CN110120267B - 一种智能药学创新管理服务系统及方法 - Google Patents

一种智能药学创新管理服务系统及方法 Download PDF

Info

Publication number
CN110120267B
CN110120267B CN201910335751.1A CN201910335751A CN110120267B CN 110120267 B CN110120267 B CN 110120267B CN 201910335751 A CN201910335751 A CN 201910335751A CN 110120267 B CN110120267 B CN 110120267B
Authority
CN
China
Prior art keywords
medicine
module
drug
attribute
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910335751.1A
Other languages
English (en)
Other versions
CN110120267A (zh
Inventor
蒋立英
熊存全
孔建飞
仇凡
李明梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Vocational College of Medicine
Original Assignee
Jiangsu Vocational College of Medicine
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Vocational College of Medicine filed Critical Jiangsu Vocational College of Medicine
Priority to CN201910335751.1A priority Critical patent/CN110120267B/zh
Publication of CN110120267A publication Critical patent/CN110120267A/zh
Application granted granted Critical
Publication of CN110120267B publication Critical patent/CN110120267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Toxicology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于药学管理技术领域，公开了一种智能药学创新管理服务系统及方法，通过药物数据采集模块利用医学采集设备采集医药来源、成分、功效、生产日期相关数据信息；中央控制模块通过药物性状分析模块利用分析程序根据采集的数据分析药物性状；通过鉴定模块利用鉴定程序对药物安全性进行鉴定；通过检索模块利用检索程序检索药物信息；通过选药模块利用选择程序选择药物；通过云服务模块利用云服务器对采集的药物数据信息进行云存储；通过显示模块利用显示器显示采集的医药来源、成分、功效、生产日期相关数据信息。本发明适用于医生处方或制定用药方案，更加安全、有效、经济选药。

Description

一种智能药学创新管理服务系统及方法
技术领域
本发明属于药学管理技术领域，尤其涉及一种智能药学创新管理服务系统及方法。
背景技术
药学是连接健康科学和化学科学的医疗保健行业，它承担着确保药品的安全和有效使用的职责。药学主要研究药物的来源、炮制、性状、作用、分析、鉴定、调配、生产、保管和寻找(包括合成)新药等。主要任务是不断提供更有效的药物和提高药物质量，保证用药安全，使病患得以以伤害最小，效益最大的方式治疗或治愈疾病。然而，现有药学管理对药学信息检索精确差；同时，在医生处方或患者自主选药时，既难以获得所有的患者用药关键数据，也不能全面的分析药物之间的复杂关系，容易造成关键信息的缺失，给患者的健康和安全带来隐患。
综上所述，现有技术存在的问题是：
现有药学管理对药学信息检索精确差；同时，在医生处方或患者自主选药时，既难以获得所有的患者用药关键数据，也不能全面的分析药物之间的复杂关系，容易造成关键信息的缺失，给患者的健康和安全带来隐患。
现有药物分析的程序其结果非常不精确，同时其结果不具备可解释性；同时现有药物鉴定程序并不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种智能药学创新管理服务系统及方法。
本发明是这样实现的，一种智能药学创新管理服务系统的信息处理方法，所述智能药学创新管理服务系统的信息处理方法包括以下步骤：
步骤一，通过药物数据采集模块利用医学采集设备采集医药来源、成分、功效、生产日期相关数据信息；
步骤二，中央控制模块通过药物性状分析模块利用分析程序根据采集的数据分析药物性状；
步骤三，通过鉴定模块利用鉴定程序对药物安全性进行鉴定；
步骤四，通过检索模块利用检索程序检索药物信息；用户向药物安全分析平台申请访问，药物安全分析平台通过用户账号安全库对该账号验证是否具有合法性；通过药物检索数据库中的四个库CS、AA、EA、SS为该账号本次访问建立相应的状态策略；对X1，X2，X3……Xi的状态用所述的安全与效率量化规则进行量化并分别得到相应的概率；根据安全与效率评价规则得到Xi+1，Xi+2的概率；
构建基于马尔科夫过程的状态矩阵，并求出对应的吸收矩阵B，通过比较B矩阵的每一行得出在X1，X2，X3……Xi中成功概率最高的认为该策略是安全、高效、且评价较好；
通过选药模块利用选择程序选择药物；
步骤五，通过云服务模块利用云服务器对采集的药物数据信息进行云存储；
步骤六，通过显示模块利用显示器显示采集的医药来源、成分、功效、生产日期相关数据信息。
进一步，所述检索模块检索方法包括：
(1)在关键词属性表中，查询用户提供的一组检索词中每一个检索词的属性类型；
(2)按照属性类型对该组检索词进行聚类，将属性类型相同的检索词归为一类，根据该组检索词中占比最大的检索词类别确定用户的检索意图；
(3)根据该组检索词查询索引表和知识单元数据库，得到匹配结果集，并将所述匹配结果集按照属性类别进行分类，根据用户的检索意图向用户返回相应属性类别的匹配结果。
进一步，所述选药模块选药方法包括：
1)建立多维度属性项字典；
多维度属性项字典中涉及的药学属性项至少包括：用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应征的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性的其中至少一个维度；
多维度属性项字典中涉及的医学属性项至少包括：患者的普通人群相关属性、患者的特殊人群相关属性、患者的当前的诊断相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性的其中至少一个维度；
2)提取药品使用要素信息，用于提取每一种药品使用要素信息中适应征、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息；根据多维度属性项字典对药品使用要素信息进行处理；
3)提取患者用药相关要素信息，用于提取患者用药时相关属性要素的实际信息；根据多维度属性项字典对患者用药相关要素信息进行处理；将药品使用要素信息与患者用药相关要素信息中各属性项信息进行智能选药匹配比对；生成智能选药列表；
4)通过药物重整审核动态排除不适宜药品生成智能选药列表：提取筛选后可供推荐的推荐列表的药品相互作用、重复用药动态信息，与患者用药相关要素信息中用药史或在服药品进行比对，自动排除存在相互作用、重复用药不适宜使用的药品，生成智能推荐药品列表，包括生成用法用量推荐信息。
进一步，户向药物安全分析平台申请访问中，通过多次握手协议进行，具体包括：
各种用户向药物安全分析平台提出访问申请，并提交身份验证信息；
药物安全分析平台接到请求后，对比账号安全库以验证用户身份的合法性，验证用户身份合法后询问用户的访问要求，如果用户身份不合法则拒绝访问；
用户提出访问行为及本次访问的状态信息，并要求相应的访问权限与安全状态级别；
药物安全分析平台接收到后，根据药检云计算安全状态知识库对该账号做出评估，规划传输与存储的安全策略，然后发送数据包与用户协商安全策略；
用户接到数据包后与药物安全分析平台协商策略，建立加密、存储、服务策略。
进一步，药物安全分析平台安全状态评价方法包括：
确定获取相应的安全与效率的偏移概率，构建出过渡状态过程；
通过系统与用户的评价获取最后两种评价状态策略成功、策略失败；
构建相应的马尔科夫状态图。
本发明的另一目的在于提供一种智能药学创新管理服务系统的信息处理程序，应用终端，所述智能药学创新管理服务系统的信息处理程序实现所述的智能药学创新管理服务系统的信息处理方法。
本发明的另一目的在于提供一种终端，所述终端搭载实现所述智能药学创新管理服务系统的信息处理方法的服务器。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的智能药学创新管理服务系统的信息处理方法。
本发明的另一目的在于提供一种智能药学创新管理服务系统，所述智能药学创新管理服务系统包括：
药物数据采集模块，与中央控制模块连接，用于通过医学采集设备采集医药来源、成分、功效、生产日期等相关数据信息；
中央控制模块，与药物数据采集模块、药物性状分析模块、鉴定模块、检索模块、选药模块、云服务模块、显示模块连接，用于通过单片机控制各个模块正常工作；
药物性状分析模块，与中央控制模块连接，用于通过分析程序根据采集的数据分析药物性状；
鉴定模块，与中央控制模块连接，用于通过鉴定程序对药物安全性进行鉴定；
检索模块，与中央控制模块连接，用于通过检索程序检索药物信息；
选药模块，与中央控制模块连接，用于通过选择程序选择药物；
云服务模块，与中央控制模块连接，用于通过云服务器对采集的药物数据信息进行云存储；
显示模块，与中央控制模块连接，用于通过显示器显示采集的医药来源、成分、功效、生产日期相关数据信息。
本发明的另一目的在于提供一种搭载权利要求所述智能药学创新管理服务系统的多方互联网智药学服务信息共享平台。
本发明的优点及积极效果为：
本发明通过检索模块对用户提供的一组关键词进行分析和处理，推测用户的检索意图，并依据推测结果恰当地组织检索结果，更好地满足用户的检索期望，提高检索结果的准确度；同时，通过选药模块基于患者、疾病、药品等多种维度综合分析，适用于医生处方或制定用药方案，更加安全、有效、经济选药。
本发明基于Lasso方法进行优化的分析程序使得分析程序具有较好的可解释性，同时其分析的结果更加精确。本发明基于多准则决策法和鉴定程序互相配合，能够进一步提高鉴定结果的准确性。
本发明通过检索模块利用检索程序检索药物信息；用户向药物安全分析平台申请访问，药物安全分析平台通过用户账号安全库对该账号验证是否具有合法性；通过药物检索数据库中的四个库CS、AA、EA、SS为该账号本次访问建立相应的状态策略；对X1，X2，X3……Xi的状态用所述的安全与效率量化规则进行量化并分别得到相应的概率；根据安全与效率评价规则得到Xi+1，Xi+2的概率；
构建基于马尔科夫过程的状态矩阵，并求出对应的吸收矩阵B，通过比较B矩阵的每一行得出在X1，X2，X3……Xi中成功概率最高的认为该策略是安全、高效、且评价较好；能最大限度地节约药检云计算的资源，提高安全性，并能给予用户提供适当合理更人性化的选择。
附图说明
图1是本发明实施例提供的智能药学创新管理服务系统的信息处理方法流程图。
图2是本发明实施例提供的智能药学创新管理服务系统结构图。
图2中：1、药物数据采集模块；2、中央控制模块；3、药物性状分析模块；4、鉴定模块；5、检索模块；6、选药模块；7、云服务模块；8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明包括。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的智能药学创新管理服务系统的信息处理方法包括以下步骤：
S101，利用医学采集设备采集医药来源、成分、功效、生产日期等相关数据信息；
S102，利用基于Lasso方法进行优化的分析程序根据采集的数据分析药物的形状、大小、颜色、表面特征、质地、折断面相关性状；
S103，利用基于多准则决策法的鉴定程序对药物安全性进行鉴定；
S104，利用检索程序检索药物信息；利用选择程序选择药物；
S105，利用云服务器对采集的药物数据信息进行云存储；
S106，利用显示器显示采集的医药来源、成分、功效、生产日期等相关数据信息。
步骤S102中，本发明实施例提供的Lasso方法具体包括：
假设采集的相关数据(X，Y)包含n个样本，m个特征，X＝(x1，...，xj，xm)，其中xj＝(x1j，x1j，...，x1j)T是自变量Y＝(yl，yi，...，yn)T，其中yi是响应变量，i＝1，2，...，n，j＝7，2，…，m，且xj已标准化，yi已中心化；用自变量对响应变量进行线性回归分析，并限定回归系数β＝(β1，β2，...βm)的一范数不超过一定的阈值t；
xj标准化，yi已中心化：
Figure BDA0002039077230000071
Lasso：最小化残差平方和
Figure BDA0002039077230000072
其中，t≥0是一个可调整参数，当t值比较小时，某些相关度较低的变量系数会被压缩为0，从而去除这些变量，实现特征选择的目的；当t值足够大时，约束将不起作用，这种情况下所有的属性都将被选择；
其具体实现步骤为：
1)将X中所有自变量标准化处理，即均值为0、方差为1；将Y中所有响应变量中心化处理，即均值为0；记残差
Figure BDA0002039077230000073
假定所有的回归系数β＝(β1，β2，...βm)均为0；
2)寻找与残差r相关度最高的变量xj；
3)从0开始沿xj和r的内积符号方向调整xj的系数βj并计算残差，直到找到另一个与r最相关的变量xk；
4)继续沿(xj，xk)与当前r内积符号方向调整βj和βk，直到找到另一个变量xp与当前残差r有次高的相关度，若有非零回归系数降为0，则将对应的变量从当前变量集合中删除，然后重新计算；
5)重复上述步骤，直至所有的自变量都进入模型求解，算法结束。
步骤S103中，本发明实施例提供的多准则决策法具体包括：
(1)原始数据矩阵转换为一个差异矩阵；对于原始数据矩阵中的每个准则或者变量，在所有可能的组合条件下两两相减以形成一个差异矩阵，d；
(2)每一准则的偏好函数，P(a，b)的选择，然后用于决定结果(a)优于结果(b)的多少；利用Gaussian函数计算出每一样本的偏好指数，π(a，b)，
Figure BDA0002039077230000081
式中，wj表示每一准则的权重；
(3)计算优序级别的正、负值：
Figure BDA0002039077230000082
Figure BDA0002039077230000083
正的优序级别值
Figure BDA0002039077230000084
表示此样本优于其他样本，而负的优序级别值
Figure BDA0002039077230000085
表示其它样本优于此样本；较高的
Figure BDA0002039077230000086
值和较低的
Figure BDA0002039077230000087
代表偏好样本；
(4)有序排列级别的比较；所有配对比较(a和b)结果在下述规则的应用下形成所有样品的偏好排列顺序：
(i)a优于b，如果
Figure BDA0002039077230000088
和
Figure BDA0002039077230000089
Figure BDA00020390772300000810
和
Figure BDA00020390772300000811
Figure BDA00020390772300000812
Figure BDA00020390772300000813
和
Figure BDA00020390772300000814
(ii)a不同于b，如果
Figure BDA00020390772300000815
和
Figure BDA00020390772300000816
(iii)a不能和b比较；
(5)总优序排列值(
Figure BDA00020390772300000817
PROMETHEE II)的计算：可以定义出样本总的排列顺序，
Figure BDA0002039077230000091
如图2所示，本发明实施例提供的智能药学创新管理服务系统包括：药物数据采集模块1、中央控制模块2、药物性状分析模块3、鉴定模块4、检索模块5、选药模块6、云服务模块7、显示模块8。
药物数据采集模块1，与中央控制模块2连接，用于通过医学采集设备采集医药来源、成分、功效、生产日期等相关数据信息；
中央控制模块2，与药物数据采集模块1、药物性状分析模块3、鉴定模块4、检索模块5、选药模块6、云服务模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；
药物性状分析模块3，与中央控制模块2连接，用于通过分析程序根据采集的数据分析药物的形状、大小、颜色、表面特征、质地、折断面相关性状；
鉴定模块4，与中央控制模块2连接，用于通过鉴定程序对药物安全性进行鉴定；
检索模块5，与中央控制模块2连接，用于通过检索程序检索药物信息；
选药模块6，与中央控制模块2连接，用于通过选择程序选择药物；
云服务模块7，与中央控制模块2连接，用于通过云服务器对采集的药物数据信息进行云存储；
显示模块8，与中央控制模块2连接，用于通过显示器显示采集的医药来源、成分、功效、生产日期等相关数据信息；
本发明提供的检索模块5检索方法包括：
(1)在关键词属性表中，查询用户提供的一组检索词中每一个检索词的属性类型；
(2)按照属性类型对该组检索词进行聚类，将属性类型相同的检索词归为一类，根据该组检索词中占比最大的检索词类别确定用户的检索意图；
(3)根据该组检索词查询索引表和知识单元数据库，得到匹配结果集，并将所述匹配结果集按照属性类别进行分类，根据用户的检索意图向用户返回相应属性类别的匹配结果。
本发明提供的选药模块6选药方法包括：
1)建立多维度属性项字典；
多维度属性项字典中涉及的药学属性项至少包括：用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应征的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性的其中至少一个维度；
多维度属性项字典中涉及的医学属性项至少包括：患者的普通人群相关属性、患者的特殊人群相关属性、患者的当前的诊断相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性的其中至少一个维度；
2)提取药品使用要素信息，用于提取每一种药品使用要素信息中适应征、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息；根据多维度属性项字典对药品使用要素信息进行处理；
3)提取患者用药相关要素信息，用于提取患者用药时相关属性要素的实际信息；根据多维度属性项字典对患者用药相关要素信息进行处理；将药品使用要素信息与患者用药相关要素信息中各属性项信息进行智能选药匹配比对；生成智能选药列表；
4)通过药物重整审核动态排除不适宜药品生成智能选药列表：提取筛选后可供推荐的推荐列表的药品相互作用、重复用药动态信息，与患者用药相关要素信息中用药史或在服药品进行比对，自动排除存在相互作用、重复用药不适宜使用的药品，生成智能推荐药品列表，包括生成用法用量推荐信息。
步骤S104中，通过检索模块利用检索程序检索药物信息；用户向药物安全分析平台申请访问，药物安全分析平台通过用户账号安全库对该账号验证是否具有合法性；通过药物检索数据库中的四个库CS、AA、EA、SS为该账号本次访问建立相应的状态策略；对X1，X2，X3……Xi的状态用所述的安全与效率量化规则进行量化并分别得到相应的概率；根据安全与效率评价规则得到Xi+1，Xi+2的概率；
构建基于马尔科夫过程的状态矩阵，并求出对应的吸收矩阵B，通过比较B矩阵的每一行得出在X1，X2，X3……Xi中成功概率最高的认为该策略是安全、高效、且评价较好。
户向药物安全分析平台申请访问中，通过多次握手协议进行，具体包括：
各种用户向药物安全分析平台提出访问申请，并提交身份验证信息；
药物安全分析平台接到请求后，对比账号安全库以验证用户身份的合法性，验证用户身份合法后询问用户的访问要求，如果用户身份不合法则拒绝访问；
用户提出访问行为及本次访问的状态信息，并要求相应的访问权限与安全状态级别；
药物安全分析平台接收到后，根据药检云计算安全状态知识库对该账号做出评估，规划传输与存储的安全策略，然后发送数据包与用户协商安全策略；
用户接到数据包后与药物安全分析平台协商策略，建立加密、存储、服务策略。
药物安全分析平台安全状态评价方法包括：
确定获取相应的安全与效率的偏移概率，构建出过渡状态过程；
通过系统与用户的评价获取最后两种评价状态策略成功、策略失败；
构建相应的马尔科夫状态图。
在本发明实施例中，X0为初始状态，X1，X2，X3……Xi为由X0通过效率与安全规则后可能会转移的状态；
P01，P02，P03……P0i为由X0到X1，X2，X3……Xi的概率，Xi+1，Xi+2为最后经过系统评价和用户评价后获取的两个状态，分别代表成功策略和失败策略；
r1,i+1，r1,i+2为X1到Xi+1，Xi+2的概率，r2,i+1，r2,i+2为X2到Xi+1，Xi+2的概率……ri,i+1，ri,i+2为Xi到Xi+1，Xi+2的概率，从概率得到药检云计算策略的效率、安全、评价状态转移矩阵：
Figure BDA0002039077230000121
在矩阵中，p为从状态过渡态的概率，r为吸收态的概率，p和r的关系如下形式：
Figure BDA0002039077230000122
基本矩阵F：
F＝(I-Q)-1
吸收矩阵B如下：
B＝FR＝(I-Q)-1×R。
所述安全与效率量化规则包括：
安全评价指标量化：
选用的指标量化参数被定义为S，其中每个因素定义为(s0，s1，s2，……)，并对每种因素赋予相应的权重值(n0，n1，n2，……)，则该算法的安全总值为：
S＝s0*n0+s1*n1+s2*n2……；
效率评价指标量化：
选用量化参数被定义为E，其中每个因素定义为(e0，e1，e2，……)，并对每种因素赋予相应的权重值(m0，m1，m2，……)，则算法的效率总值为：
E＝e0*m0+e1*m1+e2*m2……；
对每种规则的策略进行排序，以S/E的值为标量，接近1的说明安全性与效率最好，大于1的说明安全性高效率低，小于1的说明安全性低效率高，根据离1的距离划分相应的概率，离1越远概率越小，离1越近概率越大。
所述安全与效率评价规则包括：
具体公式如下所示：
P1＝w1*50％+w2*50％
P2＝1-P1
P1代表着效率与安全情况好，P2代表着效率与安全情况差，w1代表着用户评价，w2代表着系统评价。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种智能药学创新管理服务系统的信息处理方法，其特征在于，所述智能药学创新管理服务系统的信息处理方法包括以下步骤：
步骤一，通过药物数据采集模块利用医学采集设备采集医药来源、成分、功效、生产日期相关数据信息；
步骤二，中央控制模块通过药物性状分析模块利用分析程序根据采集的数据分析药物性状；
步骤三，通过鉴定模块利用鉴定程序对药物安全性进行鉴定；
步骤四，通过检索模块利用检索程序检索药物信息；用户向药物安全分析平台申请访问，药物安全分析平台通过用户账号安全库对该账号验证是否具有合法性；通过药物检索数据库中的四个库CS、AA、EA、SS为该账号本次访问建立相应的状态策略；对X1，X2，X3……Xi的状态用安全与效率量化规则进行量化并分别得到相应的概率；根据安全与效率评价规则得到Xi+1，Xi+2的概率；
构建基于马尔科夫过程的状态矩阵，并求出对应的吸收矩阵B，通过比较B矩阵的每一行得出在X1，X2，X3……Xi中成功概率最高对应的策略；
通过选药模块利用选择程序选择药物；
步骤五，通过云服务模块利用云服务器对采集的药物数据信息进行云存储；
步骤六，通过显示模块利用显示器显示采集的医药来源、成分、功效、生产日期相关数据信息；
所述检索模块检索方法包括：
(1)在关键词属性表中，查询用户提供的一组检索词中每一个检索词的属性类型；
(2)按照属性类型对该组检索词进行聚类，将属性类型相同的检索词归为一类，根据该组检索词中占比最大的检索词类别确定用户的检索意图；
(3)根据该组检索词查询索引表和知识单元数据库，得到匹配结果集，并将所述匹配结果集按照属性类别进行分类，根据用户的检索意图向用户返回相应属性类别的匹配结果；
所述选药模块选药方法包括：
1)建立多维度属性项字典；
多维度属性项字典中涉及的药学属性项至少包括：用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应征的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性的其中至少一个维度；
多维度属性项字典中涉及的医学属性项至少包括：患者的普通人群相关属性、患者的特殊人群相关属性、患者的当前的诊断相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性的其中至少一个维度；
2)提取药品使用要素信息，用于提取每一种药品使用要素信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息；根据多维度属性项字典对药品使用要素信息进行处理；
3)提取患者用药相关要素信息，用于提取患者用药时相关属性要素的实际信息；根据多维度属性项字典对患者用药相关要素信息进行处理；将药品使用要素信息与患者用药相关要素信息中各属性项信息进行智能选药匹配比对；生成智能选药列表；
4)通过药物重整审核动态排除不适宜药品生成智能选药列表：提取筛选后可供推荐的推荐列表的药品相互作用、重复用药动态信息，与患者用药相关要素信息中用药史或在服药品进行比对，自动排除存在相互作用、重复用药不适宜使用的药品，生成智能推荐药品列表，包括生成用法用量推荐信息；
所述智能药学创新管理服务系统包括：
药物数据采集模块，与中央控制模块连接，用于通过医学采集设备采集医药来源、成分、功效、生产日期相关数据信息；
中央控制模块，与药物数据采集模块、药物性状分析模块、鉴定模块、检索模块、选药模块、云服务模块、显示模块连接，用于通过单片机控制各个模块正常工作；
药物性状分析模块，与中央控制模块连接，用于通过分析程序根据采集的数据分析药物性状；
鉴定模块，与中央控制模块连接，用于通过鉴定程序对药物安全性进行鉴定；
检索模块，与中央控制模块连接，用于通过检索程序检索药物信息；
选药模块，与中央控制模块连接，用于通过选择程序选择药物；
云服务模块，与中央控制模块连接，用于通过云服务器对采集的药物数据信息进行云存储；
显示模块，与中央控制模块连接，用于通过显示器显示采集的医药来源、成分、功效、生产日期相关数据信息。
2.如权利要求1所述的智能药学创新管理服务系统的信息处理方法，其特征在于，用户向药物安全分析平台申请访问中，通过多次握手协议进行，具体包括：
各种用户向药物安全分析平台提出访问申请，并提交身份验证信息；
药物安全分析平台接到请求后，对比账号安全库以验证用户身份的合法性，验证用户身份合法后询问用户的访问要求，如果用户身份不合法则拒绝访问；
用户提出访问行为及本次访问的状态信息，并要求相应的访问权限与安全状态级别；
药物安全分析平台接收到后，根据药检云计算安全状态知识库对该账号做出评估，规划传输与存储的安全策略，然后发送数据包与用户协商安全策略；
用户接到数据包后与药物安全分析平台协商策略，建立加密、存储、服务策略。
3.如权利要求1所述的智能药学创新管理服务系统的信息处理方法，其特征在于，药物安全分析平台安全状态评价方法包括：
确定获取相应的安全与效率的偏移概率，构建出过渡状态过程；
通过系统与用户的评价获取最后策略成功和策略失败两种评价状态；
构建相应的马尔科夫状态图。
4.一种智能药学创新管理服务系统的信息处理程序，应用终端，其特征在于，所述智能药学创新管理服务系统的信息处理程序实现权利要求1～3任意一项所述的智能药学创新管理服务系统的信息处理方法。
5.一种终端，其特征在于，所述终端搭载实现权利要求1～3任意一项所述智能药学创新管理服务系统的信息处理方法的服务器。
6.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-3任意一项所述的智能药学创新管理服务系统的信息处理方法。
CN201910335751.1A 2019-04-24 2019-04-24 一种智能药学创新管理服务系统及方法 Active CN110120267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910335751.1A CN110120267B (zh) 2019-04-24 2019-04-24 一种智能药学创新管理服务系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910335751.1A CN110120267B (zh) 2019-04-24 2019-04-24 一种智能药学创新管理服务系统及方法

Publications (2)

Publication Number Publication Date
CN110120267A CN110120267A (zh) 2019-08-13
CN110120267B true CN110120267B (zh) 2022-07-12

Family

ID=67521456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910335751.1A Active CN110120267B (zh) 2019-04-24 2019-04-24 一种智能药学创新管理服务系统及方法

Country Status (1)

Country Link
CN (1) CN110120267B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113140278A (zh) * 2020-01-20 2021-07-20 阿里健康信息技术有限公司 数据处理方法、终端设备、服务器及存储介质
CN113075308B (zh) * 2021-03-09 2023-02-28 商丘医学高等专科学校 一种个体化含有叶黄素的抗癌药剂的筛选系统及方法
CN112988850A (zh) * 2021-04-27 2021-06-18 明品云(北京)数据科技有限公司 一种物品信息分析管理方法、系统、设备和介质
CN117334292B (zh) * 2023-10-10 2024-04-05 山东百康云网络科技有限公司 一种药品销售管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199855A (zh) * 2014-08-13 2014-12-10 王和平 一种针对中医药学信息的检索系统和方法
CN104487972A (zh) * 2014-09-29 2015-04-01 曹庆恒 一种多维度用药信息处理方法、系统和设备
CN105306486A (zh) * 2015-11-17 2016-02-03 武汉理工大学 一种基于马尔科夫过程的药检云计算安全状态评价方法
CN107256426A (zh) * 2017-06-19 2017-10-17 湖北省食品药品监督检验研究院 一种基于智能算法的药品安全信心指数系统及构建方法
CN107346366A (zh) * 2016-05-04 2017-11-14 山东华平信息科技有限公司 基于智能药箱的药品信息预警系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090076857A1 (en) * 1999-02-19 2009-03-19 Cerner Innovation, Inc. Systems and methods for managing patient pharmaceutical care

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199855A (zh) * 2014-08-13 2014-12-10 王和平 一种针对中医药学信息的检索系统和方法
CN104487972A (zh) * 2014-09-29 2015-04-01 曹庆恒 一种多维度用药信息处理方法、系统和设备
CN105306486A (zh) * 2015-11-17 2016-02-03 武汉理工大学 一种基于马尔科夫过程的药检云计算安全状态评价方法
CN107346366A (zh) * 2016-05-04 2017-11-14 山东华平信息科技有限公司 基于智能药箱的药品信息预警系统
CN107256426A (zh) * 2017-06-19 2017-10-17 湖北省食品药品监督检验研究院 一种基于智能算法的药品安全信心指数系统及构建方法

Also Published As

Publication number Publication date
CN110120267A (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
CN110120267B (zh) 一种智能药学创新管理服务系统及方法
Li et al. Real-world data medical knowledge graph: construction and applications
Hung et al. An ai‐based prediction model for drug‐drug interactions in osteoporosis and Paget's diseases from smiles
Oztekin et al. A decision analytic approach to predicting quality of life for lung transplant recipients: A hybrid genetic algorithms-based methodology
AU2015284640B2 (en) Methods and systems for interpretation and reporting of sequence-based genetic tests
Miotto et al. Case-based reasoning using electronic health records efficiently identifies eligible patients for clinical trials
CN112037880A (zh) 用药推荐方法、装置、设备及存储介质
US8352417B2 (en) System, method and program product for management of life sciences data and related research
WO2020243732A1 (en) Systems and methods of clinical trial evaluation
US20090287503A1 (en) Analysis of individual and group healthcare data in order to provide real time healthcare recommendations
US20140067813A1 (en) Parallelization of synthetic events with genetic surprisal data representing a genetic sequence of an organism
JP2019526851A (ja) 分散型機械学習システム、装置、および方法
Bagattini et al. A classification framework for exploiting sparse multi-variate temporal features with application to adverse drug event detection in medical records
Riera et al. The complementarity between protein‐specific and general pathogenicity predictors for amino acid substitutions
Marin et al. FROST: a filter‐based fold recognition method
Schlegel et al. Secondary use of patient data: review of the literature published in 2016
Cholleti et al. Leveraging derived data elements in data analytic models for understanding and predicting hospital readmissions
Choi et al. Development of a system for postmarketing population pharmacokinetic and pharmacodynamic studies using real‐world data from electronic health records
Damotte et al. Harnessing electronic medical records to advance research on multiple sclerosis
US8972406B2 (en) Generating epigenetic cohorts through clustering of epigenetic surprisal data based on parameters
Schuurman et al. Ontologies for bioinformatics
Weymann et al. Matching methods in precision oncology: an introduction and illustrative example
Ramesh et al. Exploring big data analytics in health care
Reps et al. Learning patient-level prediction models across multiple healthcare databases: evaluation of ensembles for increasing model transportability
JP2003530651A (ja) 生物学的／製薬学的スクリーニング実験においてアウトライヤーを検出する方法および装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant