CN105868531B

CN105868531B - 一种基于医疗大数据的自动辅助处方系统

Info

Publication number: CN105868531B
Application number: CN201610167669.9A
Authority: CN
Inventors: 罗旭; 常永虎; 杨君; 肖兵
Original assignee: Zunyi Medical University
Current assignee: Zunyi Medical University
Priority date: 2016-03-23
Filing date: 2016-03-23
Publication date: 2019-05-17
Anticipated expiration: 2036-03-23
Also published as: CN105868531A

Abstract

本发明公开了一种基于医疗大数据的自动辅助处方系统及方法。该系统包括数据存储中心、信息处理单元和人机交互单元；其中信息处理单元包括：统计模块，对后台存储的数据进行分类和归纳；用药处方求取模块，基于存储的大量药物处方经验数据，求取针对各种疾病的最佳用药方案；自动处方模块，根据用户咨询的疾病信息自动给出相应最佳用药方案；人机交互单元用于显示用户咨询疾病名称的界面和显示系统输出的最佳用药处方。本发明能够自动给出可行的最佳用药方案，对于常见病、日常小疾，方便用户自助处方，缓解简单重复的就医过程和压力，节省医疗资源；对于复杂疾病、非常见病可以辅助医务人员给出最佳处方方案。

Description

一种基于医疗大数据的自动辅助处方系统

技术领域

本发明涉及医疗信息计算和数据处理领域，具体涉及一种基于医疗大数据的自动辅助处方系统及方法。

背景技术

当前，在疾病处方过程中，多由主治医生根据临床经验给出用药策略，此过程依赖于医生个人的临床经验，药不对症以及过度治疗的案例时有发生。尤其是当前优质医疗资源分配不均特别是具有优良水平的医务工作者都集中在大中城市的三甲医院的背景下，帮助普通群众自助获取常见病、普通病的最佳处方，同时为医务工作者尤其是广大乡村全科医生提供一套能够提供病症药方的智能处方系统指导其科学用药，非常具有实用意义。

随着信息时代的发展，信息量呈爆炸性增长，产生了巨量数据。大数据是医学的重要应用领域，大数据分析为许多医学问题的解决提供了新途径。本发明基于处方大数据的分析获得数据经验，并依据数据经验实现自动给出疾病用药方案的智能处方系统，为病人和医生快速获取疾病用药方案提供客观的参考结果。

发明内容

本发明要解决的技术问题在于针对现有技术中缺乏自助获取常见病、普通病最佳处方，以及获取关于复杂疾病、非常见病的参考处方的辅助医疗系统的缺陷，提供一种基于处方大数据自动给出疾病用药方案的自动辅助处方系统及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于医疗大数据的自动辅助处方系统，包括：

后台数据存储单元，用于存储大量药物处方数据及系统处理的中间结果；

人机交互单元，用于显示用户输入疾病类型的界面，并显示系统输出的最佳用药处方；

信息处理单元，具体包括统计模块、用药处方求取模块和自动处方模块，其中：

统计模块，用于获取后台存储单元中的大量药物处方数据，并对其进行统计和分类，得到针对各种疾病类型采用不同用药方案达到不同药效级的有效性；

用药处方求取模块，用于根据药物处方数据和统计模块得到的不同用药方案达到不同药效级的有效性，求取针对各种疾病的最佳用药方案，并将该最佳用药方案保存在后台数据存储单元；

自动处方模块，用于根据用户输入的疾病类型，检索后台数据存储单元中的数据，将检索到的相应最佳用药方案送人机交互单元显示。

本发明提供一种基于医疗大数据的自动辅助处方方法，包括以下步骤：

S1、针对不同疾病类型，计算后台数据存储单元中大量药物处方对该疾病达到不同药效级的有效性；

S2、用药处方求取单元根据不同用药方案达到不同药效级的有效性和药物处方数据，在设定的相应阈值下，计算得到针对不同疾病类型的最佳用药方案，并将计算结果保存到后台数据存储单元；

S3、获取用户输入的疾病类型，自动处方模块检索后台数据存储单元中的数据，得到针对该疾病类型的最佳用药方案；

S4、输出得到的最佳用药方案，在人机交互界面上显示该自动辅助处方结果。

进一步地，本发明的步骤S1中还包括：

对药物处方数据进行结构化处理，按照“标号、疾病名称、用药方案、药效”的数据结构进行保存，其中药效分为1,2,3,…,N，N≥2个等级，有效性逐次递减，N为整数。

进一步地，本发明的步骤S1的具体步骤为：

S11、获取病型集{B_k|k＝1,2,3,...,K}，共K种疾病，关于疾病B_k的案例总数针对疾病B_k的J(k)种不同用药方案：Y_j,j＝1,2,3,...,J(k)，关于用药方案 Y_j的案例数X_j，以及其中药效为“n”的案例数X_j(n)，n＝1,2,3,...,N；

S12、分别计算针对各种病型的用药方案达到不同药效级的有效性，其计算公式为：

其中，P(B_k,Y_j,n)，n＝1,2,3,...,N表示针对疾病类型为B_k采用用药方案Y_j达到n级药效的有效性。

5、根据权利要求4所述的基于医疗大数据的自动辅助处方方法，其特征在于，步骤S2的具体步骤为：

S21、令计数值k＝1，给定标称阈值α和计划给出的最佳处方方案的个数 t；

S22、检验病型B_k的各用药方案Y_j,j＝1,2,3,...,J(k)在n＝1,2,3,…,N每个药效级的有效性，获取关于疾病B_k的最佳t项用药方案；

S23、k＝k+1，若k＞K，结束；否则转步骤S22。

进一步地，本发明的步骤S22中获取最佳用药方案的方法具体为：

S221、当n＝1，从大到小排序{P(B_k,Y_j,n)-α，j＝1,2,3,...,J(k)}，若其中的非零元素个数b₁小于t，析取其中的非零项，记为S₁(B_k)，转S222；否则，列出前t项对应的用药方案及相应的药效级，结束；

S222、当n＝2，从大到小排序{P(B_k,Y_j,n)-α，j＝1,2,3,...,J(k)}，若其中的非零元素个数b₂小于t，析取其中的非零项，记为S₂(B_k)，转S223；否则，将S₁(B_k) 中的b₁项元素按从大到小排序后，依次列出序列对应的用药方案和相应的药效级，而后将差集ΔS₁＝S₂(B_k)-S₁(B_k)中的元素按从大到小排序后，依次列出序列前t-b₁项对应的用药方案和相应的药效级，结束；

S223、当n＝3，从大到小排序{P(B_k,Y_j,n)-α，j＝1,2,3,...,J(k)}，若其中的非零元素个数b₃小于t，析取其中的非零项，记为S₃(B_k)，转S224；否则，先将S₁(B_k)中的b₁项元素按从大到小排序后，依次列出序列对应的用药方案和相应的药效级，再将差集ΔS₁＝S₂(B_k)-S₁(B_k)中的元素按从大到小排序后，依次列出序列前b₂-b₁项对应的用药方案和相应的药效级，最后将集合ΔS₂＝S₃(B_k)-S₂(B_k)中的元素按从大到小排序后，依次列出前t-b₂项对应的用药方案和相应的药效级，结束；

S224、当n(n≥4)，依上述步骤类推，从大到小排序{P(B_k,Y_j,n)-α， j＝1,2,3,...,J(k)}，若其中的非零元素个数b_n小于t，析取其中的非零项，记为 S_n(B_k)，使得n＝n+1，若n≤N循环该步骤；否则，先将S₁(B_k)中的b₁项元素按从大到小排序后，依次列出对应的用药方案和相应的药效级，再将集合ΔS₁＝S₂(B_k)-S₁(B_k)中的b₂-b₁个元素按从大到小排序后，列出对应的用药方案和相应的药效级，再将集合ΔS₂＝S₃(B_k)-S₂(B_k)中的b₃-b₂个元素按从大到小排序后，列出对应的用药方案和相应的药效级，…，再将集合ΔS_n-2＝S_n-1(B_k)-S_n-2(B_k)中的b_n-1-b_n-2个元素按从大到小排序后，列出对应的用药方案和相应的药效级，再将集合ΔS_n-1＝S_n(B_k)-S_n-1(B_k)中的元素按从大到小排序后，依次列出前t-b_n-1项中非零项对应的用药方案和相应的药效级，结束。

本发明产生的有益效果是：本发明的基于医疗大数据的自动辅助处方方法，基于医疗大数据中的用药经验数据，通过计算针对不同疾病类型采用不同药物处方达到不同药效级的有效性，自动给出可行的最佳用药方案，对于常见病、日常小疾，方便用户自助处方，缓解简单重复的就医过程和压力，节省医疗资源；对于复杂病，为医务工作者的疾病诊疗提供可行参考治疗方案，并且还可以辅助作为临床用药药效分析工具；另外，本方法可根据需求调整参数值，在不同有效性要求下提供不同个数的最佳用药方案。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的基于医疗大数据的自动辅助处方系统的结构框图；

图2是本发明实施例的基于医疗大数据的自动辅助处方方法的流程图；

图3是本发明实施例的基于医疗大数据的自动辅助处方方法的获取最佳用药方案的流程图；

图4是本发明实施例的基于医疗大数据的自动辅助处方系统的结果显示界面。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于医疗大数据的自动辅助处方系统，包括：

如图2所示，本发明实施例的基于医疗大数据的自动辅助处方方法，包括以下步骤：

其具体步骤为：

如图3所示，其具体步骤为：

S23、k＝k+1，若k＞K，结束；否则转步骤S22。

其中，给定标称阈值α下获取关于疾病B_k的最佳t项用药方案的具体方法为：

如图4所示，在本发明的另一个实施例中，人机交互界面中显示了操作示意图。

实施例背景:以给出痔疮的保守用药方案为例。针对10000例轻中型痔疮 (ⅠⅡ型)中如表1所示的Y_j,j＝1,2,3,4，4种备选保守用药方案，疾病B＝“痔疮”，表中分别给出了不同用药方案关于不同药效评价的案例数。

表1 不同药效方案对应不同药效级别的案例数

实施例中，数据存放于大容量磁盘阵列中，数据库系统与信息处理在x86 服务器上实现，显示界面在远程APP上实现。

其中药效级“1”为药效明显，复发频度低；药效级“2”为药效良好，短期内无症状；药效级“3”为用药后仅症状有所减轻。给定药效阈值α＝12.5％，要求给出可行性最高的有效方案，即t＝1。

首先：由系统的“统计模块”计算所有病例中采用不同用药方案的有效性，具体为：

用药方案Y₁达到药效级“1”,“2”,“3”的有效性分别为：

P(B,Y₁,1)＝600/10000＝6％，P(B,Y₁,2)＝(600+700)/10000＝13％，

P(B,Y₁,3)＝(600+700+1000)/10000＝23％。

用药方案Y₂达到药效级“1”,“2”,“3”的有效性分别为：

P(B,Y₂,1)＝600/10000＝6％，P(B,Y₂,2)＝(600+820)/10000＝14.2％，

P(B,Y₂,3)＝(600+820+1030)/10000＝24.5％。

用药方案Y₃达到药效级“1”,“2”,“3”的有效性分别为：

P(B,Y₃,1)＝580/10000＝5.8％，P(B,Y₃,2)＝(580+900)/10000＝14.8％，

P(B,Y₃,3)＝(580+900+880)/10000＝23.6％。

用药方案Y₄达到药效级“1”,“2”,“3”的有效性分别为：

P(B,Y₄,1)＝500/10000＝5％，P(B,Y₄,2)＝(500+1020)/10000＝15.2％，

P(B,Y₄,3)＝(500+1020+980)/10000＝25％。

进一步，由系统的“用药处方求取模块”获取关于痔疮的最佳(1项)用药方案，具体方法为：根据给定阈值α＝12.5％，当某用药方案达到某药效级的有效性大于α，则认为该方案药效显著。对每个药效级的用药方案的有效性进行检验：

步骤1：排序{P(B_k,Y_j,1)-α，j＝1,2,3,4},即

{6％-12.5％,6％-12.5％,5.8％-12.5％,5％-12.5％}

其中的非零元素个数b₁＝0小于t＝1，直接转下一步。

步骤2：排序{P(B_k,Y_j,2)-α，j＝1,2,3,...,4},即

{13％-12.5％,14.2％-12.5％,14.8％-12.5％,15.2％-12.5％}

其中的非零元素个数b₂＝4大于1，发现处于首位的对应方案为Y₄。

经过以上计算，系统界面给出结果如图4所示。

本发明具体实现方式仅以单病型“痔疮”的经验处方数据库为例，给出了 Y_j,j＝1,2,3,4用药方案分别在药效级“1”，“2”，“3”的案例数，由“统计模块”计算各用药方案达到不同药效级的有效概率。由“用药处方求取模块”对达到药效级“1”，“2”，“3”各用药方案的有效性进行检验，得到方案4(Y₄)为最佳结果。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims

1.一种基于医疗大数据的自动辅助处方系统，其特征在于，包括：

自动处方模块，用于根据用户输入的疾病类型，检索后台数据存储单元中的数据，将检索到的相应最佳用药方案送人机交互单元显示；

其中，求取针对各种疾病的最佳用药方案的方法为：

S1、针对不同疾病类型，计算后台数据存储单元中大量药物处方对该疾病达到不同药效级的有效性；对药物处方数据进行结构化处理，按照“标号、疾病名称、用药方案、药效”的数据结构进行保存，其中药效分为1,2,3,…,N，N≥2个等级，有效性逐次递减，N为整数；

S11、获取病型集{B_k|k＝1,2,3,...,K}，共K种疾病，关于疾病B_k的案例总数针对疾病B_k的J(k)种不同用药方案：Y_j,j＝1,2,3,...,J(k)，关于用药方案Y_j的案例数X_j，以及其中药效为“n”的案例数X_j(n)，n＝1,2,3,...,N；

…，

其中，P(B_k,Y_j,n)，n＝1,2,3,...,N表示针对疾病类型为B_k采用用药方案Y_j达到n级药效的有效性；

S21、令计数值k＝1，给定标称阈值α和计划给出的最佳处方方案的个数t；

S23、k＝k+1，若k＞K，结束；否则转步骤S22；

2.根据权利要求1所述的基于医疗大数据的自动辅助处方系统，其特征在于，步骤S22中获取最佳用药方案的方法具体为：

S222、当n＝2，从大到小排序{P(B_k,Y_j,n)-α，j＝1,2,3,...,J(k)}，若其中的非零元素个数b₂小于t，析取其中的非零项，记为S₂(B_k)，转S223；否则，将S₁(B_k)中的b₁项元素按从大到小排序后，依次列出序列对应的用药方案和相应的药效级，而后将差集ΔS₁＝S₂(B_k)-S₁(B_k)中的元素按从大到小排序后，依次列出序列前t-b₁项对应的用药方案和相应的药效级，结束；

S224、当n≥4，依上述步骤类推，从大到小排序{P(B_k,Y_j,n)-α，j＝1,2,3,...,J(k)}，若其中的非零元素个数b_n小于t，析取其中的非零项，记为S_n(B_k)，使得n＝n+1，若n≤N循环该步骤；否则，先将S₁(B_k)中的b₁项元素按从大到小排序后，依次列出对应的用药方案和相应的药效级，再将集合ΔS₁＝S₂(B_k)-S₁(B_k)中的b₂-b₁个元素按从大到小排序后，列出对应的用药方案和相应的药效级，再将集合ΔS₂＝S₃(B_k)-S₂(B_k)中的b₃-b₂个元素按从大到小排序后，列出对应的用药方案和相应的药效级，…，再将集合ΔS_n-2＝S_n-1(B_k)-S_n-2(B_k)中的b_n-1-b_n-2个元素按从大到小排序后，列出对应的用药方案和相应的药效级，再将集合ΔS_n-1＝S_n(B_k)-S_n-1(B_k)中的元素按从大到小排序后，依次列出前t-b_n-1项中非零项对应的用药方案和相应的药效级，结束。