CN112116976A - 药品信息的处理方法、装置及计算机可读存储介质 - Google Patents
药品信息的处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112116976A CN112116976A CN201910536634.1A CN201910536634A CN112116976A CN 112116976 A CN112116976 A CN 112116976A CN 201910536634 A CN201910536634 A CN 201910536634A CN 112116976 A CN112116976 A CN 112116976A
- Authority
- CN
- China
- Prior art keywords
- medicine
- information
- similarity
- medicines
- 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 698
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 title claims abstract description 48
- 229940079593 drug Drugs 0.000 claims abstract description 384
- 238000004364 calculation method Methods 0.000 claims abstract description 92
- 238000003745 diagnosis Methods 0.000 claims description 45
- 230000003993 interaction Effects 0.000 claims description 34
- 201000010099 disease Diseases 0.000 claims description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 21
- 206010013710 Drug interaction Diseases 0.000 claims description 10
- 206010020751 Hypersensitivity Diseases 0.000 claims description 10
- 208000026935 allergic disease Diseases 0.000 claims description 10
- 230000007815 allergy Effects 0.000 claims description 10
- 239000004615 ingredient Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000006651 lactation Effects 0.000 claims description 5
- 230000035935 pregnancy Effects 0.000 claims description 5
- 206010067484 Adverse reaction Diseases 0.000 abstract description 6
- 230000006838 adverse reaction Effects 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000012015 optical character recognition Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229940126672 traditional medicines Drugs 0.000 description 1
- 238000012795 verification 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种药品信息的处理方法、装置及计算机可读存储介质,所述方法包括:获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;根据对比结果判断医生预开具的多个药品中是否存在重复药品。本发明可以规范医生开药的行为,避免因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费的问题,并且提高了用户的就医安全指数。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种药品信息的处理方法、装置及计算机可读存储介质。
背景技术
目前,患者去医院看病的一般流程为:挂号付费-候诊看病-医生问诊并开药-付费-取药,或者挂号付费-候诊看病-医生问诊并开具检测项目-付费-化验检测-医生检查结果并开药-付费-取药。从以上看病流程可以看到,从医生开药到患者付费和取药的过程中,缺少第三方对医生所开药品的检测和验证,这就可能会造成医生重复开药的问题,例如,在医生的药方中,可能存在两种及以上主要成分相同的药品或治疗相同病症的西药或中成药,重复用药可对人体机体产生不良影响。
发明内容
本发明实施例提供一种药品信息的处理方法、装置及计算机可读存储介质,用以解决现有技术中无法检测医生给病人开的药方中是否存在重复药品的问题。
本发明实施例提供一种药品信息的处理方法,包括:
获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
根据对比结果判断医生预开具的多个药品中是否存在重复药品。
本发明实施例还提供一种药品信息的处理装置,具体包括:
获取模块,用于获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
计算模块,用于对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
判断模块,用于根据对比结果判断医生预开具的多个药品中是否存在重复药品。
本发明实施例还提供一种药品信息的处理装置,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,计算机程序被处理器执行时实现上述药品信息的处理方法的步骤。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有信息传递的实现程序,程序被处理器执行时实现上述药品信息的处理方法的步骤。
采用本发明实施例,基于人工智能技术自动获取并分析医生所开药品,比对各药品以判断医生是否存在重复开药,解决了现有技术中无法检测医生给病人开的药方中是否存在重复药品的问题,本发明实施例的技术方案可以规范医生开药的行为,避免因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费的问题,并且提高了用户的就医安全指数。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例的药品信息的处理方法的流程图;
图2是本发明实施例的药品信息的处理方法的详细处理的流程图;
图3是本发明装置实施例一的药品信息的处理装置的示意图;
图4是本发明装置实施例二的药品信息的处理装置的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
方法实施例
根据本发明实施例,提供了一种药品信息的处理方法,图1是本发明实施例的药品信息的处理方法的流程图,如图1所示,根据本发明实施例的药品信息的处理方法具体包括:
步骤101,获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
在本发明实施例中,用户可以是医生也可以是病人,如果用户为医生,则可以直接获取其预开具的多个药品的药品名称进行对比判断,如果用户为病人,则需要从医生预开具的多个药品的药品清单中获取药品名称。在本发明实施例中,用户可以通过光学字符识别(OCR)扫描、语音识别或者手工输入医生预开具的药品清单上的药品名称。
此外,在本发明实施例中,因为药品说明书是公开的比较容易获得的关于药品的具体信息,因此,在实际应用中,可以首先分别从药品知识库中获取与多个药品名称对应的多个药品说明书,然后再分别从药品说明书中获取药品信息。
在药品说明书中,记载了与药品相关的多种信息,因此,本发明实施例技术方案需要提取需要的药品信息进行对比,在本发明实施例中,提取的药品信息具体包括以下至少之一:药品成分、药品适应症、药品禁忌证信息、药品慎用信息和药物相互作用信息。
在本发明实施中,还可以对药品知识库中药品信息进行分类,例如,可以按照药品成分、药品适应症、药品禁忌证信息、药品慎用信息或者药物相互作用信息中的一个进行分类,以便于后续进行相似度计算时,可以更快的确定两种药品是否重复。
此外,在本发明实施例的一个实例中,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,还可以进行如下的处理:
从医生开具的诊断结果中获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品禁忌症信息进行禁忌症相似度计算,如果在计算得到的禁忌症相似度值大于预先设置的禁忌症相似度阈值时,确定医生预开具的多个药品中存在禁忌症药品,记录并输出禁忌症药品清单。
从医生的病人个人信息数据库中获取病人的个人详细信息,将个人详细信息与药品慎用信息进行慎用相似度计算,如果在计算得到的慎用相似度值大于预先设置的慎用相似度阈值时,确定医生预开具的多个药品中存在慎用药品,记录并输出慎用药品清单,其中,个人详细信息具体包括:过敏信息、年龄信息、性别信息、曾患病信息、是否怀孕信息、和/或是否处于哺乳期信息,药品慎用信息具体包括:过敏信息、和/或适用人群信息。
获取每个药品的药物相互作用信息,分别与其他药品的成分信息进行相互作用信息的相似度计算,如果在计算得到的相互作用信息的相似度值大于预先设置的相互作用相似度阈值时,确定医生预开具的多个药品中存在相互作用的药品,记录并输出相互作用药品清单。
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品适应症进行药品对症相似度计算,如果在计算得到的药品对症相似度值小于预先设置的药品对症相似度阈值时,确定医生预开具的多个药品中存在不对症药品,记录并输出不对症药品清单。
步骤102,对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
在步骤101对药品信息进行分类的情况下,可以在计算相似度之前,判断多个药品信息是否处于同一类别或相似类别中,如果判断为是,则再对处于同一类别或相似类别中的多个药品信息进行相似度计算。否则,就不需要进行相似度判断,直接确定为不同种类的药品。在一个实例中,如果在步骤101对药品知识库中药品信息按照药品适应症进行的分类;则可以首先判断多个药品信息是否处于同一类别中,如果判断为是,可以仅对同一类别中的多个药品信息进行成分相似度计算。
在步骤102中,进行两两计算相似度,包括但不限于利用余弦相似度或编辑距离相似度等方法计算两种药品之间的相似度。
在本发明实施例的一个实例中,步骤102的最优选的实施方式是:
首先对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;然后对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比。
在本发明实施例的另一个实例中,可以仅仅对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;或者,可以仅仅对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比;或者,在将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比后,对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比。
在本发明实施例中,步骤102对多个药品信息进行相似度计算之前,可以首先利用神经网络语言模型对药品适应症、药品禁忌证信息、药品慎用信息、和/或药物相互作用信息进行语义理解,获取文本的语义向量表示。随后,再根据语义向量表示进行两两相似度计算,从而使得相似度计算的值更加准确。
步骤103,根据对比结果判断医生预开具的多个药品中是否存在重复药品。
在本发明实施例中,具体地,在计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的成分相似度值小于成分相似度阈值,且计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值小于适应症相似度阈值,且计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单。
在计算得到的成分相似度值小于成分相似度阈值且计算得到的适应症相似度值小于适应症相似度阈值时,确定医生预开具的多个药品中不存在重复药品。
需要说明的是,在计算得到的成分相似度值等于成分相似度阈值时可以归入大于成分相似度阈值的情况处理,也可以归入小于成分相似度阈值的情况处理。在计算得到的适应症相似度值等于适应症相似度阈值时,可以归入大于适应症相似度阈值的情况处理,也可以归入小于适应症相似度阈值的情况处理。
成分相似度阈值与适应症相似度阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
在本发明实施例中,为了更加清晰的提示用户存在的重复药品,在判断医生预开具的多个药品中存在重复药品时,可以提示用户存在重复药品并输出重复药品的清单。
从本发明实施的上述技术方案可以看出,通过综合使用语音识别、OCR、信息检索、文本相似度计算等人工智能技术,解决医生在诊疗过程中可能存在的重复开药问题,可以进一步规范医生开药的行为,避免了因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费等问题。
以下结合附图,对本发明实施例的上述技术方案进行举例说明。图2是本发明实施例的药品信息的处理方法的详细处理的流程图,如图2所示,具体包括如下处理:
步骤201,通过光学字符识别(OCR)扫描、语音识别或者手工输入医生开具的药品清单上的药品名称;本发明实施例可以支持至少2种药品名称的输入;
步骤202,根据药品清单上的药品名称,从药品知识库中查询并检索到相应的药品说明书,获取每种药品的成分和功能主治(适应症)等记录;
步骤203,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的成分进行两两计算成分相似度,判断成分相似度是否超过一定阈值A,如果判断为是,则执行步骤205;否则,执行步骤204;
步骤204,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的主治功能(适应症)进行两两计算适应症相似度,判断适应症相似度超过一定阈值B,如果判断为是,则执行步骤205,否则,执行步骤207;
步骤205,判定该两种药品属于重复药品;
步骤206,记录重复的药品名称,并提示重复开药的清单,结束操作;
步骤207,提示用户不存在重复开药的问题,用户可以放心付费取药,结束操作。
需要说明的是,根据药品主治功能之间的相似度判断是否存在重复开药的判定条件阈值与根据药品成分之间的相似度判断是否存在重复开药的判定条件阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
综上所述,借助于本发明实施例的技术方案,综合使用语音识别、OCR、信息检索、文本相似度计算等人工智能技术,解决了医生在诊疗过程中可能存在的重复开药问题,可以进一步规范医生开药的行为,避免了因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费等问题。
装置实施例一
根据本发明的实施例,提供了一种药品信息的处理装置,图3是本发明装置实施例一的药品信息的处理装置的示意图,如图3所示,根据本发明实施例的药品信息的处理装置具体包括:获取模块30、计算模块32、以及判断模块34,具体地:
获取模块30,用于获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
在本发明实施例中,用户可以是医生也可以是病人,如果用户为医生,则可以直接获取其预开具的多个药品的药品名称进行对比判断,如果用户为病人,则需要从医生预开具的多个药品的药品清单中获取药品名称。在本发明实施例中,用户可以通过光学字符识别(OCR)扫描、语音识别或者手工输入医生预开具的药品清单上的药品名称。
此外,在本发明实施例中,因为药品说明书是公开的比较容易获得的关于药品的具体信息,因此,在实际应用中,获取模块30可以首先分别从药品知识库中获取与多个药品名称对应的多个药品说明书,然后再分别从药品说明书中获取药品信息。
在药品说明书中,记载了与药品相关的多种信息,因此,本发明实施例技术方案需要提取需要的药品信息进行对比,在本发明实施例中,提取的药品信息具体包括以下至少之一:药品成分、药品适应症、药品禁忌证信息、药品慎用信息和药物相互作用信息。
在本发明实施中,还可以包括分类模块,用于对药品知识库中药品信息进行分类,例如,可以按照药品成分、药品适应症、药品禁忌证信息、药品慎用信息或者药物相互作用信息中的一个进行分类,以便于后续进行相似度计算时,可以更快的确定两种药品是否重复。
此外,在本发明实施例的一个实例中,获取模块30分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,计算模块32还可以进行如下的处理:
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品禁忌症信息进行禁忌症相似度计算,如果在计算得到的禁忌症相似度值大于预先设置的禁忌症相似度阈值时,确定医生预开具的多个药品中存在禁忌症药品,记录并输出禁忌症药品清单。
获取病人的个人详细信息,将个人详细信息与药品慎用信息进行慎用相似度计算,如果在计算得到的慎用相似度值大于预先设置的慎用相似度阈值时,确定医生预开具的多个药品中存在慎用药品,记录并输出慎用药品清单,其中,个人详细信息具体包括:过敏信息、年龄信息、性别信息、曾患病信息、是否怀孕信息、和/或是否处于哺乳期信息,药品慎用信息具体包括:过敏信息、和/或适用人群信息。
获取每个药品的药物相互作用信息,分别与其他药品的成分信息进行相互作用信息相似度计算,如果在计算得到的相互作用信息相似度值大于预先设置的相互作用信息相似度阈值时,确定医生预开具的多个药品中存在相互作用的药品,记录并输出相互作用药品清单。
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品适应症进行药品对症相似度计算,如果在计算得到的药品对症相似度值小于预先设置的药品对症相似度阈值时,确定医生预开具的多个药品中存在不对症药品,记录并输出不对症药品清单。
计算模块32,用于对所述多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
在分类模块对药品信息进行分类的情况下,计算模块32可以在计算相似度之前,判断多个药品信息是否处于同一类别或相似类别中,如果判断为是,则再对处于同一类别或相似类别中的多个药品信息进行相似度计算。否则,就不需要进行相似度判断,直接确定为不同种类的药品。在一个实例中,如果分类模块对药品知识库中药品信息按照药品适应症进行的分类;计算模块32则可以首先判断多个药品信息是否处于同一类别中,如果判断为是,可以仅对同一类别中的多个药品信息进行成分相似度计算。
计算模块32进行两两计算相似度,包括但不限于利用余弦相似度或编辑距离相似度等方法计算两种药品之间的相似度。
在本发明实施例的一个实例中,计算模块32的最优选的实施方式是:
首先对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;然后对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比。
在本发明实施例的另一个实例中,可以仅仅对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;或者,可以仅仅对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比;或者,在将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比后,对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比。
在本发明实施例中,计算模块32对多个药品信息进行相似度计算之前,计算模块32可以首先利用神经网络语言模型对药品适应症、药品禁忌证信息、药品慎用信息、和/或药物相互作用信息进行语义理解,获取文本的语义向量表示。随后,再根据语义向量表示进行两两相似度计算,从而使得相似度计算的值更加准确。
判断模块34,用于根据对比结果判断医生预开具的多个药品中是否存在重复药品。
在本发明实施例中,具体地,在计算得到的成分相似度值大于成分相似度阈值时,判断模块34确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值大于适应症相似度阈值时,判断模块34确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的成分相似度值小于成分相似度阈值,且计算得到的适应症相似度值大于适应症相似度阈值时,判断模块34确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值小于适应症相似度阈值,且计算得到的成分相似度值大于成分相似度阈值时,判断模块34确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;
在计算得到的成分相似度值小于成分相似度阈值且计算得到的适应症相似度值小于适应症相似度阈值时,判断模块34确定医生预开具的多个药品中不存在重复药品。
需要说明的是,在计算得到的成分相似度值等于成分相似度阈值时可以归入大于成分相似度阈值的情况处理,也可以归入小于成分相似度阈值的情况处理。在计算得到的适应症相似度值等于适应症相似度阈值时,可以归入大于适应症相似度阈值的情况处理,也可以归入小于适应症相似度阈值的情况处理。
成分相似度阈值与适应症相似度阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
在本发明实施例中,为了更加清晰的提示用户存在的重复药品,还包括提示模块,用于在判断医生预开具的多个药品中存在重复药品时,可以提示医生存在重复药品并输出重复药品的清单。
综上所述,借助于本发明实施例的技术方案,能够帮助相关的医疗系统或患者及时发现医生可能存在的重复开药的问题,可以规范医生开药的行为,并可避免因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费等问题。
装置实施例二
根据本发明实施例,提供了一种药品信息的处理装置,图4是本发明装置实施例二的药品信息的处理装置的示意图,如图4所示,包括:存储器40、处理器42及存储在所述存储器40上并可在所述处理器42上运行的计算机程序,所述计算机程序被所述处理器42执行时实现如下步骤:
步骤101,获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
在本发明实施例中,用户可以是医生也可以是病人,如果用户为医生,则可以直接获取其预开具的多个药品的药品名称进行对比判断,如果用户为病人,则需要从医生预开具的多个药品的药品清单中获取药品名称。在本发明实施例中,用户可以通过光学字符识别(OCR)扫描、语音识别或者手工输入医生预开具的药品清单上的药品名称。
此外,在本发明实施例中,因为药品说明书是公开的比较容易获得的关于药品的具体信息,因此,在实际应用中,可以首先分别从药品知识库中获取与多个药品名称对应的多个药品说明书,然后再分别从药品说明书中获取药品信息。
在药品说明书中,记载了与药品相关的多种信息,因此,本发明实施例技术方案需要提取需要的药品信息进行对比,在本发明实施例中,提取的药品信息具体包括以下至少之一:药品成分、药品适应症、药品禁忌证信息、药品慎用信息和药物相互作用信息。
在本发明实施中,还可以对药品知识库中药品信息进行分类,例如,可以按照药品成分、药品适应症、药品禁忌证信息、药品慎用信息或者药物相互作用信息中的一个进行分类,以便于后续进行相似度计算时,可以更快的确定两种药品是否重复。
此外,在本发明实施例的一个实例中,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,还可以进行如下的处理:
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品禁忌症信息进行禁忌症相似度计算,如果在计算得到的禁忌症相似度值大于预先设置的禁忌症相似度阈值时,确定医生预开具的多个药品中存在禁忌症药品,记录并输出禁忌症药品清单。
获取病人的个人详细信息,将个人详细信息与药品慎用信息进行慎用相似度计算,如果在计算得到的慎用相似度值大于预先设置的慎用相似度阈值时,确定医生预开具的多个药品中存在慎用药品,记录并输出慎用药品清单,其中,个人详细信息具体包括:过敏信息、年龄信息、性别信息、曾患病信息、是否怀孕信息、和/或是否处于哺乳期信息,药品慎用信息具体包括:过敏信息、和/或适用人群信息。
获取每个药品的药物相互作用信息,分别与其他药品的成分信息进行相互作用相似度计算,如果在计算得到的相互作用相似度值大于预先设置的相互作用相似度阈值时,确定医生预开具的多个药品中存在相互作用的药品,记录并输出相互作用药品清单。
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品适应症进行药品对症相似度计算,如果在计算得到的药品对症相似度值小于预先设置的药品对症相似度阈值时,确定医生预开具的多个药品中存在不对症药品,记录并输出不对症药品清单。
步骤102,对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
在步骤101对药品信息进行分类的情况下,可以在计算相似度之前,判断多个药品信息是否处于同一类别或相似类别中,如果判断为是,则再对处于同一类别或相似类别中的多个药品信息进行相似度计算。否则,就不需要进行相似度判断,直接确定为不同种类的药品。在一个实例中,如果在步骤101对药品知识库中药品信息按照药品适应症进行的分类;则可以首先判断多个药品信息是否处于同一类别中,如果判断为是,可以仅对同一类别中的多个药品信息进行成分相似度计算。
在步骤102中,进行两两计算相似度,包括但不限于利用余弦相似度或编辑距离相似度等方法计算两种药品之间的相似度。
在本发明实施例的一个实例中,步骤102的最优选的实施方式是:
首先对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;然后对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比。
在本发明实施例的另一个实例中,可以仅仅对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;或者,可以仅仅对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比;或者,在将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比后,对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比。
在本发明实施例中,步骤102对多个药品信息进行相似度计算之前,可以首先利用神经网络语言模型对药品适应症、药品禁忌证信息、药品慎用信息、和/或药物相互作用信息进行语义理解,获取文本的语义向量表示。随后,再根据语义向量表示进行两两相似度计算,从而使得相似度计算的值更加准确。
步骤103,根据对比结果判断医生预开具的多个药品中是否存在重复药品。
在本发明实施例中,具体地,在计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的成分相似度值小于成分相似度阈值,且计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值小于适应症相似度阈值,且计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;
在计算得到的成分相似度值小于成分相似度阈值且计算得到的适应症相似度值小于适应症相似度阈值时,确定医生预开具的多个药品中不存在重复药品。
需要说明的是,在计算得到的成分相似度值等于成分相似度阈值时可以归入大于成分相似度阈值的情况处理,也可以归入小于成分相似度阈值的情况处理。在计算得到的适应症相似度值等于适应症相似度阈值时,可以归入大于适应症相似度阈值的情况处理,也可以归入小于适应症相似度阈值的情况处理。
成分相似度阈值与适应症相似度阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
在本发明实施例中,为了更加清晰的提示用户存在的重复药品,在判断医生预开具的多个药品中存在重复药品时,可以提示医生存在重复药品并输出重复药品的清单。
从本发明实施的上述技术方案可以看出,通过综合使用语音识别、OCR、信息检索、文本相似度计算等人工智能技术,解决医生在诊疗过程中可能存在的重复开药问题,可以进一步规范医生开药的行为,避免了因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费等问题。
以下结合附图,对本发明实施例的上述技术方案进行举例说明。图2是本发明实施例的药品信息的处理方法的详细处理的流程图,如图2所示,具体包括如下处理:
步骤201,通过光学字符识别(OCR)扫描、语音识别或者手工输入医生开具的药品清单上的药品名称;本发明实施例可以支持至少2种药品名称的输入;
步骤202,根据药品清单上的药品名称,从药品知识库中查询并检索到相应的药品说明书,获取每种药品的成分和功能主治(适应症)等记录;
步骤203,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的成分进行两两计算成分相似度,判断成分相似度是否超过一定阈值A,如果判断为是,则执行步骤205;否则,执行步骤204;
步骤204,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的主治功能(适应症)进行两两计算适应症相似度,判断适应症相似度超过一定阈值B,如果判断为是,则执行步骤205,否则,执行步骤207;
步骤205,判定该两种药品属于重复药品;
步骤206,记录重复的药品名称,并提示重复开药的清单,结束操作;
步骤207,提示用户不存在重复开药的问题,用户可以放心付费取药,结束操作。
需要说明的是,根据药品主治功能之间的相似度判断是否存在重复开药的判定条件阈值与根据药品成分之间的相似度判断是否存在重复开药的判定条件阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
装置实施例三
根据本发明实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传输的实现程序,所述程序被处理器42执行时实现如下方法步骤:
步骤101,获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
在本发明实施例中,用户可以是医生也可以是病人,如果用户为医生,则可以直接获取其预开具的多个药品的药品名称进行对比判断,如果用户为病人,则需要从医生预开具的多个药品的药品清单中获取药品名称。在本发明实施例中,用户可以通过光学字符识别(OCR)扫描、语音识别或者手工输入医生预开具的药品清单上的药品名称。
此外,在本发明实施例中,因为药品说明书是公开的比较容易获得的关于药品的具体信息,因此,在实际应用中,可以首先分别从药品知识库中获取与多个药品名称对应的多个药品说明书,然后再分别从药品说明书中获取药品信息。
在药品说明书中,记载了与药品相关的多种信息,因此,本发明实施例技术方案需要提取需要的药品信息进行对比,在本发明实施例中,提取的药品信息具体包括以下至少之一:药品成分、药品适应症、药品禁忌证信息、药品慎用信息和药物相互作用信息。
在本发明实施中,还可以对药品知识库中药品信息进行分类,例如,可以按照药品成分、药品适应症、药品禁忌证信息、药品慎用信息或者药物相互作用信息中的一个进行分类,以便于后续进行相似度计算时,可以更快的确定两种药品是否重复。
此外,在本发明实施例的一个实例中,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,还可以进行如下的处理:
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品禁忌症信息进行禁忌症相似度计算,如果在计算得到的禁忌症相似度值大于预先设置的禁忌症相似度阈值时,确定医生预开具的多个药品中存在禁忌症药品,记录并输出禁忌症药品清单。
获取病人的个人详细信息,将个人详细信息与药品慎用信息进行慎用相似度计算,如果在计算得到的慎用相似度值大于预先设置的慎用相似度阈值时,确定医生预开具的多个药品中存在慎用药品,记录并输出慎用药品清单,其中,个人详细信息具体包括:过敏信息、年龄信息、性别信息、曾患病信息、是否怀孕信息、和/或是否处于哺乳期信息,药品慎用信息具体包括:过敏信息、和/或适用人群信息。
获取每个药品的药物相互作用信息,分别与其他药品的成分信息进行相互作用相似度计算,如果在计算得到的相互作用相似度值大于预先设置的相互作用相似度阈值时,确定医生预开具的多个药品中存在相互作用的药品,记录并输出相互作用药品清单。
获取病人的诊断信息,从诊断信息中获取病症诊断结果,将病症诊断结果和药品适应症进行药品对症相似度计算,如果在计算得到的药品对症相似度值小于预先设置的药品对症相似度阈值时,确定医生预开具的多个药品中存在不对症药品,记录并输出不对症药品清单。
步骤102,对多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
在步骤101对药品信息进行分类的情况下,可以在计算相似度之前,判断多个药品信息是否处于同一类别或相似类别中,如果判断为是,则再对处于同一类别或相似类别中多个药品信息进行相似度计算。否则,就不需要进行相似度判断,直接确定为不同种类的药品。在一个实例中,如果在步骤101对药品知识库中药品信息按照药品适应症进行的分类;则可以首先判断多个药品信息是否处于同一类别中,如果判断为是,可以仅对同一类别中的多个药品信息进行成分相似度计算。
在步骤102中,进行两两计算相似度,包括但不限于利用余弦相似度或编辑距离相似度等方法计算两种药品之间的相似度。
在本发明实施例的一个实例中,步骤102的最优选的实施方式是:
首先对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;然后对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比。
在本发明实施例的另一个实例中,可以仅仅对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;或者,可以仅仅对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比;或者,在将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比后,对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比。
在本发明实施例中,步骤102对多个药品信息进行相似度计算之前,可以首先利用神经网络语言模型对药品适应症、药品禁忌证信息、药品慎用信息、和/或药物相互作用信息进行语义理解,获取文本的语义向量表示。随后,再根据语义向量表示进行两两相似度计算,从而使得相似度计算的值更加准确。
步骤103,根据对比结果判断医生预开具的多个药品中是否存在重复药品。
在本发明实施例中,具体地,在计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的成分相似度值小于成分相似度阈值,且计算得到的适应症相似度值大于适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值小于适应症相似度阈值,且计算得到的成分相似度值大于成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;
在计算得到的成分相似度值小于成分相似度阈值且计算得到的适应症相似度值小于适应症相似度阈值时,确定医生预开具的多个药品中不存在重复药品。
需要说明的是,在计算得到的成分相似度值等于成分相似度阈值时可以归入大于成分相似度阈值的情况处理,也可以归入小于成分相似度阈值的情况处理。在计算得到的适应症相似度值等于适应症相似度阈值时,可以归入大于适应症相似度阈值的情况处理,也可以归入小于适应症相似度阈值的情况处理。
成分相似度阈值与适应症相似度阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
在本发明实施例中,为了更加清晰的提示用户存在的重复药品,在判断医生预开具的多个药品中存在重复药品时,可以提示医生存在重复药品并输出重复药品的清单。
从本发明实施的上述技术方案可以看出,通过综合使用语音识别、OCR、信息检索、文本相似度计算等人工智能技术,解决医生在诊疗过程中可能存在的重复开药问题,可以进一步规范医生开药的行为,避免了因重复开药引起的人体机体不良反应、患者负担加重、医疗资源浪费等问题。
以下结合附图,对本发明实施例的上述技术方案进行举例说明。图2是本发明实施例的药品信息的处理方法的详细处理的流程图,如图2所示,具体包括如下处理:
步骤201,通过光学字符识别(OCR)扫描、语音识别或者手工输入医生开具的药品清单上的药品名称;本发明实施例可以支持至少2种药品名称的输入;
步骤202,根据药品清单上的药品名称,从药品知识库中查询并检索到相应的药品说明书,获取每种药品的成分和功能主治(适应症)等记录;
步骤203,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的成分进行两两计算成分相似度,判断成分相似度是否超过一定阈值A,如果判断为是,则执行步骤205;否则,执行步骤204;
步骤204,利用余弦相似度或编辑距离相似度等方法,根据所获得的每种药品的主治功能(适应症)进行两两计算适应症相似度,判断适应症相似度超过一定阈值B,如果判断为是,则执行步骤205,否则,执行步骤207;
步骤205,判定该两种药品属于重复药品;
步骤206,记录重复的药品名称,并提示重复开药的清单,结束操作;
步骤207,提示用户不存在重复开药的问题,用户可以放心付费取药,结束操作。
需要说明的是,根据药品主治功能之间的相似度判断是否存在重复开药的判定条件阈值与根据药品成分之间的相似度判断是否存在重复开药的判定条件阈值可以取相同的值,也可以取不同的值,具体取值可以根据实际使用效果来确定。
需要说明的是,本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种药品信息的处理方法,其特征在于,包括:
获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
对所述多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
根据对比结果判断医生预开具的多个药品中是否存在重复药品。
2.如权利要求1所述的方法,其特征在于,所述方法进一步包括:
在判断医生预开具的多个药品中存在重复药品时,提示用户存在重复药品并输出重复药品的清单。
3.如权利要求1所述的方法,其特征在于,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息具体包括:
分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品说明书,并分别从所述药品说明书中获取药品信息;
所述药品信息具体包括:
药品成分、药品适应症、药品禁忌证信息、药品慎用信息和药物相互作用信息。
4.如权利要求3所述的方法,其特征在于,对所述多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比,具体包括:
对多个药品的药品成分进行两两相似度计算,得到两个药品的药品成分之间的成分相似度值,将计算得到的成分相似度值与预先设置的成分相似度阈值进行对比;
对多个药品的药品适应症进行两两相似度计算,得到两个药品的药品适应症之间的适应症相似度值,将计算得到的适应症相似度值与预先设置的适应症相似度阈值进行对比。
5.如权利要求4所述的方法,其特征在于,根据对比结果判断医生预开具的多个药品中是否存在重复药品具体包括:
在计算得到的成分相似度值大于所述成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值大于所述适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的成分相似度值小于所述成分相似度阈值,且计算得到的适应症相似度值大于所述适应症相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;或者,在计算得到的适应症相似度值小于所述适应症相似度阈值,且计算得到的成分相似度值大于所述成分相似度阈值时,确定医生预开具的多个药品中存在重复药品,并记录重复药品清单;
在计算得到的成分相似度值小于所述成分相似度阈值且计算得到的适应症相似度值小于所述适应症相似度阈值时,确定医生预开具的多个药品中不存在重复药品。
6.如权利要求3所述的方法,其特征在于,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,所述方法进一步包括:
获取病人的诊断信息,从所述诊断信息中获取病症诊断结果,将所述病症诊断结果和所述药品禁忌症信息进行禁忌症相似度计算,如果在计算得到的禁忌症相似度值大于预先设置的禁忌症相似度阈值时,确定医生预开具的多个药品中存在禁忌症药品,记录并输出禁忌症药品清单。
7.如权利要求3所述的方法,其特征在于,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,所述方法进一步包括:
获取病人的个人详细信息,将所述个人详细信息与所述药品慎用信息进行慎用相似度计算,如果在计算得到的慎用相似度值大于预先设置的慎用相似度阈值时,确定医生预开具的多个药品中存在慎用药品,记录并输出慎用药品清单,其中,所述个人详细信息具体包括:过敏信息、年龄信息、性别信息、曾患病信息、是否怀孕信息、和/或是否处于哺乳期信息,所述药品慎用信息具体包括:过敏信息、和/或适用人群信息。
8.如权利要求3所述的方法,其特征在于,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,所述方法进一步包括:
获取每个药品的药物相互作用信息,分别与其他药品的成分信息进行相互作用相似度计算,如果在计算得到的相互作用相似度值大于预先设置的相互作用相似度阈值时,确定医生预开具的多个药品中存在相互作用的药品,记录并输出存在相互作用药品清单。
9.如权利要求3所述的方法,其特征在于,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息之后,所述方法进一步包括:
获取病人的诊断信息,从所述诊断信息中获取病症诊断结果,将所述病症诊断结果和所述药品适应症进行药品对症相似度计算,如果在计算得到的药品对症相似度值小于预先设置的药品对症相似度阈值时,确定医生预开具的多个药品中存在不对症药品,记录并输出不对症药品清单。
10.如权利要求1所述的方法,其特征在于,所述方法进一步包括:
对药品知识库中药品信息进行分类;
对所述多个药品信息进行相似度计算进一步包括:
判断所述多个药品信息是否处于同一类别或相似类别中,如果判断为是,则再对所述处于同一类别或相似类别中的多个药品信息进行相似度计算。
11.如权利要求3所述的方法,其特征在于,所述方法进一步包括:
对药品知识库中药品信息按照药品适应症进行分类;
对所述多个药品信息进行相似度计算进一步包括:
判断所述多个药品信息是否处于同一类别中,如果判断为是,仅对所述同一类别的多个药品信息进行成分相似度计算。
12.如权利要求3所述的方法,其特征在于,对所述多个药品信息进行相似度计算之前,所述方法进一步包括:
利用神经网络语言模型对所述药品适应症、所述药品禁忌证信息、所述药品慎用信息、和/或所述药物相互作用信息进行语义理解,获取文本的语义向量表示。
13.一种药品信息的处理装置,其特征在于,包括:
获取模块,用于获取医生预开具的多个药品的药品名称,分别从预先设置的药品知识库中获取与多个药品名称对应的多个药品信息;
计算模块,用于对所述多个药品信息进行相似度计算,得到两两药品信息之间的相似度值,并将计算得到的相似度值与预先设置的相似度阈值进行对比;
判断模块,用于根据对比结果判断医生预开具的多个药品中是否存在重复药品。
14.一种药品信息的处理装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至12中任一项所述的药品信息的处理方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至12中任一项所述的药品信息的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536634.1A CN112116976A (zh) | 2019-06-20 | 2019-06-20 | 药品信息的处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536634.1A CN112116976A (zh) | 2019-06-20 | 2019-06-20 | 药品信息的处理方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112116976A true CN112116976A (zh) | 2020-12-22 |
Family
ID=73795938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910536634.1A Pending CN112116976A (zh) | 2019-06-20 | 2019-06-20 | 药品信息的处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116976A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113140280A (zh) * | 2021-05-18 | 2021-07-20 | 南通市第二人民医院 | 一种老年慢性病共存的多重用药管理方法及系统 |
CN113241194A (zh) * | 2021-04-30 | 2021-08-10 | 上海市儿童医院 | 一种智能医疗问答的方法、系统、终端以及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141063A (ja) * | 2005-11-21 | 2007-06-07 | Hachioji Yakuzai Center:Kk | 処方判定装置、処方判定処理プログラム、病名推定装置、病名推定処理プログラム、病名推定処理のためのデータ構造 |
CN102737165A (zh) * | 2012-06-07 | 2012-10-17 | 北京太元通软件科技有限公司 | 临床用药决策支持系统 |
WO2016049795A1 (zh) * | 2014-09-29 | 2016-04-07 | 曹庆恒 | 一种多维度用药信息处理方法、系统和设备 |
JP2016151876A (ja) * | 2015-02-17 | 2016-08-22 | 東日本メディコム株式会社 | 禁止薬物検出システム、サーバ、禁止薬物検出装置、禁止薬物検出方法及びプログラム |
CN106446525A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药规则信息相似度的处理方法 |
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 |
CN107193860A (zh) * | 2017-03-31 | 2017-09-22 | 苏州艾隆信息技术有限公司 | 药品信息多维识别方法及系统 |
CN107330288A (zh) * | 2017-07-10 | 2017-11-07 | 叮当(深圳)健康机器人科技有限公司 | 一种用药信息获取方法及装置 |
CN108389608A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 药品推荐方法、电子设备和存储介质 |
CN108447568A (zh) * | 2018-03-19 | 2018-08-24 | 杭州逸曜信息技术有限公司 | 基于药品成分的用药信息处理方法 |
KR101920466B1 (ko) * | 2017-08-18 | 2018-11-20 | 충북대학교 산학협력단 | 처방 약품 분석이 가능한 방법, 시스템 및 휴대형 단말 |
CN109273098A (zh) * | 2018-10-23 | 2019-01-25 | 平安科技(深圳)有限公司 | 一种基于智能决策的药品疗效预测方法和装置 |
CN109545388A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种医学风险控制方法、服务器及存储介质 |
CN109659000A (zh) * | 2018-12-13 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 违规处方的识别方法、装置、终端及计算机可读存储介质 |
-
2019
- 2019-06-20 CN CN201910536634.1A patent/CN112116976A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141063A (ja) * | 2005-11-21 | 2007-06-07 | Hachioji Yakuzai Center:Kk | 処方判定装置、処方判定処理プログラム、病名推定装置、病名推定処理プログラム、病名推定処理のためのデータ構造 |
CN102737165A (zh) * | 2012-06-07 | 2012-10-17 | 北京太元通软件科技有限公司 | 临床用药决策支持系统 |
WO2016049795A1 (zh) * | 2014-09-29 | 2016-04-07 | 曹庆恒 | 一种多维度用药信息处理方法、系统和设备 |
JP2016151876A (ja) * | 2015-02-17 | 2016-08-22 | 東日本メディコム株式会社 | 禁止薬物検出システム、サーバ、禁止薬物検出装置、禁止薬物検出方法及びプログラム |
CN106446525A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药规则信息相似度的处理方法 |
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 |
CN107193860A (zh) * | 2017-03-31 | 2017-09-22 | 苏州艾隆信息技术有限公司 | 药品信息多维识别方法及系统 |
CN107330288A (zh) * | 2017-07-10 | 2017-11-07 | 叮当(深圳)健康机器人科技有限公司 | 一种用药信息获取方法及装置 |
KR101920466B1 (ko) * | 2017-08-18 | 2018-11-20 | 충북대학교 산학협력단 | 처방 약품 분석이 가능한 방법, 시스템 및 휴대형 단말 |
CN108389608A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 药品推荐方法、电子设备和存储介质 |
CN108447568A (zh) * | 2018-03-19 | 2018-08-24 | 杭州逸曜信息技术有限公司 | 基于药品成分的用药信息处理方法 |
CN109273098A (zh) * | 2018-10-23 | 2019-01-25 | 平安科技(深圳)有限公司 | 一种基于智能决策的药品疗效预测方法和装置 |
CN109545388A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种医学风险控制方法、服务器及存储介质 |
CN109659000A (zh) * | 2018-12-13 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 违规处方的识别方法、装置、终端及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
王世伟 等主编: "《JCI标准与实践:信息化助力医院精细化管理》", 31 December 2018, 中国铁道出版社, pages: 112 - 113 * |
王世伟 等主编: "《医学信息系统教程》", 中国铁道出版社, pages: 112 - 113 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113241194A (zh) * | 2021-04-30 | 2021-08-10 | 上海市儿童医院 | 一种智能医疗问答的方法、系统、终端以及存储介质 |
CN113140280A (zh) * | 2021-05-18 | 2021-07-20 | 南通市第二人民医院 | 一种老年慢性病共存的多重用药管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
US11461554B2 (en) | Semantic classification of numerical data in natural language context based on machine learning | |
CN106919793B (zh) | 一种医疗大数据的数据标准化处理方法及装置 | |
CN107609163B (zh) | 医学知识图谱的生成方法、存储介质及服务器 | |
CN107833603B (zh) | 电子病历文档分类方法、装置、电子设备及存储介质 | |
CN108899064A (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
US20130208952A1 (en) | Method and Apparatus for Improving Accuracy of Biometric Identification in Specimen Collection Applications | |
CN109840280B (zh) | 一种文本分类方法、装置及计算机可读存储介质 | |
CN109599187A (zh) | 一种在线问诊的分诊方法、服务器、终端、设备及介质 | |
WO2021151295A1 (zh) | 患者治疗方案的确定方法、装置、计算机设备及介质 | |
CN112116976A (zh) | 药品信息的处理方法、装置及计算机可读存储介质 | |
WO2019079490A1 (en) | PROBABILISTIC MODELING TO MATCH PATIENTS WITH CLINICAL TRIALS | |
Tran et al. | Burn image classification using one-class support vector machine | |
JP2018014058A (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
CN115050442A (zh) | 基于挖掘聚类算法的病种数据上报方法、装置及存储介质 | |
CN113724830B (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
CN113539414A (zh) | 一种抗生素用药合理性预测方法及系统 | |
US20210398633A1 (en) | Systems and methods for transacting prescriptions using a mobile device | |
Jain et al. | Biometric signature authentication scheme with RNN (BIOSIG_RNN) machine learning approach | |
CN110473636B (zh) | 基于深度学习的智能医嘱推荐方法及系统 | |
CN113961609A (zh) | 数据查询方法、装置、服务器及存储介质 | |
CN111816276A (zh) | 患教教程推荐方法、装置、计算机设备和存储介质 | |
CN110580955A (zh) | 疾病信息识别方法、装置、计算机设备及存储介质 | |
CN117577348B (zh) | 一种循证医学证据的识别方法及相关装置 | |
Prasad et al. | Health diagnosis expert advisory system on trained data sets for hyperthyroid |
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 |