深源恒際醫療票據OCR落地九省市 服務范圍覆蓋過半市場

近年來，我國健康險市場規模持續保持高增長。銀保監會最新統計數據顯示，2019年中國健康險業務原保險保費收入6564億元，同比增長29.75%。同時，隨著民眾風險保障意識的不斷提升，未來健康險仍有巨大的潛在增長空間。據天風證券研報預測，未來五年內健康險復合增速將保持在20%左右。

與市場規模呈正相關，健康險理賠案件數也在逐年走高。據了解，自2015年起，健康險理賠案件數量和賠付金額正以年均20%的速度增長。因此，如何提升服務效率、優化服務體驗，成為保險機構增強市場競爭力的重要抓手。

保險科技公司深源恒際從健康險核賠理算業務場景入手，研發了醫療票據OCR產品，基于深度學習算法下的專項模型訓練，自動識別、提取醫療票據上的核心理算信息，并將結構化的信息錄入理算系統，旨在通過計算機視覺替代人力作業，大幅降低人力投入、縮短業務耗時，幫助健康險提升理賠服務效率、優化理賠服務體驗。

截至目前，該產品已先后在北京、天津、上海、廣東、浙江、江蘇、山東、河南及河北九省市完成落地，預估服務范圍覆蓋健康險過半市場。

01

切中要害? 直擊痛點

出于行業監管因素，目前商業醫保機構無法直接獲取或即時共享到投保用戶的醫療信息。在涉及健康險理賠時，理算人員需要從用戶提交的醫療單據上獲取原始的理算數據，并將相關信息逐項錄入系統，通常單個案件涉及錄入的信息多達百余項。而人工錄入的作業方式不夠經濟，一方面人工作業難免出現錯漏，影響理算準確性，容易造成理賠滲漏，另一方面配置大量人力資源從事高度重復的事務性工作，耗時費力、效率低下。

深源恒際基于OCR識別技術，開發了集識別、提取、結構化功能于一體的信息識別錄入自動化解決方案。在健康險核賠理算中，自動從各類醫療票據圖像中識別、提取出理算所需的字段信息，并同步完成結構化錄入，大幅縮短信息處理耗時，減少八成以上人力投入，使理賠效率整體提升60%-80%。同時，醫療票據OCR的應用，有助于健康險機構優化人力資源配置，基于流程自動化而釋放的勞動力可參與從事對腦力依賴更強的工作。

目前，支持識別錄入的票據類型包括門診發票、住院發票、醫保結算單、費用清單，字符識別準確率超過98%。

02

對癥下藥? 攻破難點

事實上，醫療票據OCR在實際落地應用中面臨諸多技術難點，如票面信息模糊、發票折疊畸變、內容重疊、信息串行等，均會對識別準確率形成干擾，給算法模型訓練帶來相應挑戰。為降低、消弭噪音，深源恒際結合多種圖像處理技術，在不損害文字信息的前提下排除干擾因素，讓識別模型具備很好的抗干擾能力和魯棒性。

首先，醫療票據在全國范圍內沒有統一的制版格式，各地版式差異明顯。面對此類情形，通用OCR算法難以突破模版多樣化的問題。深源恒際針對各地模版進行獨立強化訓練，在模型訓練中增強特征提取細粒度，根據不同模版上的啟發性信息輔助文字區域的定位和切分，弱化版式差異帶來的不良影響。目前，已有包含北京、天津、上海、廣東、浙江、江蘇、山東、河南及河北九省市在內的票據模版完成針對性強化訓練并發布上線。

其次，醫療票據多采用數據與格式分離的套打方式，在OCR識別中通常會帶來兩方面困擾：一是套打發票大多采用針式打印技術，圖像分辨率低、打印字跡模糊，影響識別準確率；二是難免出現機打信息和印刷信息串行或內容重疊的情形，串行增加了信息提取難度，影響數據結構化；內容重疊造成部分信息被遮擋，在文本檢測時容易導致漏檢，在文本識別時容易導致誤識。

深源恒際基于深度學習算法，通過圖層分離技術解決了突破性地解決了套打票據識別中存在的技術難題，使識別準確率大幅提升。

圖層分離：通過大量分析樣本數據，提取機打部分與印刷部分的差異化特征，強化特征提取細粒度，基于深度學習方法搭建像素級圖層分離模型，實現從原始圖像中分離出機打信息與印刷信息，通過圖層分離完成信息剝離。

坐標定位：圖層分離后，基于圖像識別技術獲取所有文本條目的坐標信息，通過傳統匹配算法完成印刷類文本條目坐標信息與機打類文本條目坐標信息的關聯，實現印刷字段信息與機打字段信息的匹配，從而解決信息串行帶來的干擾。

雙識別模型：針對機打和印刷兩類文本信息分別訓練算法模型，大幅提升圖層分離精確度，降低信息重疊帶來的干擾。

再次，為確保理算信息完整無誤，深源恒際提出“機器校驗為主、人工復核為輔”的校驗機制，開發了多重校驗規則引擎。基于字段間的內在邏輯與關聯關系，自動甄別置信度較低的字段信息，對存疑的高風險信息進行預警提示，并依據內在邏輯對可能出錯的數據進行啟發式糾正；對于模糊文字，則通過醫療詞典庫進行智能校驗。綜合多種方式輔助復核，快速完成數據的校驗與糾正，為理算提供完整、精確的數據依據。

此外，醫療票據OCR服務與健康險理算中常用的智能理算規則引擎相銜接，可實現從信息錄入到結果輸出全面自動化，讓健康險理賠真正駛深源恒際入快車道。

未來，將持續迭代算法模型，進一步擴大產品落地范圍，在不間斷的落地應用中優化產品性能，將技術創新優勢延展到行業全流程中，打造全棧式智能服務。

云市場 人工智能 機器學習 AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。