CN110660482A - 一种基于大数据的中医处方智能推荐系统及其控制方法 - Google Patents

Abstract

本申请涉及一种基于大数据的中医处方智能推荐系统及其控制方法，该系统包括：采集单元，用于采集患者的诊断信息；处方获取单元，用于根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方。本发明提供的技术方案，可以将中医的诊断信息和处方记录并保存，使得中医传承得以继承和保存。

Description

一种基于大数据的中医处方智能推荐系统及其控制方法

技术领域

本申请涉及医疗技术领域，具体涉及一种基于大数据的中医处方智能推荐系统及其控制方法。

背景技术

一个中医处方，平均包括16-30味药，现有的HIS系统(医院信息系统)在录入处方时耗费的时间平均在3-5分钟，多数老中医还完全靠手写处方，耗时长，劳动强度高，效率低，且老中医的经验得不到记录与保存，中医传承面临遗失的风险。

发明内容

为至少在一定程度上克服相关技术中存在手写处方耗时长、劳动强度高和效率极低的问题，本申请提供一种基于大数据的中医处方智能推荐系统和方法。

根据本申请实施例的第一方面，提供一种基于大数据的中医处方智能推荐系统，所述系统包括：

采集单元，用于采集患者的诊断信息，并将所述诊断信息发送至处方获取单元；

处方获取单元，用于根据所述患者的诊断信息，利用预先建立的因果预测模型获取推荐处方。

优选的，所述采集单元，包括：

诊断模块，用于中医对所述患者进行的诊断，获取诊断信息，并将所述诊断信息发送至处方获取单元；

客户端模块，用于将患者输入的病症作为患者的诊断信息，并将所述诊断信息发送至处方获取单元。

优选的，所述处方获取单元，包括：

第一获取模块，用于以历史的患者的诊断信息为因果预测模型的输入层训练样本，以历史的患者的诊断信息对应的历史处方为因果预测模型的输出层训练样本进行训练，获取待用的因果预测模型；

第二获取模块，用于随机抽取若干个历史的患者的诊断信息为所述待用的因果预测模型的输入，获取与所述若干个历史的患者的诊断信息对应的推荐处方；

判断模块，用于若所述若干个历史的患者的诊断信息对应的推荐处方中存在某个历史的患者的诊断信息对应的推荐处方与所述若干个历史的患者的诊断信息对应的历史处方不一致，则返回第一获取模块；若所述若干个历史的患者的诊断信息对应的推荐处方与所述若干个历史的患者的诊断信息对应的历史处方一致，则所述待用的因果预测模型为预先建立的因果预测模型。

优选的，所述处方获取单元，具体用于：

以所述患者的诊断信息为所述预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

优选的，所述系统还包括数据库；

所述数据库用于存储历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

优选的，所述系统还包括更新单元；

所述更新单元，用于更新数据库中的历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

根据本申请实施例的第二方面，提供一种基于大数据的中医处方智能推荐系统的控制方法，所述方法包括：

利用采集单元采集患者的诊断信息，并将所述患者的诊断信息发送至处方获取单元；

根据所述患者的诊断信息，利用处方获取单元获取推荐处方；

根据所述推荐处方获取所述患者的最终处方。

优选的，所述根据所述患者的诊断信息，利用处方获取单元获取推荐处方，包括：

以所述患者的诊断信息为所述预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

优选的，所述根据所述推荐处方获取所述患者的最终处方，包括：

若中医需要对推荐处方进行修改，则修改后的推荐处方为所述患者的最终处方；

若中医不需要对推荐处方进行修改，则所述推荐处方为所述患者的最终处方。

优选的，所述根据所述推荐处方获取所述患者的最终处方之后，还包括：

利用更新单元将所述患者的诊断信息和所述患者的最终处方存储到数据库。

本申请的实施例提供的技术方案可以包括以下有益效果：

本发明提供的技术方案，通过采集患者的诊断信息，根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方，一方面，可以将中医的诊断信息和处方记录并保存，使得中医传承得以继承和保存；另一方面，中医通过对推荐处方的直接利用或修改后再利用，使得中医不用再手写处方，大大降低了劳动强度，同时也提高了效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的一种基于大数据的中医处方智能推荐系统的框图；

图2是根据一示例性实施例示出的另一种基于大数据的中医处方智能推荐系统的框图；

图3是根据一示例性实施例示出的推荐处方类型的示意图；

图4是根据二示例性实施例示出的一种基于大数据的中医处方智能推荐系统的控制方法的流程图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的系统和方法的例子。

图1是根据一示例性实施例示出的一种基于大数据的中医处方智能推荐系统的框图。参照图1，该装置包括：

采集单元，用于采集患者的诊断信息，并将诊断信息发送至处方获取单元；

处方获取单元，用于根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方。

容易理解的是，本实施例提供的基于大数据的中医处方智能推荐系统可以但不限于通过电脑、手机和平板来实现。

一些可选实施例中，患者的诊断信息可以但不限于包括患者画像、姓名、年龄、性别、是否已婚、病史、患者自述病症、患者其他特征、脉象、诊断症状、主症和证型；处方可以但不限于包括脉象、诊断症状、主症和证型。

本实施例提供的基于大数据的中医处方智能推荐系统，通过采集患者的诊断信息，根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方，一方面，可以将中医的诊断信息和处方记录并保存，使得中医传承得以继承和保存；另一方面，中医通过对推荐处方的直接利用或修改后再利用，使得中医不用再手写处方，大大降低了劳动强度，同时也提高了效率。

作为上述实施例的一种改进，本发明实施例提供另一种基于大数据的中医处方智能推荐系统的框图，如图2所示，该系统包括：

采集单元，用于采集患者的诊断信息，并将诊断信息发送至处方获取单元；

处方获取单元，用于根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方。

进一步的，采集单元，包括：

诊断模块，用于中医对患者进行的诊断，获取诊断信息，并将诊断信息发送至处方获取单元；

客户端模块，用于将患者输入的病症作为患者的诊断信息，并将诊断信息发送至处方获取单元。

容易理解的是，采集单元还可以包括语音模块；该语音模块用于将中医对患者进行的诊断后获取的诊断信息通过该语音模块发送至处方获取单元，和/或，该语音模块，用于患者通过语音模块将自身病症发送者处方获取单元。

例如，假设患者甲生病后不愿意去医院或诊所等就诊，可以将自己的至少包括头部的照片、姓名、年龄、性别、是否已婚、病史和病症等可以但不限于通过打字或语音输入到客户端，作为诊断信息；患者甲也可以通过智能穿戴设备和远程问诊获取诊断信息；

假设患者甲生病后愿意去医院或诊所等就诊，中医对患者甲进行望闻问切四诊之后，将患者的画像、姓名、年龄、性别、是否已婚、病史、患者自述病症和患者其他特征等诊断信息可以但不限于通过电脑键盘打字或语音输入到该系统；

需要说明的是，本发明实施例中涉及的“智能穿戴设备”和“远程问诊”方式，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。

进一步可选的，一些实施例中，处方获取单元，包括：

第一获取模块，用于以历史的患者的诊断信息为因果预测模型的输入层训练样本，以历史的患者的诊断信息对应的历史处方为因果预测模型的输出层训练样本进行训练，获取待用的因果预测模型；

第二获取模块，用于随机抽取若干个历史的患者的诊断信息为待用的因果预测模型的输入，获取与若干个历史的患者的诊断信息对应的推荐处方；

判断模块，用于若若干个历史的患者的诊断信息对应的推荐处方中存在某个历史的患者的诊断信息对应的推荐处方与若干个历史的患者的诊断信息对应的历史处方不一致，则返回第一获取模块；若若干个历史的患者的诊断信息对应的推荐处方与若干个历史的患者的诊断信息对应的历史处方一致，则待用的因果预测模型为预先建立的因果预测模型。

一些可选实施例中，参见表1历史患者的诊断信息和处方，患者的诊断信息可以但不限于包括患者画像、姓名、年龄、性别、是否已婚、病史、患者自述病症、患者其他特征、脉象、诊断症状、主症和证型；处方可以但不限于包括脉象、诊断症状、主症和证型。

表1历史患者的诊断信息和处方

例如，令2018年这一年的患者的诊断信息为因果预测模型的输入层训练样本，令2018年这一年的患者的诊断信息对应的历史处方为因果预测模型的输出层训练样本进行训练，获取待用的因果预测模型；

随机抽取2018年这一年中20个患者的诊断信息为待用的因果预测模型的输入，获取与该20个患者的诊断信息对应的推荐处方；

若该20个患者的诊断信息对应的推荐处方中存在某个患者的诊断信息对应的推荐处方与该20个患者的诊断信息对应的历史处方不一致，则重新训练因果预测模型，直至随机选取的历史的患者的诊断信息对应的推荐处方与历史的患者的诊断信息对应的历史处方一致；

若该20个患者的诊断信息对应的推荐处方与该20个患者的诊断信息对应的历史处方一致，则该待用的因果预测模型为预先建立的因果预测模型。

进一步可选的，一些实施例中，处方获取单元，具体用于：

以患者的诊断信息为预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

一些可选实施例中，参见图3，获取的推荐处方有三种情况，第一种，99.9％的概率是患者本人的历史处方，99.9％的概率是中医本人的历史处方；第二种，有99.5％的概率是中医本人的历史处方，有99.5％的概率是其他患者的同类历史处方；第三种，有98.5％的概率是其他中医的历史处方，有98.5％的概率是其他患者的同类历史处方。

需要说明的是，本发明实施例中涉及的“置信区间”，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。

例如，中医A获取患者丙的诊断信息后，将患者丙的诊断信息为预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取与患者丙的诊断信息对应推荐处方。

进一步可选的，一些实施例中，该系统还包括数据库；

数据库用于存储历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

进一步可选的，一些实施例中，该系统还包括更新单元；

更新单元，用于更新数据库中的历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

例如，假设中医通过预先建立的因果预测模型获取与患者乙的诊断信息对应的推荐处方后，需要在推荐处方的基础上进行修改，才能确定患者乙的最终处方，则获取最终处方后，更新单元会将患者乙的诊断信息和最终处方存储到基于大数据的中医处方智能推荐系统的数据库中，从而实现数据库的更新；

假设中医通过预先建立的因果预测模型获取与患者乙的诊断信息对应的推荐处方后，不需要在推荐处方的基础上进行修改，则该推荐处方即为患者乙的最终处方，获取最终处方后，更新单元会将患者乙的诊断信息和最终处方存储到基于大数据的中医处方智能推荐系统的数据库中，从而实现数据库的更新。

本实施例提供的基于大数据的中医处方智能推荐系统，通过利用数据库和更新单元将中医的诊断信息和处方记录并保存，使得中医传承得以继承和保存；通过根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方，中医通过对推荐处方的直接利用或修改后再利用，实现了中医不用再手写处方，大大降低了劳动强度，节省了时间，提高了效率。

为配合实现上述基于大数据的中医处方智能推荐系统，本发明实施例提供一种基于大数据的中医处方智能推荐系统的控制方法，参照图4，该方法可以但不限于用于终端中，包括以下步骤：

步骤101：利用采集单元采集患者的诊断信息，并将患者的诊断信息发送至处方获取单元；

步骤102：根据患者的诊断信息，利用处方获取单元获取推荐处方；

步骤103：根据推荐处方获取患者的最终处方。

例如，假设患者小明去医院就诊，李中医所在工位的电脑上安装有基于大数据的中医处方智能推荐系统，则李中医对通过对患者小明进行闻问切四诊之后，获取患者的诊断信息，并通过电脑键盘输入或者语音输入到采集单元；采集单元将患者小明的诊断信息发送至处方获取单元，处方获取单元根据患者小明的诊断信息获取推荐处方；李中医再根据推荐处方敲定患者小明的最终处方；

假设患者小明去不想医院或诊所就诊，李中医所在工位的电脑上安装有基于大数据的中医处方智能推荐系统，假设患者小明从客户端中选择李中医就诊，则患者小明需要将自己的病症打字或语音输入到客户端，该客户端将患者小明的病症发送至采集单元，采集单元将患者小明输入的病症作为诊断信息发送至处方获取单元；处方获取单元根据患者小明的诊断信息获取推荐处方；李中医再根据推荐处方敲定患者小明的最终处方；

假设患者小明想去药店直接拿药，则患者小明需要将自己的病症通过打字或语音输入到客户端，也可以结合智能穿戴设备或远程问诊获取自身的病症，该客户端将患者小明的病症发送至采集单元，采集单元将患者小明输入的病症作为诊断信息发送至处方获取单元；处方获取单元根据患者小明的诊断信息获取推荐处方；该推荐处方经过执业中医师或执业中药师签字确认之后，即可去药店直接拿药；

需要说明的是，本发明实施例中涉及的“智能穿戴设备”和“远程问诊”方式，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。

一些可选实施例中，患者的诊断信息可以但不限于包括患者画像、姓名、年龄、性别、是否已婚、病史、患者自述病症、患者其他特征、脉象、诊断症状、主症和证型；处方可以但不限于包括脉象、诊断症状、主症和证型。

进一步可选的，一些实施例中，步骤102，包括：

以患者的诊断信息为预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

例如，假设采集单元将患者小红的诊断信息发送到了处方获取单元，则处方获取单元以患者小红的诊断信息为预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

需要说明的是，本发明实施例中涉及的“置信区间”，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。

进一步可选的，一些实施例中，步骤103，包括：

若中医需要对推荐处方进行修改，则修改后的推荐处方为患者的最终处方；

若中医不需要对推荐处方进行修改，则推荐处方为患者的最终处方。

例如，假设张中医获取到了与患者李四的诊断信息对应的推荐处方，张中医对该推荐处方进行一番查看后，发现需要对该推荐处方进行一些修改，则张中医修改后的推荐处方为患者李四的最终处方；

假设张中医获取到了与患者李四的诊断信息对应的推荐处方，张中医对该推荐处方进行一番查看后，发现不需要对该推荐处方进行一些修改，该推荐处方为患者李四的最终处方。进一步可选的，一些实施例中，该方法还包括步骤104：

利用更新单元将患者的诊断信息和患者的最终处方存储到数据库。

例如，刘中医最终敲定了与患者张三的诊断信息对应的最终处方，则更新单元会将患者李四的诊断信息和患者李四的最终处方存储数据库，从而实现了对数据库的更新。

需要说明的是，上述基于大数据的中医处方智能推荐系统的控制方法的实施例中，只是示例性的给出了一些实施例中的步骤实现顺序，并非对各个步骤流程的限定，在实际工程中，本领域技术人员可根据需要，对本实施例各个步骤进行调整，此处不再赘述。

本实施例提供的基于大数据的中医处方智能推荐系统的控制方法，通过利用数据库和更新单元将中医的诊断信息和处方记录并保存，使得中医传承得以继承和保存；通过根据患者的诊断信息，利用预先建立的因果预测模型获取推荐处方，中医通过对推荐处方的直接利用或修改后再利用，实现了中医不用再手写处方，大大降低了劳动强度，节省了时间，提高了效率。

本发明实施例还提供一种设备包括：控制器；以及

基于大数据的中医处方智能推荐系统。

该设备可以但不限于包括手机、电脑和平板。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于大数据的中医处方智能推荐系统，其特征在于，所述系统包括：

采集单元，用于采集患者的诊断信息，并将所述诊断信息发送至处方获取单元；

处方获取单元，用于根据所述患者的诊断信息，利用预先建立的因果预测模型获取推荐处方。

2.根据权利要求1所述的系统，其特征在于，所述采集单元，包括：

诊断模块，用于中医对所述患者进行的诊断，获取诊断信息，并将所述诊断信息发送至处方获取单元；

客户端模块，用于将患者输入的病症作为患者的诊断信息，并将所述诊断信息发送至处方获取单元。

3.根据权利要求1所述的系统，其特征在于，所述处方获取单元，包括：

第一获取模块，用于以历史的患者的诊断信息为因果预测模型的输入层训练样本，以历史的患者的诊断信息对应的历史处方为因果预测模型的输出层训练样本进行训练，获取待用的因果预测模型；

第二获取模块，用于随机抽取若干个历史的患者的诊断信息为所述待用的因果预测模型的输入，获取与所述若干个历史的患者的诊断信息对应的推荐处方；

判断模块，用于若所述若干个历史的患者的诊断信息对应的推荐处方中存在某个历史的患者的诊断信息对应的推荐处方与所述若干个历史的患者的诊断信息对应的历史处方不一致，则返回第一获取模块；若所述若干个历史的患者的诊断信息对应的推荐处方与所述若干个历史的患者的诊断信息对应的历史处方一致，则所述待用的因果预测模型为预先建立的因果预测模型。

4.根据权利要求1所述的系统，其特征在于，所述处方获取单元，具体用于：

以所述患者的诊断信息为所述预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

5.根据权利要求1所述的系统，其特征在于，所述系统还包括数据库；

所述数据库用于存储历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

6.根据权利要求1所述的系统，其特征在于，所述系统还包括更新单元；

所述更新单元，用于更新数据库中的历史的患者的诊断信息和历史的患者的诊断信息对应的处方。

7.一种根据权利要求1-6任一项所述的基于大数据的中医处方智能推荐系统的控制方法，其特征在于，所述方法包括：

利用采集单元采集患者的诊断信息，并将所述患者的诊断信息发送至处方获取单元；

根据所述患者的诊断信息，利用处方获取单元获取推荐处方；

根据所述推荐处方获取所述患者的最终处方。

8.根据权利要求7所述的方法，其特征在于，所述根据所述患者的诊断信息，利用处方获取单元获取推荐处方，包括：

以所述患者的诊断信息为所述预先建立的因果预测模型的输入，在置信度为99％的置信区间内获取推荐处方。

9.根据权利要求7所述的方法，其特征在于，所述根据所述推荐处方获取所述患者的最终处方，包括：

若中医需要对推荐处方进行修改，则修改后的推荐处方为所述患者的最终处方；

若中医不需要对推荐处方进行修改，则所述推荐处方为所述患者的最终处方。

10.根据权利要求7所述的方法，其特征在于，所述根据所述推荐处方获取所述患者的最终处方之后，还包括：

利用更新单元将所述患者的诊断信息和所述患者的最终处方存储到数据库。

Images