CN111415719A - 患者用药教育的推送方法及装置、电子设备及介质 - Google Patents
患者用药教育的推送方法及装置、电子设备及介质 Download PDFInfo
- Publication number
- CN111415719A CN111415719A CN202010212457.4A CN202010212457A CN111415719A CN 111415719 A CN111415719 A CN 111415719A CN 202010212457 A CN202010212457 A CN 202010212457A CN 111415719 A CN111415719 A CN 111415719A
- Authority
- CN
- China
- Prior art keywords
- patient
- education
- medication
- medication education
- pharmacy
- 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.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 306
- 229940079593 drug Drugs 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000010586 diagram Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 26
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 26
- 238000004891 communication Methods 0.000 description 13
- 208000024891 symptom Diseases 0.000 description 10
- 238000011282 treatment Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 8
- 230000003993 interaction Effects 0.000 description 6
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 102000004877 Insulin Human genes 0.000 description 4
- 108090001061 Insulin Proteins 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 229940125396 insulin Drugs 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- LXMSZDCAJNLERA-ZHYRCANASA-N spironolactone Chemical compound C([C@@H]1[C@]2(C)CC[C@@H]3[C@@]4(C)CCC(=O)C=C4C[C@H]([C@@H]13)SC(=O)C)C[C@@]21CCC(=O)O1 LXMSZDCAJNLERA-ZHYRCANASA-N 0.000 description 3
- 229960002256 spironolactone Drugs 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 2
- 229960003105 metformin Drugs 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000002552 dosage form Substances 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 210000004220 fundus oculi Anatomy 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本说明书提供一种患者用药教育的推送方法及装置、电子设备及介质。所述患者用药教育的推送方法包括:获取患者的个人信息;根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送。这样的推送方法,仅需利用患者的个人信息和预设的药学知识图谱即可得到对应的用药教育资源,极大的提高了患者用药教育的针对性,有利于提高患者的依从性。
Description
技术领域
本说明书一个或多个实施例涉及计算机技术领域,尤其涉及一种患者用药教育的推送方法及装置、电子设备及介质。
背景技术
患者用药教育(Patient Medication Education,简称PME)是指通过直接与患者及其家属交流,解答用药疑问,介绍药物和疾病知识,提供用药咨询服务。患者用药教育涉及到药物治疗全流程的所有信息,既包括用法用量等药物一般信息,又包括相互作用、临床路径、药物合用等专门知识,涉及到医师、药师、护士及患者等多个环节。此外提高患者依从性的所有方法和措施均属于患者用药教育的内容。
目前我国患者用药教育由于起步较晚,在理论和体制保证方面还不够完善,用药安全教育的形式也比较单一,主要采用编写科普文章和医药相关知识问答、以及医疗机构和社会药房印发的合理用药宣传资料等,这样的方式由于缺乏针对性,难以达到提高患者依从性的目标。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种患者用药教育的推送方法及装置、电子设备及介质,以解决现有技术中患者用药教育缺乏针对性的问题。
基于上述目的,本说明书一个或多个实施例的第一个方面,提供了一种患者用药教育的推送方法,包括:
获取患者的个人信息;
根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;
获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;
基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送。
进一步的,根据所述患者的个人信息,确定患者用药教育网络的步骤,具体包括:
将所述患者的个人信息进行预处理,得到标准患者个人信息;
通过专家规则和算法模型处理所述标准患者个人信息,得到所述患者用药教育网络。
进一步的,所述算法模型包括聚类模型。
进一步的,所述基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送的步骤,包括:
将所述患者用药教育实体匹配至所述药学知识图谱中的实体;
结合患者用药教育关系和药品教育资源路径,在所述药学知识图谱中利用图查询获取所述用药教育资源并推送。
进一步的,还包括:
获取用药教育数据并抽取得到药学知识;其中,所述药学知识的表示采用基于本体表示方法构建的模式图;
对所述药学知识进行融合得到规范药学知识;
基于所述规范药学知识,利用规则推理和案例推理,得到推理药学知识;
对所述推理药学知识进行质量评估,基于质量评估结果得到药学知识图谱。
进一步的,所述药品教育资源路径包括资源元路径,所述资源元路径基于所述药学知识图谱对应的网络模型构建。
进一步的,还包括:
获取药学随访评测信息;
根据所述药学随访评测信息,更新患者的个人信息。
本说明书一个或多个实施例的第二个方面,还提供一种患者用药教育的推送装置,包括:
获取信息模块,被配置为:获取患者的个人信息;
处理信息模块,被配置为:根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;
获取药品教育资源路径模块,被配置为:获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;
推送用药教育资源模块,被配置为:基于所述患者用药教育网络和药品教育资源路径,查找药学知识图谱中匹配的用药教育资源并推送。
本说明书一个或多个实施例的第三个方面,还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如前述任一所述的推送方法。
本说明书一个或多个实施例的第四个方面,还提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如前任一所述推送方法。
从上面所述可以看出,本说明书一个或多个实施例提供的患者用药教育的推送方法,通过患者的个人信息确定患者用药教育网络,基于患者用药教育网络和药品教育资源路径,查找药学知识图谱中匹配的用药教育资源并推送的方式,实现针对患者个人的用药教育资源推送,极大的提供了患者用药教育的针对性,有利于提高患者的依从性。此外,本说明书提供的推送方法,仅需利用患者的个人信息和药学知识图谱即可得到对应的用药教育资源,无需药师的参与,更加智能化,且有利于医院节约人力成本。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书一个或多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的患者用药教育的推送方法的流程示意图;
图2为本说明书一个或多个实施例提供的获取患者用药教育网络的流程示意图;
图3为本说明书一个或多个实施例提供的患者用药教育网络的结构示意图。
图4为本说明书一个或多个实施例提供的获取用药教育资源的流程示意图;
图5为本说明书一个或多个实施例提供的构建药学知识图谱的流程示意图;
图6为本说明书一个或多个实施例提供的本体表示方法构建的模式图的结构示意图;
图7为本说明书一个或多个实施例提供的基于药学知识图谱的网络模式结构示意图;
图8为本说明书一个或多个实施例提供的患者用药教育推送装置的结构示意图;
图9为本说明书一个或多个实施例提供的电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
早在1997年,美国卫生系统药师协会(American Society of Health-SystemPharmacists,简称ASHP)明确规定了患者用药教育的目的、背景、药师具备的专业技能、药师和患者的角色、教育步骤等,如今相同模式的患者用药教育已涉及糖尿病、心血管疾病、癌症、精神疾病等多个领域。
相比于美国,我国患者用药教育起步较晚,所采用编写科普文章和医药相关知识问答等方式,未结合患者的年龄、文化水平、对自身疾病关注程度、对药师的信任度依存度以及患者过去医疗经历等信息,导致无法达到提高患者依从性等目标。
此外,由于患者用药教育涉及医师、药师、护士及患者等多个环节,必然要求执行患者用药教育的药师不仅熟悉相关知识储备、具备良好的综合分析能力,而且要求药师具有高超的沟通、交流能力,基于此,药师的个人能力直接影响患者用药教育的效果。
由此,本说明书一个或多个实施例的第一个方面,提供一种患者用药教育的推送方法,能够解决现有技术中患者用药教育缺乏针对性,难以达到提到患者依从性的目标的技术问题。
如图1所示,为本说明书一个或多个实施例提供的患者用药教育的推送方法的流程示意图。所述患者用药教育的推送方法,具体包括:
步骤101:获取患者的个人信息。
需要说明的是,患者的个人信息包括既往用药史、依从性评估、随访记录和医院信息系统(Hospital Information System,简称HIS)记录的信息等。应当理解的,所述既往用药使、依从性评估、随访记录等信息通过药师跟踪患者就诊,向医生、护士、患者、患者家属采集获取。特别说明的是,若医院信息系统包括前述信息,则无需药师专门采集获取。对于医院信息系统的记录内容,例举如下:个人基本信息、疾病信息、医嘱信息、用药咨询信息等。
可选的,所述患者的个人信息可以由外部直接获取,也可以由患者的个人信息库中获取。这里,所述患者的个人信息库,按维度存储所述患者的个人信息。所述维度包括患者维度、药物或治疗方案维度、医疗环境及医务人员维度、其他维度等。其中,患者维度,包括但不限于患者未认识治疗益处、缺乏疾病知识、不了解疾病的严重性、受教育程度低对医嘱不理解;药物或治疗方案维度,包括但不限于治疗方案复杂、联合用药品种多、疗程过长、不接受给药途径或给药方式、药物剂型不宜服用、药物有不良气味、畏惧药物不良反应;医疗环境及医务人员维度,包括但不限于患者及家属对医务人员缺乏信任、患者缺乏社会支持,没有准确清晰的用药指导、医患之间沟通不满意;其他维度,包括但不限于疾病类型和经济状况。
步骤102:根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系。
这里,所述患者用药教育实体包括疾病、药品等,实体的具体内容取决于患者的个人信息,例如患者患有二型糖尿病和高血压,使用药品包括注射胰岛素和螺内酯,则对应的实体包括二型糖尿病、高血压、注射胰岛素、螺内酯。
所述患者用药教育关系表示患者用药教育实体之间的关系或属性等,例如螺内酯治疗高血压,这里不再一一例举。
这样的方式,利用患者个人信息,能够获得更加准确的患者用药教育网络,该患者用药教育网络和患者的个人信息高度匹配,有利于保障后续据此得到的用药教育资源的精确性。
步骤103:获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建。
这里,预设的药学知识图谱包括疾病、症状、药品和用药教育资源及其关系,其中,所述用药教育资源包括药品的用法用量、药物疗程、药物相互作用、不良反应、漏服对策等。
基于预设的药学知识图谱构建的药品教育资源路径,包括疾病至药品教育资源、药品至药品教育资源等各种涉及药品教育资源的路径,例如药品教育资料—>药品—>症状—>疾病、药品—>药品教育资料等。
步骤104:基于所述患者用药教育网络和药品教育资源路径,查找药学知识图谱中匹配的用药教育资源并推送。
应当理解的,所述患者用药教育网络的患者用药教育实体包括疾病、药品,但是不涉及用药教育资源。因此,利用基于药学知识图谱构建的药品教育资源路径,能够建立所述患者用药教育网络和与所述药学知识图谱中药品教育资源的联系,进而匹配得到与所述患者用药教育网络相对应的用药教育资源,能够提高推送结果的精确性、多样性和可解释性,由此能够极大提高患者对医嘱的信任度和依从性。此外,将复杂的文字表述以图谱的形式表示,更加容易理解,提高患者的用药教育感受。
可选的,所述用药教育资源的推送方式,可以是在药学知识图谱中高亮显示对应的药品教育资源的形式推送,以便患者患者不仅能够查看用药教育资源的内容本身,还能够借助药学知识图谱了解用药教育内容的来源、理由等,也就是患者知其然也知其所以然。当然,任何能够便于患者了解用药教育资源的推送方式均能够适用于本说明书的实施例,在此不做限定。
从上述实施例的描述可知,本说明书一个或多个实施例提供的患者用药教育的推送方法,根据患者的个人信息,得到患者用药教育网络;基于所述患者用药教育网络和药品教育资源路径,查找药学知识图谱中匹配的用药教育资源并推送,能够实现动态自适应的出给每个患者的用药教育资源,极大提高患者用药教育的精准性,有助于提高患者的信任度和依从性,纠正患者对药物的错误认知,有效控制病情的发展,促进临床合理用药、提高药效,满足医院药学从“药品保障”转向“全方位药学服务”的需求。
此外,本说明书实施例提供的患者用药教育的推送方法,无需药师根据个人知识、经验、能力确定患者用药教育方案,减少了人工专家的工作量,能够极大降低医院的人力成本。
如图2所示,在本实施例的一些可选的实现方式中,根据所述患者的个人信息,确定患者用药教育网络的步骤,具体包括:
步骤201:将所述患者的个人信息进行预处理,得到标准患者个人信息
如前所述,所述患者的个人信息包括既往用药史、依从性评估、随访记录和医院信息系统记录的信息等。这些信息通常是有药师、医生等记录形成,因此除部分表格选项外,包含大量自然语言的表述,对所述个人信息进行预处理,得到标准患者个人信息,能够利于后续利用专家规则和算法模型使用。
可选的,所述预处理包括删除停用词、无关标点、重复信息,统一表述,根据信息来源对矛盾信息进行取舍等。
步骤202:通过专家规则和算法模型处理所述标准患者个人信息,得到所述患者用药教育网络。
需要说明的是,所述患者用药教育网络可以定义为TG=(V,R),其中,V代表患者用药教育实体的集合(如疾病、药品名称等),R代表患者用药教育关系的集合(如药品相互作用,临床路径等)。为便于理解,根据专利规则和算法模型处理后,所述患者用药教育网络中的实体包括二型糖尿病、眼底病变、注射胰岛素、二甲双胍,关系包括治疗、并发症,由此患者用药教育网络可以表示成如图3所示的网络结构,本领域技术人员能够理解的,所述患者用药教育网络能够转化为向量的方式表示,这里不再列举。
本步骤中,所述专家规则包括专业医生参与、总结形成的规则、结论等。例如,对于年龄信息的分类规则,设定大于60岁对应老年组。
在本说明书的一些实施例中,所述算法模型包括词向量模型,所述词向量模型可以是word2vec、glove、ELMo和BERT等。利用词向量模型,能够将个人信息中的自然语言词汇转化为稠密的向量,相似的词会有相似的向量表示,这样的转化方便挖掘文字中词语和句子之间的特征,实现患者的个人信息的向量化表示,以便于利用机器算法进行统计、分类等处理,例如聚类分析。应当理解的,利用词向量模型实现自然语言的向量化表示,是语言处理领域常规的技术手段,这里不再详述。
进一步的,所述算法模型还包括聚类模型。所述聚类模型包括层次聚类、k均值聚类和k中心点聚类、高斯混合模型、隐马尔可夫模型等。通过这样聚类分析,实现对患者的个人信息的聚类,得到患者用药教育的多个实体和患者用药教育的多个关系,其中,多个实体的集合对应患者用药教育的实体集合,多个关系的集合对应患者用药教育的关系集合。
应当理解的,任何能够实现自然语言向量化、聚类分析的算法均能够适用于本步骤,这里不做具体的限定。
如图4所示,在本说明书的一个或多个实施例中,所述基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送的步骤,具体包括:
步骤301:将所述患者用药教育实体匹配至所述药学知识图谱中的实体。
需要说明的是,患者用药教育实体来源于患者的个人信息,鉴于患者的个人信息对于疾病、药品等可能存在非标准的表达,因此本步骤中可以采用如下的方法进行匹配:
在所述药学知识图谱中,以患者用药教育实体为关键词进行检索,若检索成功,则直接进行匹配;若检索失败,则基于语义匹配,将所述患者用药教育实体和所述药学知识图谱中的实体进行匹配,若仍无法匹配,则可以对该患者用药教育实体进行标记并发出相关提示信息,以便核对患者的个人信息表述或者更新药学知识图谱,同时在患者用药教育实体集合中剔除该实体,以便后续步骤正常进行。
结合前述患者的个人信息,将二型糖尿病、眼底病变、注射胰岛素、二甲双胍分别匹配药学知识图谱中的对应实体。
应当理解的,所述患者用药教育实体集合中包括多个患者用药教育实体,因此个别患者用药教育实体无法匹配,并不影响用药教育资源的推送。
步骤302:结合患者用药教育关系和药品教育资源路径,在所述药学知识图谱中利用图查询获取所述用药教育资源并推送。
本步骤中,药品教育资源路径包括药品-药品教育资源、疾病-药品-药品教育资源等与药品教育资源相关的路径。将患者用药教育关系和药品教育资源路径相结合,能够建立患者用药教育实体和药品教育资源之间的关系,进而通过图查询获取用药教育资源。
进一步的,所述图查询可以是广度优先搜索、深度优先搜索。可选的,以和患者用药教育实体匹配的药学知识图谱中的实体为顶点,以患者用药教育关系结合药学教育资源路径为边,进行图查询。
这样的技术方案,以用药教育实体集合中的实体查找所述药学知识图谱对应的实体,通过用药教育关系集合中的关系和药品教育资源路径,建立患者用药教育实体和药品教育资源之间的关系,并据此进行查找,有利于保障后获取的用药教育资源的针对性、精准可靠性,并且整个过程高度智能化,无需人为干预。
预设的药学知识图谱是决定向患者推送用药教育资源质量的关键因素,利用知识图谱技术,将大量的药品、疾病等具有不同结构的数据组成系统的、综合的、直观可视的药学知识图谱,是实现患者用药教育能够快速综合分析的基础。参考图5,在本说明书的一个或多个实施例中,还包括构建所述药学知识图谱的步骤,具体包括:
步骤401:获取用药教育数据并抽取得到药学知识;其中,所述药学知识的表示采用基于本体表示方法构建的模式图。
本步骤中,基于本体表示方法构建的模式图,具体为借鉴国外已有医学知识本体库,例如医学概念知识库Link Base,TAMBIS本体库(Tao等),结合本领域专家的经验,利用本体表示方法构建形成,其结构如图6所示。
这里,用药教育数据包括临床路径、药品说明书、相互作用以及相关教育资源。
进一步的,对用药教育数据进行药学知识抽取包括实体抽取、关系抽取以及属性抽取。可选的,对于结构化数据库,由于各项之间存在明确的对应关系,可以将其各项根据适当的映射语言转化为基于本体表示方法构建的模式图中。可选的,针对半结构化和非结构化的数据主要通过基于药学词典、医学词典及规则的方式进行提取。
实体抽取的方法还可以是基于统计机器学习的方法和基于深度学习的方法。基于统计机器学习的方法主要包括:隐马尔可夫模型(HiddenMarkovModel HMM)、最大熵(MaxmiumEntropy,ME)、支持向量机(Support VectorMachine,SVM)、条件随机场(Conditional Random Fields,CRF)等。基于深度学习的方法包括:循环神经网络(Recurrent Neural Networks,RNN)、长短记忆(Long Short Term Memory,LSTM)等。
关系抽取的方法也可以是机器学习的方法,例如监督学习、半监督学习以及无监督学习。
需要特别说明的是,实体抽取和关系抽取可以分别采用不同的方法实现,也可以采用基于神经网络的端对端模型同时实现。
应当理解的,以上药学知识的抽取方法是例举式的,并不用于限定本发发明的实现,现有技术中用于知识抽取的方法,均能够用于本实施例。
步骤402:对所述药学知识进行融合得到规范药学知识。
需要说明的是,对药学知识进行融合,包括实体对齐和知识库融合。例如,在专家监督下对本体进行扩展和补全,当来自不同知识源的数据出现冲突时,综合考虑知识源的可靠性以及不同信息在各知识源出现的频次等因素,选择可靠的数据用于药学知识图谱的构建。
步骤403:基于所述规范药学知识,利用规则推理和案例推理,得到推理药学知识。可以理解的,所述推理药学知识包括规范药学知识,以及经推理得到的新药学知识。
这里,主要方法为基于规则推理(Rule-based Reasoning,RBR)和基于案例推理(Case-Based Reasoning,CBR)。其中,规则推理,可以根据特定的场景定制规则,以实现自定义的推理过程。案例推理是通过寻找与之相似的历史案例,利用已有经验或结果中的特定知识即具体案例来解决新问题,例如,可以综合卫健委发布的临床路径以及相关诊疗路径为患者提供更加准确的用药建议。
通过适当的推理,能够增量式扩展药学知识,使得药学知识图谱的内容更加丰富。
步骤404:对所述推理药学知识进行质量评估,基于质量评估结果得到药学知识图谱。
需要说明的是,推理药学知识不可避免存在错误,因此对推理药学知识进行质量评估,有利于保障药学知识图谱的科学性、准确性。具体地,所述质量评估的方法可以是利用本体设计原则、领域专家审查评估等。例如,设置等级警告如与处方相关的警报包括抗生素—微生物不匹配警报、用药过敏警报、非推荐的经验性抗生素治疗警报、治疗方案—症状间不匹配警报等。
通过这样自顶向下的方式构建药学知识图谱,借助知识图谱对于异构数据的组织能力,实现药学知识系统化。由前述方法得到的所述药学知识图谱,其基本结构包括数据资源层、逻辑关系层和节点显示层。其中,数据资源层主要包括临床路径、药品说明书、相互作用以及相关教育资源,逻辑关系层把数据资源与专家经验整合形成知识本体模型,节点显示层把实体、关系用图谱的形式可视化的展示给用户,使用户可以进行知识网络探索,便于用户接受。
药学知识图谱包括多种类型的实体、关系和属性,例如疾病、药品属于不同的类型实体,因此药学知识图谱属于异构信息网络。进一步挖掘所述药学知识图谱中的潜在关系,得到扩展性和可解释性更佳的药品教育资源路径,将大大提高患者用药教育的有效性。
在本说明书的一些实施例中,所述药品教育资源路径包括资源元路径,所述资源元路径基于所述药学知识图谱对应的网络模型构建。例如,所述资源元路径可以是药品—>药品教育资料。
对于网络模型,以图6所示的药学知识图谱的模式图为例,所述药学知识图谱对应的网络模型具有如图7所示的结构。对于图7的网络模型可以解释如下:实体包括疾病、症状、药品以及药品教育资源,其关系包括疾病和症状之间、症状和药品之间、药品和药品教育资源之间,以及不同药品之间、不同症状之间。
虽然药学知识图谱中包括多种关系,但是仍有部分关系在药学知识图谱中未体现,例如疾病和疾病之间存在并发症的关系。基于此,作为一个可选的实施例,所述网络模型还包括专家路径,所述专家路径由专业医生参与审核修订、补充实体之间的关系形成专家路径。这样的方式将有利于保证医学严谨性,补充后将包括疾病和疾病之间的关系,进行有利于得到新的资源元路径,例如药品教育资料—>药品—>症状—>疾病—>并发症—>症状—>药品—>药品教育资料。当然,专业医生也可以通过参与药学知识图谱的构建,通过在药学知识图谱中添加对应关系,使其形成对应元路径的方式实现对实体间关系的补充。
应当理解的,基于所述药学知识图谱的网络模型,能够确定多条资源元路径,例如药品教育资料—>药品—>症状—>疾病、药品—>药品教育资料等。
基于此,利用资源元路径的顺序依赖关系,能够在限定路径上进行有效推理,具有更加丰富、多样的网络结构,拓展性好和可解释性强,充分扩展了药学知识图谱中实体间的潜在的关系,有利于对患者进行完整、全面的用药教育。
由于患者的个人信息是不断变化的,因此理想状态下,患者的用药教育是一个持续的过程。为了保障每一次患者用药教育的精确性,在本说明书的一个或多个实施例中,所述患者用药教育的推送方法,还包括:
获取药学随访评测信息;
根据所述药学随访评测信息,更新患者的个人信息。
这里,药学随访评测信息能够了解患者在一定时间内和用药相关的各种信息,包括但不限于疾病变化、用药效果等。根据药学随访评测的结果,挖掘各维度的信息并更新至所述患者的个人信息或者存储于患者的个人信息库,有利于再次对患者进行用药教育时,确保患者的个人信息的有效性。
为便于本领域技术人员理解,举例说明如下:患者一直患有二型糖尿病,近期患者又确认患有冠心病,由此冠心病添加至患者的个人信息,构成患者当前的个人信息,以使对患者用药教育包括二型糖尿病和冠心病相关的内容。
对于保障患者用药教育的精确性,除了前述更新患者的个人信息之外,还需要不断完善药学知识图谱、补充专家路径等。由此,在本说明书的一个或多个实施例中,所述方法还包括:
基于药学随访评测信息或更新的药品教育数据资源,更新药学知识谱图、专家路径。
药学知识图谱的建立基于用药教育数据资源,随着疾病机理研究的深入、新的药品研发成功,用药教育数据资源不断丰富,相应的,所述药学知识图谱也随着用药教育数据的丰富而不断更新。进一步的,基于更新的所述药学知识图谱,不断修正所述专家路径,能够有效保障所述资源元路径的精准性、多样性、可解释性。
需要说明的是,本说明书一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例的第二个方面,提供一种患者用药教育的推送装置,能够解决现有技术中患者用药教育缺乏针对性,难以达到提到患者依从性的目标的技术问题。如图8所示,为本说明书实施例提供的推送装置,具体包括:
获取信息模块501,被配置为:获取患者的个人信息;
处理信息模块502,被配置为:根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;
获取药品教育资源路径模块503,被配置为:获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;
推送用药教育资源模块504,被配置为:基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
进一步的,所述处理信息模块502,还被配置为:
将所述患者的个人信息进行预处理,得到标准患者个人信息;
通过专家规则和算法模型处理所述标准患者个人信息,得到所述患者用药教育网络。
进一步的,所述所述算法模型包括聚类模型。
进一步的,推送用药教育资源模块504,被配置为:
将所述患者用药教育实体匹配至所述药学知识图谱中的实体;
结合患者用药教育关系和药品教育资源路径,在所述药学知识图谱中利用图查询获取所述用药教育资源并推送。
进一步的,还包括药学知识图谱模块,被配置为:
获取用药教育数据并抽取得到药学知识;其中,所述药学知识的表示采用基于本体表示方法构建的模式图;
对所述药学知识进行融合得到规范药学知识;
基于所述规范药学知识,利用规则推理和案例推理,得到推理药学知识;
对所述推理药学知识进行质量评估,基于质量评估结果得到药学知识图谱。
进一步的,所述药品教育资源路径包括资源元路径,所述资源元路径基于所述药学知识图谱对应的网络模型。
进一步的,还包括:获取信息模块501,还被配置为:
获取药学随访评测信息;根据所述药学随访评测信息,更新患者的个人信息。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
可选的,用药教育的装置可由终端设备实现,终端设备可以是设置于医院大厅、病房中的具体触控、语音交互等功能的计算机设备。用药教育的装置也可以由位于前端(设置于医院大厅、病房等)的交互设备和位于后端(设置于医院机房中)的服务器实现,其中,时序信息的输入、推送的用药教育子图的显示等在交互设备中实现,时序信息模块、用药教育生成模块在服务器中实现,交互设备与服务器通过网络进行通信,该网络可以包括各种连接类型,例如有线、无线通信链路或者光线电缆等等。
图9示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。所述计算机指令用于使所述计算机执行前述任一用药教育的方法。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种患者用药教育的推送方法,其特征在于,包括:
获取患者的个人信息;
根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;
获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;
基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送。
2.根据权利要求1所述的推送方法,其特征在于,根据所述患者的个人信息,确定患者用药教育网络的步骤,具体包括:
将所述患者的个人信息进行预处理,得到标准患者个人信息;
通过专家规则和算法模型处理所述标准患者个人信息,得到所述患者用药教育网络。
3.根据权利要求2所述的推送方法,其特征在于,所述算法模型包括聚类模型。
4.根据权利要求1所述的推送方法,其特征在于,所述基于所述患者用药教育网络和所述药品教育资源路径,查找所述药学知识图谱中匹配的用药教育资源并推送的步骤,包括:
将所述患者用药教育实体匹配至所述药学知识图谱中的实体;
结合患者用药教育关系和药品教育资源路径,在所述药学知识图谱中利用图查询获取所述用药教育资源并推送。
5.根据权利要求1所述的推送方法,其特征在于,还包括:
获取用药教育数据并抽取得到药学知识;其中,所述药学知识的表示采用基于本体表示方法构建的模式图;
对所述药学知识进行融合得到规范药学知识;
基于所述规范药学知识,利用规则推理和案例推理,得到推理药学知识;
对所述推理药学知识进行质量评估,基于质量评估结果得到药学知识图谱。
6.根据权利要求1所述的推送方法,其特征在于,所述药品教育资源路径包括资源元路径,所述资源元路径基于所述药学知识图谱对应的网络模型构建。
7.根据权利要求1所述的推送方法,其特征在于,还包括:
获取药学随访评测信息;
根据所述药学随访评测信息,更新患者的个人信息。
8.一种患者用药教育的推送装置,其特征在于,包括:
获取信息模块,被配置为:获取患者的个人信息;
处理信息模块,被配置为:根据所述患者的个人信息,确定患者用药教育网络;所述患者用药教育网络包括患者用药教育实体和患者用药教育关系;
获取药品教育资源路径模块,被配置为:获取药品教育资源路径;所述药品教育资源路径基于预设的药学知识图谱构建;
推送用药教育资源模块,被配置为:基于所述患者用药教育网络和药品教育资源路径,查找药学知识图谱中匹配的用药教育资源并推送。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的推送方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1至7任一所述推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212457.4A CN111415719A (zh) | 2020-03-24 | 2020-03-24 | 患者用药教育的推送方法及装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212457.4A CN111415719A (zh) | 2020-03-24 | 2020-03-24 | 患者用药教育的推送方法及装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111415719A true CN111415719A (zh) | 2020-07-14 |
Family
ID=71494484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010212457.4A Pending CN111415719A (zh) | 2020-03-24 | 2020-03-24 | 患者用药教育的推送方法及装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415719A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700836A (zh) * | 2021-01-05 | 2021-04-23 | 北京左医科技有限公司 | 基于随访信息的信息推送方法、推送装置以及存储介质 |
CN113257383A (zh) * | 2021-06-16 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN114969557A (zh) * | 2022-07-29 | 2022-08-30 | 之江实验室 | 一种基于多来源信息融合的宣教推送方法和系统 |
CN115083561A (zh) * | 2022-07-08 | 2022-09-20 | 中山大学附属第七医院(深圳) | 基于患者实际需求为导向的用药教育推送方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213202A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for patient and family engagement |
CN106326674A (zh) * | 2016-08-31 | 2017-01-11 | 杭州逸曜信息技术有限公司 | 用药规则信息推送方法 |
US20170124268A1 (en) * | 2014-06-25 | 2017-05-04 | Koninklijke Philips N.V. | System and method to assist patients and clinicians in using a shared and patient-centric decision support tool |
JP2017182769A (ja) * | 2016-10-07 | 2017-10-05 | 株式会社カケハシ | 薬剤師による患者に対する服薬指導を支援するための装置、方法及びプログラム |
US20180308569A1 (en) * | 2017-04-25 | 2018-10-25 | S Eric Luellen | System or method for engaging patients, coordinating care, pharmacovigilance, analysis or maximizing safety or clinical outcomes |
CN109102855A (zh) * | 2018-07-03 | 2018-12-28 | 北京康夫子科技有限公司 | 药物推荐方法 |
CN110110090A (zh) * | 2018-01-09 | 2019-08-09 | 鸿合科技股份有限公司 | 搜索方法、教育搜索引擎系统及装置 |
CN110377755A (zh) * | 2019-07-03 | 2019-10-25 | 江苏省人民医院(南京医科大学第一附属医院) | 基于药品说明书的合理用药知识图谱构建方法 |
CN110675951A (zh) * | 2019-08-26 | 2020-01-10 | 北京百度网讯科技有限公司 | 智能化的疾病诊断方法及装置、计算机设备与可读介质 |
CN110825862A (zh) * | 2019-11-06 | 2020-02-21 | 北京诺道认知医学科技有限公司 | 基于药学知识图谱的智能问答方法及装置 |
-
2020
- 2020-03-24 CN CN202010212457.4A patent/CN111415719A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213202A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for patient and family engagement |
US20170124268A1 (en) * | 2014-06-25 | 2017-05-04 | Koninklijke Philips N.V. | System and method to assist patients and clinicians in using a shared and patient-centric decision support tool |
CN106326674A (zh) * | 2016-08-31 | 2017-01-11 | 杭州逸曜信息技术有限公司 | 用药规则信息推送方法 |
JP2017182769A (ja) * | 2016-10-07 | 2017-10-05 | 株式会社カケハシ | 薬剤師による患者に対する服薬指導を支援するための装置、方法及びプログラム |
US20180308569A1 (en) * | 2017-04-25 | 2018-10-25 | S Eric Luellen | System or method for engaging patients, coordinating care, pharmacovigilance, analysis or maximizing safety or clinical outcomes |
CN110110090A (zh) * | 2018-01-09 | 2019-08-09 | 鸿合科技股份有限公司 | 搜索方法、教育搜索引擎系统及装置 |
CN109102855A (zh) * | 2018-07-03 | 2018-12-28 | 北京康夫子科技有限公司 | 药物推荐方法 |
CN110377755A (zh) * | 2019-07-03 | 2019-10-25 | 江苏省人民医院(南京医科大学第一附属医院) | 基于药品说明书的合理用药知识图谱构建方法 |
CN110675951A (zh) * | 2019-08-26 | 2020-01-10 | 北京百度网讯科技有限公司 | 智能化的疾病诊断方法及装置、计算机设备与可读介质 |
CN110825862A (zh) * | 2019-11-06 | 2020-02-21 | 北京诺道认知医学科技有限公司 | 基于药学知识图谱的智能问答方法及装置 |
Non-Patent Citations (2)
Title |
---|
侯胜超等: "临床药学服务演进路径研究热点与前沿可视化分析", 医药导报, no. 03, 1 March 2016 (2016-03-01) * |
王洪: "京东方在医疗AI应用的探索与实践", 软件和集成电路, no. 07, 15 July 2019 (2019-07-15) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700836A (zh) * | 2021-01-05 | 2021-04-23 | 北京左医科技有限公司 | 基于随访信息的信息推送方法、推送装置以及存储介质 |
CN112700836B (zh) * | 2021-01-05 | 2022-01-28 | 北京左医科技有限公司 | 基于随访信息的信息推送方法、推送装置以及存储介质 |
CN113257383A (zh) * | 2021-06-16 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN113257383B (zh) * | 2021-06-16 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN115083561A (zh) * | 2022-07-08 | 2022-09-20 | 中山大学附属第七医院(深圳) | 基于患者实际需求为导向的用药教育推送方法及系统 |
CN114969557A (zh) * | 2022-07-29 | 2022-08-30 | 之江实验室 | 一种基于多来源信息融合的宣教推送方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saibene et al. | Expert systems: Definitions, advantages and issues in medical field applications | |
Loftus et al. | Artificial intelligence and surgical decision-making | |
CN111415719A (zh) | 患者用药教育的推送方法及装置、电子设备及介质 | |
WO2020147758A1 (zh) | 药品的推荐方法、装置、介质和电子设备 | |
Tu et al. | A practical method for transforming free-text eligibility criteria into computable criteria | |
US11915828B2 (en) | System and method of using machine learning for extraction of symptoms from electronic health records | |
CN111260448A (zh) | 基于人工智能的药品推荐方法及相关设备 | |
CN110880362A (zh) | 一种大规模医疗数据知识挖掘与治疗方案推荐系统 | |
CN110825862B (zh) | 基于药学知识图谱的智能问答方法及装置 | |
CN114765075A (zh) | 药品推荐方法、装置及系统、电子设备及存储介质 | |
CN116013534A (zh) | 一种基于医学指南和数据的临床辅助决策方法及系统 | |
Minutolo et al. | A conversational agent for querying Italian Patient Information Leaflets and improving health literacy | |
Pallini et al. | A meeting of the minds: John Bowlby encounters Jean Piaget | |
Lelong et al. | Building a semantic health data warehouse in the context of clinical trials: development and usability study | |
Weber | Federated queries of clinical data repositories: scaling to a national network | |
CN116383413A (zh) | 基于医疗数据提取的知识图谱更新方法和系统 | |
Sarkar | Methods in biomedical informatics: a pragmatic approach | |
Dascalu et al. | Intelligent platform for the analysis of drug leaflets using NLP techniques | |
Liu et al. | PatientEG dataset: bringing event graph model with temporal relations to electronic medical records | |
Çelik Ertuğrul et al. | A rule-based decision support system for aiding iron deficiency management | |
Kerdprasop et al. | Bridging data mining model to the automated knowledge base of biomedical informatics | |
CN111914153A (zh) | 跟师方法、跟师系统、服务器和存储介质 | |
Lupşe et al. | Harnessing ontologies to improve prescription in pediatric medicine | |
Rush et al. | JSONize: A scalable machine learning pipeline to model medical notes as semi-structured documents | |
Oliver et al. | Introducing the BlendedICU dataset, the first harmonized, international intensive care dataset |
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 |