CN111445976A - 一种智能合理用药系统及方法 - Google Patents
一种智能合理用药系统及方法 Download PDFInfo
- Publication number
- CN111445976A CN111445976A CN202010214836.7A CN202010214836A CN111445976A CN 111445976 A CN111445976 A CN 111445976A CN 202010214836 A CN202010214836 A CN 202010214836A CN 111445976 A CN111445976 A CN 111445976A
- Authority
- CN
- China
- Prior art keywords
- information
- medicine
- rule
- doctor
- drug
- 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 218
- 229940079593 drug Drugs 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 16
- 239000000284 extract Substances 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 206010013710 Drug interaction Diseases 0.000 claims description 6
- 206010020751 Hypersensitivity Diseases 0.000 claims description 6
- 208000026935 allergic disease Diseases 0.000 claims description 6
- 230000007815 allergy Effects 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 6
- 230000036760 body temperature Effects 0.000 claims description 6
- 230000003907 kidney function Effects 0.000 claims description 6
- 230000003908 liver function Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001647 drug administration Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000012550 audit Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006651 lactation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010028813 Nausea Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000022531 anorexia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 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
- G16H20/13—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 delivered from dispensers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种智能合理用药系统及方法,接收医生开具的处方,并根据信息类别进行关键词提取并进行标准化处理后输出;根据所述信息提取模块输出的各类标准化处理后的关键词,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,并输出判断结果。本发明通过人工智能技术手段识别药品说明书和其他文献,自动生成审核判断规则。本发明通过技术手段,去掉复杂的规则配置界面,和繁琐的配置工作,由人工智能自动识别规则,并生成规则模型,自动化处理,并且人工智能训练的标准都是统一的,减少大量的人力成本。本发明提取信息时分区域进行,从而降低了计算机设备的运行负担和维护成本。
Description
技术领域
本发明涉及药品管理技术领域,尤其涉及一种智能合理用药系统及方法。
背景技术
目前国家逐步加强医疗机构对药品使用的管理,减少因为药品使用不当造成的医疗事故,并且整治药品滥用的现象。
合理用药软件就是在此契机上产生的需求和产品。主要核心的功能点是针对医生开具的处方/医嘱进行实时审核,利用系统进行合理性判断。
现有的技术方案是提供规则梳理系统,通过大量的人力去分析药品说明书或者相关文献,然后进行规则识别和输入。现有方法,需要大量的人力和时间来操作,耗费人力和时间成本高,且存在标准无法统一,梳理质量不统一的问题,后续也还需要大量的人力和时间来确认。
发明内容
为了减少药品使用不当使用、滥用的现象,提高药品审核的全面性和准确性,本发明提供一种智能合理用药系统及方法,通过人工智能技术手段识别药品说明书和其他文献,自动生成审核判断规则。以技术手段取代人工操作,大大提高效率,减少标准不统一风险。
为达到上述目的,本发明提供了一种智能合理用药系统,包括信息提取模块和规则判断模块;
所述信息提取模块接收医生开具的处方,并根据信息类别进行关键词提取并进行标准化处理后输出;信息类别包括用药信息、个人信息及诊断信息;
所述规则判断模块根据所述信息提取模块输出的各类标准化处理后的关键词,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,并输出判断结果。
进一步的,用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量和/或给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记、肾功能状况和/或肝功能状况;诊断信息包括血压、脉搏、体温和/或疾病类型。优选的,还包括关键词库,针对同一术语的不同表达形式统一为标准表达后输出。
进一步的,还包括规则生成模块,采集药品说明书中的信息包括药品成分、药品禁忌、药品用法用量、药品规格、给药途径、适应症和/或药物相互作用;采集医生处方中的信息包括用量信息及适应症;采集医学文献中信息包括药品禁忌、药品用法用量、适应症和/或药物相互作用;采集医院自身制定的药品用量规则信息,医保要求的药品最高用量信息;根据采集的信息生成每种药品对应的规则,存入规则库。
进一步的,所述规则生成模块包括预处理单元、索引单元、统计单元、特征抽取单元、分类器以及评价单元;所述预处理单元将文档格式化为设定格式;所述索引单元根据文档信息类别分解文档为多个模块;所述特征抽取单元从文档中抽取出关键词;所述统计单元统计每个文档模块内关键词的数量及与按照药品信息分类的相关概率;所述分类器根据分类的相关概率进行分类;评价单元对分类器的测试结果进行评价反馈,对神经网络模型进行优化。
进一步的,所述规则生成模块采用人工神经网络实现。优选的,所述人工神经网络的训练包括:将多个现有处方按照用药信息、个人信息、诊断信息、医院自身制定的药品用量规则信息以及医保要求的药品最高用量信息,提取关键词进行规则人工标注,形成处方样本库;从样本库中选择样本集对人工神经网络进行训练,从样本库中选择验证集对训练后的人工神经网络进行验证,直至满足精度要求。
进一步的,包括数据层、平台层、应用层以及展现层;
所述信息提取模块和规则判断模块设置在应用层;
所述数据层用于存储数据;
所述平台层实现权限管理、用户管理、服务管理、日志管理、数据管理;
所述展现层用于展示数据及进行人机交互。
进一步的,所述应用层还包括规则输入引擎及数据智能查询/统计引擎;规则输入引擎从医学文献、药品说明、医生处方、医院自身制定的药品用量规则信息以及医保要求的药品最高用量信息中采集信息,针对每种药品建立对应的规则,存入规则库;数据智能查询/统计引擎用于查询规则库中的规则以及统计药品的使用数量、医生的用药数量。
本发明另一方面提供一种智能合理用药审核方法,包括:
S1接收医生开具的处方,并且从医生开具的处方中提取用药信息、个人信息以及诊断信息;
S2根据提取用药信息、个人信息、诊断信息与规则库中的药品规则进行对比,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,如果不存在则进入步骤S3,如果存在则输出相应提示,确认后进入步骤S3;
S3由药师审核医生开具的处方,并进行点评,如果处方合格则患者缴费后进行取药,如果药方不合格则退回到医生重新开具处方。
进一步的,用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量和/或给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记、肾功能状况和/或肝功能状况;诊断信息包括血压、脉搏、体温和/或疾病类型。
进一步的,步骤S2还包括提取医生信息,对医生权限的核查,判断是否具有用药信息中获取的药品使用权限,如果具备则进入步骤S3,如果不具备则输出相应提示,确认后进入步骤S3。优选的,每隔设定时间统计每个医生各种药品的使用数量,统计每个医生药品成分冲突、药品作用重复、药品过量、个人禁忌使用发生情况,并给出统计结果。
本发明的上述技术方案具有如下有益的技术效果:
(1)本发明通过人工智能技术手段识别药品说明书和其他文献,自动生成审核判断规则。本发明通过技术手段,去掉复杂的规则配置界面,和繁琐的配置工作,由人工智能自动识别规则,并生成规则模型,自动化处理,并且人工智能训练的标准都是统一的,减少大量的人力成本。
(2)本发明通过人工神经网络审核处方信息的用药问题,审核精度高,提取信息时分区域进行,从而降低了计算机设备的运行负担和维护成本。
(3)本发明采集用药信息、个人信息、诊断信息、医院自身制定的药品用量规则信息以及医保要求的药品最高用量信息,生成规则,进行用药合理性判断,保证了判断的全面性和准确性。
附图说明
图1是智能合理用药系统所处环节示意图;
图2为智能合理用药系统构成示意图;
图3为智能合理用药系统智能框架示意图;
图4为基于为药品说明只能识别流程图;
图5为智能合理用药审核流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
为了减少药品使用不当使用、滥用的现象,本发明提供一种智能合理用药审核系统,如图1所示,在医生开具处方后,由本发明提供的智能合理用药系统审核,再由药师审核后,患者缴费取药。
本发明一方面提供一种智能合理用药审核系统包括信息提取模块和规则判断模块。
信息提取模块接收HIS系统传送的医生开具的处方,并进行信息提取,提取的信息包括用药信息、个人信息、诊断信息及医生信息。用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量、给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记(如孕妇、哺乳期、老人、儿童、新生儿等)、肾功能状况、肝功能状况等;诊断信息包括血压、脉搏、体温、疾病类型等;医生信息包括医生权限。
信息提取模块包括特征抽取单元以及标准化处理单元。特征抽取单元按照信息类别抽取关键词;标准化处理单元进行标准化处理,规范关键词的表达后输出。可以建立关键词库,将同一术语的不同表达形式统一为同一输出。将抽取的关键词与关键词库中的词语进行匹配,匹配成功后将其对应的标准化术语输出。例如身高的表达可能为160厘米160cm、1米6、1.6m、1.6米等,可以规范为160cm。
信息提取模块可以采用人工神经网络实现。将多个现有处方按照用药信息、个人信息、诊断信息及医生信息提取关键词进行规则人工标注,形成处方样本库。从样本库中选择样本集对人工神经网络进行训练,从样本库中选择验证集对训练后的人工神经网络进行验证,直至满足精度要求。
规则判断模块根据信息提取模块提取的信息与药品规则进行对比,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,并输出比对结果。
规则判断模块可以采用人工神经网络实现,设置分类器对标准化处理后的关键词进行分类,分类器的输出为适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用以及处方适当的概率。将关键词及对应的分类结果形成分类样本库,从分类样本库中选择样本集对分类器进行训练,从样本库中选择验证集对训练后的分类器进行验证,直至满足精度要求。
在一个实施例中信息提取模块与规则判断模块采用同一神经网络模型实现。
规则判断模块输出判断结果后,由药师审核医生开具的处方,并对判断结果进行点评,如果处方合格则患者缴费后进行取药,如果药方不合格则退回到医生重新开具处方。根据点评结果根据评估结果反向传递梯度,对神经网络模型进行优化。
神经网络模型如图3所示,设置采集引擎和解释引擎,采集引擎从医学文献、药品说明、医生处方、其它输入源采集信息。解释引擎针对每种药品建立对应的规则,各种药品及对应的规则形成规则库。结合图2,针对每一药品,采集药品说明书中的药品成分、药品禁忌、药品用法用量、药品规格、给药途径、适应症、药物相互作用等信息;采集医生处方中的用量信息及适应症;采集医学文献中药品禁忌、药品用法用量、适应症、药物相互作用等信息;采集其它输入源的规则信息,例如医院自身制定的药品用量规则,医保要求的药品最高用量等。采集以上信息针对每种药品建立对应的规则,各种药品及对应的规则形成规则库。
以药品说明书的识别为例,结合图4,人工神经网络处理流程包括:
(1)预处理:将原始语料格式化为同一格式,便于后续的统一处理;
(2)索引:将文档分解为基本处理单元,同时降低后续处理的开销;
(3)统计:词频统计,项(单词、概念)与分类的相关概率;
(4)特征抽取:从文档中抽取出反映文档主题的特征,如关键词,并进行标准化处理;
(5)分类器:分类器的训练;
(6)评价:分类器的测试结果分析,然后进行语意调优,再次重复进行统计、特征抽取、分类。
可以设置规则生成模块实现规则提取,以药品说明书的识别为例,包括预处理单元、索引单元、统计单元、特征抽取单元、分类器以及评价单元;所述预处理单元将说明书格式化为设定格式;所述索引单元根据说明书类别分解文档为多个模块;所述特征抽取单元从文档中抽取出关键词并进行标准化处理;所述统计单元统计每个文档模块内关键词的数量及与分类的相关概率;所述分类器根据分类的相关概率,基于药品说明书中的用法用量、适用人群、药品成分组成等来划分类;输出规则,保存至规则库。
对于医学文献,则按照药品名称搜索相关文献,并在获取相关文献后,进一步提取药品药品禁忌、药品用法用量、适应症和/或药物相互作用相关的关键词,并进行分类,输出规则。
将多个现有处方按照用药信息、个人信息、诊断信息及医生信息提取关键词进行规则人工标注,形成处方样本库。从样本库中选择样本集对人工神经网络进行训练,从样本库中选择验证集对训练后的人工神经网络进行验证,直至满足精度要求。采用人工神经网络智能地实现词语切分,近似词归类以及语义分析。
进一步地,智能合理用药审核系统的架构包括数据层、平台层、应用层以及展现层。
所述应用层提供核心的规则判定、数据处理服务功能原子组件,由服务编排进行编排,以组件服务的形式提供对应功能,实现不同的药品相互作用判断需求,可使用通用的组件服务,并可对功能组件服务进行定制。实现用药合理性审核,通过推理机形成多个引擎。所述信息提取模块和规则判断模块设置在应用层,分别通过规则智能预判引擎实现,通过规则输入引擎实现。所述应用层还包括规则输入引擎、数据智能查询/统计引擎和数据智能处理引擎。规则输入引擎从医学文献、药品说明、医生处方、其它输入源采集信息,针对每种药品建立对应的规则,存入规则库。
数据智能查询/统计引擎用于查询规则库中的规则以及统计药品的使用数量、医生的用药数量。所述数据智能处理引擎接收到审核、查询或统计的触发信息后开始相应引擎的调用。
所述数据层提供数据仓库,分布式数据库,爬虫,日志系统等存储了经过清洗处理后的可用于生产系统的数据,比如元数据,业务数据,模型数据库,关键词数据库等,该层直接面向应用系统,高可靠、高并发、高精度。
所述平台层提供架构集成的框架,例如用户鉴权、权限划分、中间件提供;通过数据库完成对数据和程序状态的保持,包括实现权限管理、用户管理、服务管理、日志管理、数据管理。用于实现操作用户登录的鉴权以及权限划分。
所述展现层用于展示数据及进行人机交互。为各方使用人员提供统一的前台门户,通过门户可实现报表展示、药品查询、诊断规则查看、设置等功能。可以通过WEB、药师移动端、手机小程序实现人机交互。
本发明另一方面提供一种智能合理用药审核方法,结合图5包括如下步骤:
S1,接收医生开具的处方,并且从医生开具的处方中提取用药信息、个人信息、诊断信息及医生信息。
根据HIS系统(医院信息系统)、(LIS)实验室信息管理系统或电子病历系统(EMR)传送的医生开具的处方进行信息提取。
用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量、给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记(如孕妇、哺乳期、老人、儿童、新生儿等)、肾功能状况、肝功能状况等;诊断信息包括血压、脉搏、体温、疾病类型等;医生信息包括医生权限。
S2,根据提取用药信息、个人信息、诊断信息与规则库中的药品规则进行对比,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,如果不存在则进入步骤S3,如果存在则输出相应提示,确认后进入步骤S3。规则库为事先建立。
根据医生开具的处方中各药品的成分适应症与疾病类型是否匹配,如果存在不匹配则提示存在适应症错误。
根据医生开具的处方中各药品的成分以及药品相互作用判断是否存在成分冲突,如果存在则提示存在成分冲突。
根据医生开具的处方中各药品的成分重合项数判断是否药品作用重复,如果存在则提示存在药品作用重复。设定重合项数的阈值范围,如果大于设定阈值则提示存在药品作用重复。
根据医生开具的处方中的药品用量,以及药品的用法用量、医院自身制定的药品用量规则以及医保要求的药品最高用量判断是否药品过量,如果存在则提示存在药品过量。例如,目前医生开具药品用量通常为一周,如果超过一周用量则提示该药品使用过量。
根据患者的个人信息以及诊断信息对比医生开具的处方中的药品的个人禁忌使用,如果存在对应的个人信息,则提示存在使用禁忌。例如某种开具的药品可能为高血压慎用,而诊断信息表明该患者患有高血压,则提示该药品为患者禁忌药品,禁忌原因为高血压。再如,某种开具的药品可能为孕妇禁用,而个人信息表明该患者为孕妇,则提示该药品为患者禁忌药品,禁忌原因为孕妇。
在一个实施例中,还可以包括对医生权限的核查,例如可以给每个医生添加标签,根据药品的适应症为期匹配对应的医生标签,进而实现医生开具药品的限制。医生的标签可以为其诊断疾病的类型,也可以为其所处的科室。例如某种药品的适应症为食欲缺乏、消化不良、恶心、排气过多,则消化科或添加了消化标签的医生具备开具该药品的权限,肾内科的医生不具备开具该药品的权限,如果肾内科的医生开具该药品,则提示无开具该药品的权限。
如果存在药品成分冲突、药品作用重复、药品过量、个人禁忌使用,则输出相应提示,如果医生坚持该处方,则在医生确认后,进入步骤S3。
S3由药师审核医生开具的处方,并进行点评,如果处方合格则患者缴费后进行取药,如果药方不合格则退回到医生重新开具处方。
药师可以查看步骤S2对于药品成分冲突、药品作用重复、药品过量、个人禁忌使用的判断结果,作为辅助参考。
进一步地,可以根据药师的点评判断对于药品成分冲突、药品作用重复、药品过量、个人禁忌使用的判断结果是否准确。
进一步地,每隔一段时间可以统计每个医生开药情况,包括各种药品的使用数量,统计每个医生药品成分冲突、药品作用重复、药品过量、个人禁忌使用发生情况,并给出统计结果。
综上所述,本发明涉及一种智能合理用药系统及方法,接收医生开具的处方,并根据信息类别进行关键词提取并进行标准化处理后输出;根据所述信息提取模块输出的各类标准化处理后的关键词,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,并输出判断结果。本发明通过人工智能技术手段识别药品说明书和其他文献,自动生成审核判断规则。本发明通过技术手段,去掉复杂的规则配置界面,和繁琐的配置工作,由人工智能自动识别规则,并生成规则模型,自动化处理,并且人工智能训练的标准都是统一的,减少大量的人力成本。本发明提取信息时分区域进行,从而降低了计算机设备的运行负担和维护成本。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种智能合理用药系统,其特征在于,包括信息提取模块和规则判断模块;
所述信息提取模块接收医生开具的处方,并根据信息类别进行关键词提取并进行标准化处理后输出;信息类别包括用药信息、个人信息及诊断信息;
所述规则判断模块根据所述信息提取模块输出的各类标准化处理后的关键词,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,并输出判断结果。
2.根据权利要求1所述的智能合理用药系统,其特征在于,用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量和/或给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记、肾功能状况和/或肝功能状况;诊断信息包括血压、脉搏、体温和/或疾病类型。优选的,还包括关键词库,针对同一术语的不同表达形式统一为标准表达后输出。
3.根据权利要求1或2所述的智能合理用药系统,其特征在于,还包括规则生成模块,采集药品说明书中的信息包括药品成分、药品禁忌、药品用法用量、药品规格、给药途径、适应症和/或药物相互作用;采集医生处方中的信息包括用量信息及适应症;采集医学文献中信息包括药品禁忌、药品用法用量、适应症和/或药物相互作用;采集医院自身制定的药品用量规则信息,医保要求的药品最高用量信息;根据采集的信息生成每种药品对应的规则,存入规则库。
4.根据权利要求3所述的智能合理用药系统,其特征在于,所述规则生成模块包括预处理单元、索引单元、统计单元、特征抽取单元以及分类器;所述预处理单元将文档格式化为设定格式;所述索引单元根据文档信息类别分解文档为多个模块;所述特征抽取单元从文档中抽取出关键词;所述统计单元统计每个文档模块内关键词的数量及与按照药品信息分类的相关概率;所述分类器根据分类的相关概率进行分类,输出规则并按照类别存入规则库。
5.根据权利要求4所述的智能合理用药系统,其特征在于,所述规则生成模块采用人工神经网络实现。优选的,所述人工神经网络的训练包括:将多个现有处方按照用药信息、个人信息、诊断信息、医院自身制定的药品用量规则信息以及医保要求的药品最高用量信息,提取关键词进行规则人工标注,形成处方样本库;从样本库中选择样本集对人工神经网络进行训练,从样本库中选择验证集对训练后的人工神经网络进行验证,直至满足精度要求。
6.根据权利要求5所述的智能合理用药系统,其特征在于,包括数据层、平台层、应用层以及展现层;
所述信息提取模块和规则判断模块设置在应用层;
所述数据层用于存储数据;
所述平台层实现权限管理、用户管理、服务管理、日志管理、数据管理;
所述展现层用于展示数据及进行人机交互。
7.根据权利要求6所述的智能合理用药系统,其特征在于,所述应用层还包括规则输入引擎及数据智能查询/统计引擎;规则输入引擎从医学文献、药品说明、医生处方、医院自身制定的药品用量规则信息以及医保要求的药品最高用量信息中采集信息,针对每种药品建立对应的规则,存入规则库;数据智能查询/统计引擎用于查询规则库中的规则以及统计药品的使用数量、医生的用药数量。
8.一种智能合理用药审核方法,其特征在于,包括:
S1接收医生开具的处方,并且从医生开具的处方中提取用药信息、个人信息以及诊断信息;
S2根据提取用药信息、个人信息、诊断信息与规则库中的药品规则进行对比,判断是否存在适应症错误、药品成分冲突、药品作用重复、药品过量、个人禁忌使用,如果不存在则进入步骤S3,如果存在则输出相应提示,确认后进入步骤S3;
S3由药师审核医生开具的处方,并进行点评,如果处方合格则患者缴费后进行取药,如果药方不合格则退回到医生重新开具处方。
9.根据权利要求8所述的智能合理用药审核方法,其特征在于,用药信息包括药品名称、规格、给药剂量、给药途径、给药频率、数量和/或给药时机;个人信息包括年龄、性别、身高、体重、血型、民族、过敏史、特殊人群标记、肾功能状况和/或肝功能状况;诊断信息包括血压、脉搏、体温和/或疾病类型。
10.根据权利要求8或9所述的智能合理用药审核方法,其特征在于,步骤S2还包括提取医生信息,对医生权限的核查,判断是否具有用药信息中获取的药品使用权限,如果具备则进入步骤S3,如果不具备则输出相应提示,确认后进入步骤S3。优选的,每隔设定时间统计每个医生各种药品的使用数量,统计每个医生药品成分冲突、药品作用重复、药品过量、个人禁忌使用发生情况,并给出统计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214836.7A CN111445976A (zh) | 2020-03-24 | 2020-03-24 | 一种智能合理用药系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214836.7A CN111445976A (zh) | 2020-03-24 | 2020-03-24 | 一种智能合理用药系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111445976A true CN111445976A (zh) | 2020-07-24 |
Family
ID=71652444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010214836.7A Pending CN111445976A (zh) | 2020-03-24 | 2020-03-24 | 一种智能合理用药系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445976A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768833A (zh) * | 2020-09-01 | 2020-10-13 | 四川骏逸富顿科技有限公司 | 一种处方风险检测方法及其风险检测系统 |
CN111933245A (zh) * | 2020-08-31 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 超说明书用药信息处理方法、装置及相关设备 |
CN111933243A (zh) * | 2020-08-12 | 2020-11-13 | 陈灿 | 药品给药频次编码信息处理方法、系统、存储介质及终端 |
CN112216365A (zh) * | 2020-10-12 | 2021-01-12 | 微医云(杭州)控股有限公司 | 对目标事件的评估方法及装置 |
CN112309531A (zh) * | 2020-07-28 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 信息判断方法和装置 |
CN112309567A (zh) * | 2020-11-06 | 2021-02-02 | 浙江大学 | 临床药师工作站智能化管理系统及方法 |
CN112349371A (zh) * | 2020-11-18 | 2021-02-09 | 南通市第一人民医院 | 一种化疗病人药物记录评估方法和装置 |
CN116486939A (zh) * | 2022-12-26 | 2023-07-25 | 北京左医健康技术有限公司 | 一种药物知识图谱的数据挖掘方法、系统及电子设备 |
CN117438104A (zh) * | 2023-12-21 | 2024-01-23 | 成都市第一人民医院 | 一种智能药品预警方法、电子设备以及计算机存储介质 |
CN117690550A (zh) * | 2024-02-04 | 2024-03-12 | 西南医科大学附属医院 | 内分泌病人长期用药跟踪系统及管理方法 |
CN117954127A (zh) * | 2024-03-27 | 2024-04-30 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503455A (zh) * | 2016-11-01 | 2017-03-15 | 山东众阳软件有限公司 | 基于药品规则组合的医嘱智能审核系统及方法 |
CN108268461A (zh) * | 2016-12-30 | 2018-07-10 | 广东精点数据科技股份有限公司 | 一种基于混合分类器的文本分类装置 |
CN109920508A (zh) * | 2018-12-28 | 2019-06-21 | 安徽省立医院 | 处方审核方法及系统 |
US20190324768A1 (en) * | 2018-04-23 | 2019-10-24 | Accenture Global Solutions Limited | Generating an execution script for configuration of a system |
CN110853723A (zh) * | 2019-11-24 | 2020-02-28 | 曹庆恒 | 一种智能药品指导的方法、系统和设备 |
-
2020
- 2020-03-24 CN CN202010214836.7A patent/CN111445976A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503455A (zh) * | 2016-11-01 | 2017-03-15 | 山东众阳软件有限公司 | 基于药品规则组合的医嘱智能审核系统及方法 |
CN108268461A (zh) * | 2016-12-30 | 2018-07-10 | 广东精点数据科技股份有限公司 | 一种基于混合分类器的文本分类装置 |
US20190324768A1 (en) * | 2018-04-23 | 2019-10-24 | Accenture Global Solutions Limited | Generating an execution script for configuration of a system |
CN109920508A (zh) * | 2018-12-28 | 2019-06-21 | 安徽省立医院 | 处方审核方法及系统 |
CN110853723A (zh) * | 2019-11-24 | 2020-02-28 | 曹庆恒 | 一种智能药品指导的方法、系统和设备 |
Non-Patent Citations (1)
Title |
---|
"《智慧建造关键技术与工程应用》", 中国建材工业出版社, pages: 171 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021990A1 (zh) * | 2020-07-28 | 2022-02-03 | 北京京东拓先科技有限公司 | 信息判断方法和装置 |
CN112309531A (zh) * | 2020-07-28 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 信息判断方法和装置 |
CN111933243A (zh) * | 2020-08-12 | 2020-11-13 | 陈灿 | 药品给药频次编码信息处理方法、系统、存储介质及终端 |
CN111933245A (zh) * | 2020-08-31 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 超说明书用药信息处理方法、装置及相关设备 |
CN111768833A (zh) * | 2020-09-01 | 2020-10-13 | 四川骏逸富顿科技有限公司 | 一种处方风险检测方法及其风险检测系统 |
CN112216365A (zh) * | 2020-10-12 | 2021-01-12 | 微医云(杭州)控股有限公司 | 对目标事件的评估方法及装置 |
CN112309567A (zh) * | 2020-11-06 | 2021-02-02 | 浙江大学 | 临床药师工作站智能化管理系统及方法 |
CN112309567B (zh) * | 2020-11-06 | 2021-06-01 | 浙江大学 | 临床药师工作站智能化管理系统及方法 |
CN112349371A (zh) * | 2020-11-18 | 2021-02-09 | 南通市第一人民医院 | 一种化疗病人药物记录评估方法和装置 |
CN116486939B (zh) * | 2022-12-26 | 2024-01-23 | 北京左医健康技术有限公司 | 一种药物知识图谱的数据挖掘方法、系统及电子设备 |
CN116486939A (zh) * | 2022-12-26 | 2023-07-25 | 北京左医健康技术有限公司 | 一种药物知识图谱的数据挖掘方法、系统及电子设备 |
CN117438104A (zh) * | 2023-12-21 | 2024-01-23 | 成都市第一人民医院 | 一种智能药品预警方法、电子设备以及计算机存储介质 |
CN117438104B (zh) * | 2023-12-21 | 2024-03-22 | 成都市第一人民医院 | 一种智能药品预警方法、电子设备以及计算机存储介质 |
CN117690550A (zh) * | 2024-02-04 | 2024-03-12 | 西南医科大学附属医院 | 内分泌病人长期用药跟踪系统及管理方法 |
CN117690550B (zh) * | 2024-02-04 | 2024-05-03 | 西南医科大学附属医院 | 内分泌病人长期用药跟踪系统及管理方法 |
CN117954127A (zh) * | 2024-03-27 | 2024-04-30 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
CN117954127B (zh) * | 2024-03-27 | 2024-06-04 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445976A (zh) | 一种智能合理用药系统及方法 | |
WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
US6915254B1 (en) | Automatically assigning medical codes using natural language processing | |
CN111145844B (zh) | 综合医疗监管平台 | |
US7657521B2 (en) | System and method for parsing medical data | |
AU2011247830B2 (en) | Method and system for generating text | |
CN110197672A (zh) | 一种语音通话质量检测方法、服务器、存储介质 | |
Aliabadi et al. | Electronic health record–based disease surveillance systems: a systematic literature review on challenges and solutions | |
US8676800B2 (en) | Method and system for generating text | |
CN111640475A (zh) | 一种临床试验的管理系统 | |
CN111695834A (zh) | 临床试验质量实时管控优化方法和系统 | |
CN114664463A (zh) | 一种全科医生诊疗辅助系统 | |
CN109685670A (zh) | 社保违规检测方法、装置、设备及计算机可读存储介质 | |
CN110490750B (zh) | 数据识别的方法、系统、电子设备及计算机存储介质 | |
CN113903423A (zh) | 用药方案推荐方法、装置、设备及介质 | |
CN114220541A (zh) | 疾病预测方法、装置、电子设备及存储介质 | |
CN112667619B (zh) | 辅助检查数据的方法、装置、终端设备及存储介质 | |
CN113871025A (zh) | 一种皮肤科临床专病数据库建设方法和系统 | |
CN109346146A (zh) | 处方审核分配方法、装置、电子设备及存储介质 | |
CN115101186B (zh) | 基于大数据的医院就诊信息管理方法及装置 | |
CN112820386A (zh) | 一种应用于医院内的就诊信息应急单机传递系统 | |
CN117116416A (zh) | 医嘱用药审核方法、装置、电子设备及存储介质 | |
CN115938608A (zh) | 一种基于提示学习模型的临床决策预警的方法和系统 | |
KR102405985B1 (ko) | 복약 지도 방법 및 장치 | |
CN113270201A (zh) | 一种医疗信息数据校验方法及系统、计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200724 |