型；所述目标回归模型包含身份信息、诊疗信息与关键治疗项目映射关系。6.如权利要求5所述的方法，其特征在于，所述基于所述被保对象的身份信息以及诊疗信息，从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目，包权利要求书1/2 页2CN 116611935 A2括：基于所述被保对象的身份信息以及诊疗信息，利用所述目标回归模型进行关键治疗项目预测，以从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目。7.如权利要求1。

7、所述的方法，其特征在于，所述基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果，包括：基于各所述目标费用范围进行加权处理，获得预测费用范围，以获得所述理赔费用预测结果。8.一种理赔费用预测装置，其特征在于，包括：获取模块，用于获取被保对象的身份信息以及诊疗信息；确定模块，用于基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；获得模块，用于基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；预测模块，用于基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。

8、。9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求17任一项所述理赔费用预测方法的步骤。10.一种电子设备，其特征在于，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述权利要求17任一项所述理赔费用预测方法的步骤。权利要求书2/2 页3CN 116611935 A3一种理赔费用预测方法、装置、存储介质及电子设备技术领域0001本发明涉及计算机领域，特别涉及一种理赔费用预测方法、装置、存储介质及电子设备。背景技术0002随着经济的不断发展，生活水平的不断提高，各种保险行业应运而生，比如。

9、汽车保险、健康保险等等。0003为了为客户提供更好的理赔服务，健康险、车险保司等等相继推出保费垫付、先赔后治等服务，以此来提高保险理赔服务的体验满意度。由于这些服务的推出，因此需要准确的预测待赔付案件的理赔费用，预测模型准确性直接决定了服务的可覆盖案件范围，支付业务的坏账率。0004然而，现有的医疗理赔费用预测方式存在预测结果不够精准的问题。发明内容0005有鉴于此，本发明提供了一种理赔费用预测方法、装置、存储介质及电子设备，主要目的在于解决目前存在的理赔费用预测不够精准的问题。0006为解决上述问题，本申请提供一种理赔费用预测方法，包括：0007获取被保对象的身份信息以及诊疗信息；0008基。

10、于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0009基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0010基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。0011可选的，在获取被保对象的身份信息以及诊疗信息之前，所述方法还包括预先构建各所述费用范围与至少一个关键治疗项目的目标映射关系，包括：0012采集若干历史医疗案件；0013构建各费用范围；0014基于各费用范围以及各历史医疗案件的费用金额，对各历史医疗案件进行分组处理，获得与各费用范围对应的案。

11、件集合；0015基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，以构建所述目标映射关系。0016可选的，所述基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，包括：0017基于各所述案件集合中各历史医疗案件所包含的治疗项目，构建获得与各所述费用范围对应的治疗项目集合；0018针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度；说明书1/8 页4CN 116611935 A40019基于各所述治疗项目集合中各治疗项目的关键度，对各所述治疗项目进行筛选，获得与治疗项目集合对应。

12、的至少一个关键治疗项目，以获得与各所述费用范围对应的至少一个关键治疗项目。0020可选的，所述针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度，包括：0021针对各所述治疗项目集合，分别采用预定的统计方法，统计获得各治疗项目在对应治疗项目集合中的重复数量；0022基于各所述治疗项目集合中各所述治疗项目的重复数量，分别计算各治疗项目的关键度。0023可选的，在获取被保对象的身份信息以及诊疗信息之前，所述方法还包括：0024获取若干样本对象以及与各样本对应对应的样本身份信息、样本诊疗信息以及样本关键治疗项目；0025基于各所述样本对象对应的样本身份信息、样本诊疗信息以及样本关键治疗。

13、项目进行回归模型训练，获得用于确定目标关键治疗项目的目标回归模型；所述目标回归模型包含身份信息、诊疗信息与关键治疗项目映射关系。0026可选的，所述基于所述被保对象的身份信息以及诊疗信息，从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目，包括：0027基于所述被保对象的身份信息以及诊疗信息，利用所述目标回归模型进行关键治疗项目预测，以从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目。0028可选的，所述基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果，包括：0029基于各所述目标费用范围进行加权处理，获得预测费用范围，以获得所述理赔费用预测结。

14、果。0030为解决上述问题，本申请提供一种理赔费用预测装置，包括：0031获取模块，用于获取被保对象的身份信息以及诊疗信息；0032确定模块，用于基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0033获得模块，用于基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0034预测模块，用于基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。0035为解决上述问题，本申请提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所。

15、述理赔费用预测方法的步骤。0036为解决上述问题，本申请提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述理赔费用预测方法的步骤。0037本申请中的理赔费用预测方法、装置、存储介质及电子设备，通过根据被保对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的目标关键治疗项目，并根说明书2/8 页5CN 116611935 A5据目标关键治疗项目确定对应的目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0038上述说明仅是本发明技术方案的概述，为了能够更清。

16、楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明0039通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：0040图1为本申请实施例一种理赔费用预测方法的流程图；0041图2为本申请又一实施例一种理赔费用预测装置的结构框图；0042图3为本申请另一实施例一种电子设备的结构框图。具体实施方式0043此处参考附图描述本申请的各种方案。

17、以及特征。0044应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。0045包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。0046通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。0047还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。0048当结合附图时，鉴于以下。

18、详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。0049此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。0050本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。0051本申请实。

19、施例提供一种理赔费用预测方法，可以应用于计算机、服务器等电子设备，具体可以应用于保险领域在针对理赔费用进行预测的过程，如图1所示，本实施利中的理赔费用预测方法包括：0052步骤S101，获取被保对象的身份信息以及诊疗信息；说明书3/8 页6CN 116611935 A60053本步骤中身份信息包括如下任意一种或几种：年龄、性别、城市、职业。诊疗信息包括如下任意一种或几种：疾病名称、发病时间、用药名称、手术部位。0054步骤S102，基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0055本步骤中关键治疗项目是指对理赔费用影响较大的治疗项。

20、目，也就是治疗费用高于预定费用金额的治疗项目，比如可以为：预定的进口特效药、器官移植、冠状动脉搭桥术、心脏瓣膜手术、烧伤类整形手术、伽马刀等等。0056本步骤中，通过根据被保对象的身份信息以及诊疗信息可以确定出符合被保对象身体状况的治疗方案，然后获取治疗方案中涉及的关键治疗项目，从而获得与被保对象对应的若干目标关键治疗项目。也就是，根据被保对象的年龄、职业、疾病名称、发病时间等信息来预测该被保对象会涉及哪些关键治疗项目。例如确定被保对象的疾病名称为慢性肾功能不全或尿毒症，且发病时间为末期，则可以预测关键治疗项目为肾脏移植。再如，当被保对象的年龄为75周岁，疾病为恶性肿瘤，发病时间为末期，则可以。

21、确定被保对象的关键治疗项目为放疗、化疗。再如，当被保对象的年龄为35周岁，疾病为恶性肿瘤，发病时间为早期，则可以确定被保对象的关键治疗项目为肿瘤切出手术。0057步骤S103，基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0058本步骤在具体实施过程中，可以预先建立各费用范围与各关键治疗项目的映射关系。比如建立费用范围为0至5000、500010000、1000015000等若干费用范围，然后通过根据历史医疗案件或者历史理赔案件，确定各费用范围对应的若干关键治疗项目，例如确定0至5000这一费用范围对应的关键治疗项目为药。

22、物A、药物B，确定500010000这一费用范围对应的治疗项目为药物C、内窥镜治疗等。以此类推，就可以建立各费用范围与各关键治疗项目的映射关系。0059步骤S104，基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。0060本步骤在具体实施过程中，具体可以将各目标费用进行加权处理，以此来预测获得理赔费用的范围。0061本实施例中的理赔费用预测方法，通过根据样本对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的关键治疗项目，后续就可以针对被保对象的身份信息及诊疗信息，预测获得与被保对象对应的目标关键治疗项目，进而根据目标关键治疗项目确定对应的目标费用范围，后续就可以直接。

23、基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0062本申请另一实施例提供一种理赔费用预测方法，包括如下步骤：0063步骤S201，采集若干历史医疗案件；构建各费用范围；0064本步骤在具体实施过程中，可以选取一定数量理赔案件的结算明细数据，以获得若干历史医疗案件，同时计算每个历史医疗案件的医疗总花费，为后续构建与各费用范围对应的关键治疗项目奠定基础。其中各费用范围可以结合各历史医疗案件的费用金额进行设定。0065步骤S202，基于各费用范围以及各历史医疗案件的费用金额，对各历史医疗案件进行分组处理，获得与各费用范围对应的案件集合；说明书4/8 页7CN 1166119。

24、35 A70066本步骤中，在对各历史医疗案件进行分组之前，还可以基于各所述历史医疗案件的费用金额，对各所述历史医疗案件进行筛选，获得用于进行分组处理的目标历史医疗案件。也就是，计算每个诊断下所有案件医疗总花费5分位点与95分位点，选取医疗总花费落在595分位点之间的案件作为建模数据。具体的，可以对采集的各历史医疗案件按照费用由低到高的顺序进行排序，然后确定前5以及后5的历史医疗案件，以将这些历史医疗案件筛选掉，保留中595之间的历史医疗案件作为用于构建费用范围的目标历史医疗案件，后续就可以针对目标历史医疗案件进行分组。在具体实施过程中，可以根据实际需要调整筛选范围，例如调整筛选范围为298。。

25、0067步骤S203，基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，以构建所述目标映射关系。0068本步骤在具体实施过程中，可以基于各所述案件集合中各历史医疗案件所包含的治疗项目，构建获得与各所述费用范围对应的治疗项目集合；0069针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度；基于各所述治疗项目集合中各治疗项目的关键度，对各所述治疗项目进行筛选，获得与治疗项目集合对应的至少一个关键治疗项目，以获得与各所述费用范围对应的至少一个关键治疗项目。0070本步骤中，在计算各治疗项目的关键度时，具体可以采用如下方式：针对各所述。

26、治疗项目集合，分别采用预定的统计方法，统计获得各治疗项目在对应治疗项目集合中的重复数量；基于各所述治疗项目集合中各所述治疗项目的重复数量，分别计算各治疗项目的关键度。也就是通过计算每个治疗项目跨文档的tfidf数值以此来确定各治疗项目的关键度，重复数值越高，说明治疗项目越关键、进而对应的关键度越高。其中，tfidf是一种用于信息检索与数据挖掘的常用加权技术，英文全称为：term frequencyinverse document frequency。0071步骤S204，获取若干样本对象以及与各样本对应对应的样本身份信息、样本诊疗信息以及样本关键治疗项目；基于各所述样本对象对应的样本身份信息、。

27、样本诊疗信息以及样本关键治疗项目进行回归模型训练，获得用于确定目标关键治疗项目的目标回归模型；所述目标回归模型包含身份信息、诊疗信息与关键治疗项目映射关系。0072本步骤中通过训练目标回归模型，能够准确的建立不同样本对象与关键治疗项目的的对应关系，从而为后续基于该模型准确的预测与被保对象对应的治疗方案，即预测获得与被保对应对应的关键治疗项目提供了保障。0073步骤S205，获取被保对象的身份信息以及诊疗信息；0074本步骤在具体实施过程中，具体可以接收用户输入的身份信息以及诊疗信息。其中身份信息可以包括：年龄、性别、城市等等。诊疗信息可以包括：医院、疾病名称、发病时间等等，进一步的还可以包括治。

28、疗方案。0075步骤S206，基于所述被保对象的身份信息以及诊疗信息，利用所述目标回归模型进行关键治疗项目预测，以从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0076本步骤中，关键治疗项目是指对理赔费用影响较大的治疗项目，也就是治疗费用高于预定费用金额的治疗项目，比如可以为：预定的进口特效药、器官移植、冠状动脉搭桥说明书5/8 页8CN 116611935 A8术、心脏瓣膜手术、烧伤类整形手术、伽马刀等等。0077步骤S207，基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0078本步骤中在确定。

29、出若干目标关键治疗项目之后，就可以通过查找目标映射关系来快速的获取与目标关键治疗项目对应的目标费用范围，为后续基于目标费用范围进行理赔费用预测奠定了基础。0079步骤S208，基于各所述目标费用范围进行加权处理，获得预测费用范围，以获得所述理赔费用预测结果。0080本步骤中，为了使得最终的理赔费用预测更加准确、可靠，还可以按照各目标关键治疗项目的重要度确定对应目标费用范围的权重，进而根据各0081本实施例中的理赔费用预测方法，通过根据被保人的身份信息，一般基于年龄、性别、城市、医院、疾病、治疗方案等常规因子作为输入，通过预测与之对应的目标关键治疗项目，进而能够基于目标关键治疗项目对应的费用范围。

30、、准确的预测获得理赔费用，提高了案件理赔费用预测的准确性。0082本实施例中的理赔费用预测方法，通过根据样本对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的关键治疗项目，后续就可以针对被保对象的身份信息及诊疗信息，预测获得与被保对象对应的目标关键治疗项目，进而根据目标关键治疗项目确定对应的目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0083本申请另一实施例提供一种理赔费用预测装置，如图2所示，包括：0084获取模块11，用于获取被保对象的身份信息以及诊疗信息；0085确定模块12，用于基于所述被保对象的身份信息以及诊疗信息，。

31、从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0086获得模块13，用于基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0087预测模块14，用于基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。0088本实施例中的理赔费用预测装置还包括用于预先构建各所述费用范围与至少一个关键治疗项目的目标映射关系的构建模块，所述构建模块具体包括：采集单元，用于采集若干历史医疗案件；构建单元，用于构建各费用范围；分组单元，用于基于各费用范围以及各历史医疗案件的费用金额，对各历史医疗案件进行分组处理，获得与各。

32、费用范围对应的案件集合；筛选单元，用于基于各所述案件集合中各历史医疗案件所包含的治疗项目，筛选获得与各所述费用范围对应的至少一个关键治疗项目，以构建所述目标映射关系。0089本实施例在具体实施过程中，筛选单元具体用于：基于各所述案件集合中各历史医疗案件所包含的治疗项目，构建获得与各所述费用范围对应的治疗项目集合；针对各所述治疗项目集合，分别计算治疗项目集合中各治疗项目的关键度；基于各所述治疗项目集合中各治疗项目的关键度，对各所述治疗项目进行筛选，获得与治疗项目集合对应的至少一个关键治疗项目，以获得与各所述费用范围对应的至少一个关键治疗项目。0090本实施例在具体实施过程中，所述筛选单元具体用于。

33、：针对各所述治疗项目集合，说明书6/8 页9CN 116611935 A9分别采用预定的统计方法，统计获得各治疗项目在对应治疗项目集合中的重复数量；基于各所述治疗项目集合中各所述治疗项目的重复数量，分别计算各治疗项目的关键度。0091本实施例在具体实施过程中，理赔费用预测装置还包括训练模块，所述训练模块用于：在获取被保对象的身份信息以及诊疗信息之前，获取若干样本对象以及与各样本对应对应的样本身份信息、样本诊疗信息以及样本关键治疗项目；基于各所述样本对象对应的样本身份信息、样本诊疗信息以及样本关键治疗项目进行回归模型训练，获得用于确定目标关键治疗项目的目标回归模型；所述目标回归模型包含身份信息、。

34、诊疗信息与关键治疗项目映射关系。0092本实施例在具体实施过程中，所述确定模块具体用于：基于所述被保对象的身份信息以及诊疗信息，利用所述目标回归模型进行关键治疗项目预测，以从所述若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目。0093本实施例在具体实施过程中，所述预测模块具体用于：基于各所述目标费用范围进行加权处理，获得求和后的费用范围，以获得所述理赔费用预测结果。0094本实施例中的理赔费用预测装置，通过根据样本对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的关键治疗项目，后续就可以针对被保对象的身份信息及诊疗信息，预测获得与被保对象对应的目标关键治疗项目，进。

35、而根据目标关键治疗项目确定对应的目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0095本申请另一实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：0096步骤一、获取被保对象的身份信息以及诊疗信息；0097步骤二、基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；0098步骤三、基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0099步骤四、基于各所述目标费用范围进行。

36、理赔费用预测，获得理赔费用预测结果。0100上述方法步骤的具体实施过程可参见上述任意理赔费用预测方法的实施例，本实施例在此不再重复赘述。0101本实施例中的存储介质，通过根据样本对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的关键治疗项目，后续就可以针对被保对象的身份信息及诊疗信息，预测获得与被保对象对应的目标关键治疗项目，进而根据目标关键治疗项目确定对应的目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0102本申请另一实施例提供一种电子设备，如图3所示，至少包括存储器1、处理器2，所述存储器1上存储有计算机程序，所述处理器2。

37、在执行所述存储器1上的计算机程序时实现如下方法步骤：0103步骤一、获取被保对象的身份信息以及诊疗信息；0104步骤二、基于所述被保对象的身份信息以及诊疗信息，从若干关键治疗项目中确定与所述被保对象对应的若干目标关键治疗项目；说明书7/8 页10CN 116611935 A100105步骤三、基于各所述目标关键治疗项目，查找费用范围与关键治疗项目的目标映射关系，以获得与各所述目标关键治疗项目对应的目标费用范围；0106步骤四、基于各所述目标费用范围进行理赔费用预测，获得理赔费用预测结果。0107上述方法步骤的具体实施过程可参见上述任意理赔费用预测方法的实施例，本实施例在此不再重复赘述。0108。

38、本实施例中的电子设备，通过根据样本对象的身份信息以及诊疗信息，能够精准的分析、挖掘出影响治疗费用的关键治疗项目，后续就可以针对被保对象的身份信息及诊疗信息，预测获得与被保对象对应的目标关键治疗项目，进而根据目标关键治疗项目确定对应的目标费用范围，后续就可以直接基于目标费用范围快速准确的预测出理赔费用，提高了理赔费用预测的准确性。0109以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。说明书8/8 页11CN 116611935 A11图1图2说明书附图1/2 页12CN 116611935 A12图3说明书附图2/2 页13CN 116611935 A13。