CN112700838B - 基于大数据的用药方案推荐方法、装置及相关设备 - Google Patents
基于大数据的用药方案推荐方法、装置及相关设备 Download PDFInfo
- Publication number
- CN112700838B CN112700838B CN202011612199.5A CN202011612199A CN112700838B CN 112700838 B CN112700838 B CN 112700838B CN 202011612199 A CN202011612199 A CN 202011612199A CN 112700838 B CN112700838 B CN 112700838B
- Authority
- CN
- China
- Prior art keywords
- medication
- target
- symptom
- information
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 344
- 229940079593 drug Drugs 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims abstract description 67
- 208000024891 symptom Diseases 0.000 claims abstract description 218
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 133
- 201000010099 disease Diseases 0.000 claims abstract description 131
- 238000011282 treatment Methods 0.000 claims abstract description 100
- 238000003745 diagnosis Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000012986 modification Methods 0.000 claims description 28
- 230000004048 modification Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 23
- 206010067484 Adverse reaction Diseases 0.000 claims description 15
- 230000006838 adverse reaction Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 239000003607 modifier Substances 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001225 therapeutic effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract 1
- 230000003993 interaction Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 206010019233 Headaches Diseases 0.000 description 5
- 231100000869 headache Toxicity 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000002173 dizziness Diseases 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000009205 Tinnitus Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000035876 healing Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 231100000886 tinnitus Toxicity 0.000 description 2
- 206010033425 Pain in extremity Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及数据处理技术，提供一种基于大数据的用药方案推荐方法、装置、计算机设备与存储介质，包括：获取并结构化处理患者的病例症状信息，得到目标病例症状信息；解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类；根据所述疾病分类遍历预先设置的疾病与诊疗的映射关系，得到目标诊疗方案；获取所述目标诊疗方案携带的药品信息，得到初始化用药方案；基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求；当评定结果为所述初始化用药方案不符合预设用药规则时，调整所述初始化用药方案，得到目标用药方案。本申请能够提高用药方案推荐的准确性，促进智慧医疗及智慧城市的建设。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种基于大数据的用药方案推荐方法、装置、计算机设备及介质。
背景技术
随着大数据技术及“互联网+”的迅速发展，利用计算机技术手段建立用药推荐系统，以便辅助用药决策及推荐用药已经引起关注。
针对为患者智能推荐用药方案的情况，在实现本申请的过程中，发明人发现现有技术至少存在如下问题：现有方案主要是通过将人体的症状与药品已知的特性进行匹配，从而为人们推荐用药方案。例如，某个药品在研发和临床试验过程中，会得出该药品所适用的症状有哪些，当某个人表现出相应或类似的症状并且需要用药时，可以为其推荐该药品。然而，上述方式只是简单的根据症状与药品的匹配关系，为人们推荐用药方案，药品推荐结果的准确性较低。
因此，有必要提供一种基于大数据的用药方案推荐方法，能够提高用药方案推荐的准确性。
发明内容
鉴于以上内容，有必要提出一种基于大数据的用药方案推荐方法、基于大数据的用药方案推荐装置、计算机设备及介质，能够提高用药方案推荐的准确性。
本申请实施例第一方面提供一种基于大数据的用药方案推荐方法，所述基于大数据的用药方案推荐方法包括：
获取并结构化处理患者的病例症状信息，得到目标病例症状信息；
解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类；
根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案；
获取所述目标诊疗方案携带的药品信息，得到初始化用药方案；
基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求；
当评定结果为所述初始化用药方案不符合预设用药规则时，调整所述初始化用药方案，得到目标用药方案。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述获取并结构化处理患者的病例症状信息，得到目标病例症状信息包括：
调用预设症状要素表拆分并提取所述病例症状信息，得到目标症状要素；
获取对应所述目标症状要素的目标修饰词；
根据预设数据格式组合所述目标症状要素与所述目标修饰词，得到目标病例症状信息。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类包括：
解析所述目标病例症状信息，得到目标实体，所述目标实体包括若干个症状实体与若干个修饰实体；
根据所述修饰实体计算对应所述症状实体的重要程度值；
序列化处理所述症状实体，并按照所述重要程度值进行排序得到症状序列；
按照优先级顺序确定与所述症状序列相关联的疾病实体，并输出优先级最高的疾病实体作为患者的疾病分类。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案包括：
采集并规范化处理区块链中的临床数据，得到疾病信息与诊疗方案信息；
建立细粒度所述疾病信息与所述诊疗方案信息的关系矩阵；
获取所述疾病分类，并基于所述关系矩阵进行协同过滤得到目标诊疗方案。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述获取所述目标诊疗方案携带的药品信息，得到初始化用药方案包括：
解析所述目标诊疗方案，并定位所述目标诊疗方案的目标位置；
获取所述目标位置处的信息作为药品信息；
规范化处理所述药品信息，生成对应患者的初始化用药方案。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求包括：
获取对应所述初始化用药方案的用药信息，所述用药信息包括用药名称、用药剂量与用药途径；
检测所述用药信息是否符合预设药品说明要求；
当检测结果为所述用药信息符合预设药品说明要求时，调用药物规则网络模型计算所述初始化用药方案的评分；
检测所述评分是否超过预设分数阈值；
当检测结果为所述评分超过预设分数阈值时，确定所述初始用药方案符合预设用药要求；
当检测结果为所述评分未超过预设分数阈值时，确定所述初始用药方案不符合预设用药要求。
进一步地，在本申请实施例提供的上述基于大数据的用药方案推荐方法中，所述调整所述初始化用药方案，得到目标用药方案包括：
获取对应所述初始化用药方案的评分中占比最大的目标不良反应以及所述目标不良反应对应的目标药品；
确定与所述目标药品同疗效的替换药品集；
获取所述替换药品集中所述目标不良反应最小的目标替换药品，并基于所述目标替换药品替换所述目标药品，得到目标用药方案。
本申请实施例第二方面还提供一种基于大数据的用药方案推荐装置，所述基于大数据的用药方案推荐装置包括：
结构处理模块，用于获取并结构化处理患者的病例症状信息，得到目标病例症状信息；
疾病分类模块，用于解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类；
诊疗确定模块，用于根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案；
用药筛选模块，用于获取所述目标诊疗方案携带的药品信息，得到初始化用药方案；
要求评定模块，用于基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求；
用药调整模块，用于当评定结果为所述初始化用药方案不符合预设用药规则后，调整所述初始化用药方案，得到目标用药方案。
本申请实施例第三方面还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述基于大数据的用药方案推荐方法。
本申请实施例第四方面还提供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计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述基于大数据的用药方案推荐方法。
本申请实施例提供的上述基于大数据的用药方案推荐方法、基于大数据的用药方案推荐装置、计算机设备以及计算机可读存储介质，基于区块链技术，对于支撑用药推荐决策的关键信息(例如，患者的病例病症信息、治疗方案、用药方案等)进行了校验、加密及保护，能够有效保障患者的基本信息与临床数据的可信性与有效性；此外，本申请在用药推荐决策的多个环节引入了医学、药学、病理学等先验知识构成的规则模型，修正仅由症状与药品匹配带来的可信度低、用药方案风险过大等问题，能够安全有效地根据患者信息与症状数据进行用药推荐，提高用药方案推荐的准确性。本申请可应用于智慧政务、智慧交通、智慧医疗等智慧城市的各个功能模块中，比如智慧医疗的基于大数据的用药方案推荐处理模块等，能够促进智慧城市的快速发展。
附图说明
图1是本申请实施例一提供的基于大数据的用药方案推荐方法的流程图。
图2是本申请实施例二提供的基于大数据的用药方案推荐装置的结构图。
图3是本申请实施例三提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
图1是本申请第一实施方式的基于大数据的用药方案推荐方法的流程图。如图1所示，所述基于大数据的用药方案推荐方法可以包括如下步骤：
S11、获取并结构化处理患者的病例症状信息，得到目标病例症状信息。
在本申请的至少一实施例中，患者的病例症状信息可以通过人机交互的方式输入的，人机交互技术包括机器通过输出或显示设备给人提供大量有关信息及提示信息，人通过输入设备给机器输入有关信息、回答问题及提示请示等。具体地，用户可以通过人机交互方式进行用药咨询，并获得机器对咨询问题的回答，以完成一轮对话。在一个实施场景中，可以利用人机交互系统，获取与用户之间的至少一轮交互数据并基于至少一轮交互数据得到患者的症状信息。
所述病例症状信息可以包括症状要素、对应所述症状要素的修饰词以及其他无关信息。其中，所述症状要素可包括头疼、头晕、耳鸣等症状，所述症状要素的修饰词包括程度修饰词、时间修饰词与频次修饰词，所述程度修饰词可以为轻度、严重、重度等词，所述时间修饰词可以为凌晨、上午、半夜等词，所述频次修饰词可以为间歇性、阵发、偶尔、反复等词。所述其他无关信息可以是一些介词、形容词以及标点符合等。通过对所述症状信息进行结构化处理，删除无关信息，能够减少无关信息的干扰，提高用药方案推荐的效率。
可选地，所述获取并结构化处理患者的病例症状信息，得到目标病例症状信息包括：调用预设症状要素表拆分并提取所述病例症状信息，得到目标症状要素；获取对应所述目标症状要素的目标修饰词；根据预设数据格式组合所述目标症状要素与所述目标修饰词，得到目标病例症状信息。
其中，可以通过遍历预先存储至区块链中的病例症状数据库，得到所述病例症状信息的目标症状要素及其对应的目标修饰词，所述病例症状数据库用于录入患者的病例及症状表现信息，示例性地，按照病例ID作为索引，存储有病情阶段、临床特征与表现(包括症状信息、症状程度、症状频次以及症状时间等信息)、患者的职业、性别、年龄及各项生理指标、病例日期、疾病的地域分类等属性信息。所述预设数据格式是预先设置的存储所述目标症状要素与所述目标修饰词的格式，在此不做限制。
在本申请的至少一实施例中，为保证患者的隐私信息安全以及信息的可信与真实性，为患者提供安全可信的应用，本申请通过调用区块链技术存储所述病例症状数据库。
可选地，所述调用区块链技术存储所述病例症状数据库包括：调用业务服务器获取目标数据的发布地点及时间，所述目标数据包括患者的病例病症数据；调用区块链中的数据校验节点检测所述目标数据的真实性和合法性是否符合预设要求；当检测结果为所述目标数据的真实性和合法性符合预设要求时，配置所述目标数据的权限信息与公钥参数；基于所述目标数据的权限信息与公钥参数构建节点信息，并将所述节点信息推送至区块链网络中。其中，所述数据校验节点是指区块链中设计的，用于校验上传数据的真实性与合法性的节点。
可选地，所述病例症状数据库中患者的病例症状数据可能存在更改或删除的情况，当所述病例症状数据库中的信息需要变更时，所述方法还包括：当接收到数据更新请求时，获取需要更新的数据对象，所述数据对象包括数据属性值以及对应的更新字段数据；根据所述数据属性值在区块链网络中确定与所述数据属性值相关联的全量数据；结合所述更新字段数据，读取所述全量数据，以在所述全量数据中确定需要被更新的字段，进而更新。本申请在接收到数据更新请求时，需要获取更新字段数据并校验所述更新字段数据是否符合真实性与合理性要求，当校验结果为所述更新字段数据符合真实性与合理性要求后，可读取全量数据，并在所述全量数据中对需要被更新的字段进行更新。通过更新处理，能够保证区块链中的数据的真实性与可信性，进而提高用药推荐的准确性。
在本申请的至少一实施例中，还可以调用区块链技术存储诊疗方案数据库与药物数据库，所述诊疗方案数据库用于录入诊疗方案相关的信息，所述药物数据库用于录入药品详细信息。示例性地，对于诊疗方案数据库，存储有疾病名称、症状名称、并发症相关、疾病属类权重、药物配比方案及权重、疗程周期、疗程方案的时序疗效表现、适用性别及人群、不良反应及禁忌集合、相关诊疗方案关联度等信息。所述诊疗方案数据库可根据患者的临床数据进行更新。对于所述药物数据库，在所述药物数据库中按照药物的注册ID作为主键索引，每条数据将包括药物的名称、适应症状、功能主治、用法用量、副作用、不良反应及禁忌等信息，同时将加入药物的组成成分、化学结构、药理数据、药物靶标信息。本申请提供的调用区块链技术存储诊疗方案数据库与药物数据库的方式和上述提及的调用区块链技术存储病例症状数据库的方式相同，在此不再赘述。
S12、解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类。
在本申请的至少一实施例中，所述目标病例症状信息中可以包含若干个症状实体与若干个修饰实体，所述修饰实体与所述症状实体相对应。一般来说，有一个所述症状实体，就对应有一个所述修饰实体。所述症状实体可以是头疼、头晕、耳鸣等症状实体，所述修饰实体可以为程度、时间及频次等修饰实体。通过解析所述目标病例症状信息，能够得到目标实体，也即得到所述症状实体与修饰实体。通过对所述症状实体与所述修饰实体进行综合分析，能够确定患者的疾病分类。
可选地，所述解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类包括：解析所述目标病例症状信息，得到目标实体，所述目标实体包括若干个症状实体与若干个修饰实体；根据所述修饰实体计算对应所述症状实体的重要程度值；序列化处理所述症状实体，并按照所述重要程度值进行排序得到症状序列；按照优先级顺序确定与所述症状序列相关联的疾病实体，并输出优先级最高的疾病实体作为患者的疾病分类。本申请通过序列化处理所述症状实体，并按照重要程度值进行排序得到症状序列，基于所述症状序列进行疾病分类处理，能够提高疾病分类处理的效率，进而提高用药推荐的效率。
可选地，所述根据所述修饰实体计算对应所述症状实体的重要程度值包括：获取症状实体的程度信息、时间信息与频次信息；将所述程度信息、所述时间信息与所述频次信息输入至预先训练好的重要程度计算模型中进行处理，得到对应每一所述症状实体的重要程度值。其中，所述重要程度计算模型可以是采用深度神经网络进行训练得到的模型，在此不做限制。所述症状实体的重要程度值是指该症状实体在疾病分类操作中的贡献程度，一般来说，所述症状实体的重要程度值越大，说明该症状实体在疾病分类操作中的贡献程度越大，越能根据该症状实体实现疾病分类。
可选地，所述按照优先级顺序确定与所述症状序列相关联的疾病实体，并输出优先级最高的疾病实体作为患者的疾病分类包括：调用预先训练的疾病实体确定模型处理所述症状序列，能够得到按照优先级顺序确定的相关联的疾病实体。所述优先级顺序可以按照疾病实体的概率从大到小进行排序，优先级越大的疾病实体，患者的病例症状信息对应该疾病分类的概率越大；优先级越小的疾病实体，患者的病例症状信息对应该疾病分类的概率越小。
其中，所述疾病实体确定模型的训练方法包括：获取所述病例症状数据库中患者的病例症状数据；根据疾病分类对所述病例症状数据进行聚类分析，得到聚类结果；将所述聚类结果分为训练集与测试集，并根据所述训练集训练初始的神经网络模型，得到训练完成的疾病实体确定模型；将所述测试集输入至训练完成的疾病实体确定模型中进行测试，得到模型评估结果；检测所述模型评估结果是否超过预设指标阈值；当检测结果为所述模型评估结果超过预设指标阈值时，确定模型训练完成，得到疾病实体确定模型；当检测结果为所述模型评估结果未超过预设指标阈值时，增加训练集，重新训练模型，直至所述模型的评估指标超过预设指标阈值。其中，所述测试集可以通过具有医学诊断及病理学决策规则集合的医生专家系统进行标记并预测出测试集的结果。所述预设指标阈值为预先设置的，用于评定所述疾病实体确定模型的准确率的值，例如，所述预设指标阈值可以为90％。
在本申请的至少一实施例中，所述目标病例症状信息中可能包含多个症状实体，多个症状实体间可以是相互关联的，也可以是不关联的。例如，症状“头疼”与症状“头晕”应属于相互关联的症状，而症状“头疼”与症状“手疼”应输出不关联的症状。本申请可以通过查询预设医学知识图谱从而确定多个症状实体间是否存在关联关系。
可选地，所述方法还包括：解析所述目标病例症状信息，得到目标实体，所述目标实体包括症状实体与修饰实体；检测所述症状实体的数量是否超过预设数量阈值；当检测结果为所述症状实体的数量超过预设数量阈值时，调用预设医学知识图谱确定每一所述症状实体间的关联关系；基于所述关联关系构建症状实体关系树。其中，所述预设数量阈值为预先设置的值，例如，所述预设数量阈值可以为1个。
可选地，在基于所述关联关系构建症状实体关系树时，所述方法还包括：获取存在关联关系的目标症状实体集；确定所述目标症状实体集对应的目标修饰实体集；根据所述目标修饰实体集确定所述目标症状实体集中每一所述症状实体的重要程度值；将所述重要程度值最大的症状实体作为所述症状实体关系树的父节点，将其余症状实体作为所述症状实体关系树的子节点，并将所述子节点按照重要程度值的顺序进行排序。其中，所述症状实体关系树的数量可以为1个，也可以为多个。对于每一所述症状实体关系树，均存在与之对应的疾病分类。
本申请通过确定所述症状实体间的关联关系，并基于关联关系构建症状实体关系树，能够快速确定患者对应的疾病实体，提高疾病实体确定的速率与准确性，继而提高用药推荐的速率与准确性。
在本申请的至少一实施例中，患者在输入病例症状信息时，存在输入的病例症状过少的情况，从而无法根据已知的病例症状准确获取患者的疾病分类。
可选地，在所述解析所述目标病例症状信息，得到目标实体，所述目标实体包括若干个症状实体与若干个修饰实体之后，所述方法还包括：获取所述症状实体的数量，并检测所述数量是否超过预定数量阈值；当检测结果为所述数量未超过预定数量阈值时，获取区块链中存储的患者的基本信息，所述基本信息包括年龄信息、性别信息以及疾病史信息；根据所述基本信息确定对应所述症状实体与所述修饰实体的疾病实体的后验概率；确定所述后验概率最大的疾病实体作为疾病分类。
其中，所述预定数量阈值为预先设置的值，例如，所述预定数量阈值为1个，在此不做限制。所述后验概率的计算方法为现有技术，在此不做赘述。
本申请通过结合患者的基本信息，确定对应所述症状实体与所述修饰实体的后验概率最大的疾病实体作为疾病分类，能够避免症状实体过少带来的疾病分类不准确的问题。
在本申请的另一实施例中，当检测结果为所述数量未超过预定数量阈值时，所述方法还包括：根据患者的所述症状实体与所述修饰实体确定初始化的疾病问卷表；输出所述疾病问卷表，并接收患者针对所述疾病问卷表中每一疾病问题填入的其他症状信息；根据所述其他症状信息动态调整初始化的疾病问卷表，直至采集到患者的所有症状信息。
本申请基于患者的症状实体与修饰实体确定初始化的疾病问卷表，并根据患者在填写疾病问卷表时的答案动态调整疾病问卷表中的问题，能够针对患者的症状采集对应的问题答案，避免采集过多无效的问题答案，能够提高症状信息采集的效率，进而提高疾病分类的效率，提高用药推荐的效率。
在本申请的其他实施例中，当检测结果为所述数量未超过预定数量阈值时，所述方法还包括：输出提示，用于提示患者输入更多相关病例症状信息。
S13、根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案。
在本申请的至少一实施例中，诊疗方案可以包括用药及手术等方案，在此不做限制。所述疾病与所述诊疗方案间存在映射关系，通过所述疾病分类遍历该映射关系，能够得到对应的目标诊疗方案。
可选地，所述根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案包括：采集并规范化处理区块链中的临床数据，得到疾病信息与诊疗方案信息；建立细粒度所述疾病信息与所述诊疗方案信息的关系矩阵；获取所述疾病分类，并基于所述关系矩阵进行协同过滤得到目标诊疗方案。
其中，所述临床数据是指大量患者的疾病信息与诊疗方案信息组成的数据。规范化处理区块链中的临床数据，也即抽取临床数据中的疾病信息与诊疗方案信息，并将所述疾病信息与所述诊疗方案信息按照预设格式进行组合。
可选地，所述建立细粒度所述疾病信息与所述诊疗方案信息的关系矩阵可以包括：获取疾病信息以及对应所述疾病信息的诊疗方案集；确定所述疾病信息对应症状信息；根据所述症状信息对所述诊疗方案集进行细粒度分类，构建相同疾病信息下不同症状信息与诊疗方案间的关系矩阵。
其中，由于同一个疾病信息包含不同的症状信息，同一个症状信息对应的修饰信息不一定相同。通过对相同疾病信息下，不同修饰信息对应的症状信息进行细粒度分类，并确定与之对应的诊疗方案，从而构建关系矩阵，能够提高目标诊疗方案确定的准确性。
在本申请的至少一实施例中，所述建立细粒度所述疾病信息与所述诊疗方案信息的关系矩阵还包括：获取临床数据中对应患者的基本信息；将相同症状的诊疗方案按照所述基本信息进行细粒度分类，构建关系矩阵。其中，所述基本信息包括患者年龄、患者性别、是否有孕等信息。所述相同症状是指症状的程度信息、时间信息以及频次信息相同或相近。
本申请能够针对相同疾病不同症状的患者推荐相应的诊疗方案，也能够针对相同症状不同人群的患者推荐相应的诊疗方案，针对同一疾病的不同症状、不同人群的诊疗方案进行细粒度划分，能够提高诊疗方案确定的准确性，继而提高用药推荐的准确性。
在本申请的至少一实施例中，所述临床数据包含疾病信息以及不同治愈效果的诊疗方案信息，可选地，在所述采集并规范化处理区块链中的临床数据，得到疾病信息与诊疗方案信息之前，所述方法还包括：获取区块链中存储的所有的初始临床数据；确定所述初始临床数据中每一疾病信息对应的疾病治疗效果；筛选所述疾病治疗效果达到预设治疗要求的临床数据，作为目标临床数据。其中，所述治愈效果可以包括：极好、好、一般、差与极差等。
本申请通过对区块链中存储的所有初始临床数据进行筛选，优先选取疾病治疗效果好的临床数据构建关系矩阵，能够确保后续诊疗方案推荐的准确性与可靠性，进而提高用药推荐的准确性与可靠性。
S14、获取所述目标诊疗方案携带的药品信息，得到初始化用药方案。
在本申请的至少一实施例中，所述目标诊疗方案包括用药方案、手术方案等方案，当所述目标诊疗方案包括用药方案时，所述用药方案中包含药品信息。
可选地，所述药品信息可以存储于所述目标诊疗方案中的目标位置处，通过查询所述目标位置处的信息即能够得到所述目标诊疗方案的药品信息。所述获取所述目标诊疗方案携带的药品信息，得到初始化用药方案包括：解析所述目标诊疗方案，并定位所述目标诊疗方案的目标位置；获取所述目标位置处的信息作为药品信息；规范化处理所述药品信息，生成对应患者的初始化用药方案。其中，规范化处理所述药品信息可以是将所述药品信息按照特定数据格式进行存储，在此不做限制。
可选地，所述药品信息还可以通过在所述目标诊疗方案中设置预设标识确定，通过查询所述预设标识即能够得到所述目标诊疗方案的药品信息。所述获取所述目标诊疗方案携带的药品信息，得到初始化用药方案包括：解析所述目标诊疗方案，并获取所述目标诊疗方案携带的预设标识；根据所述预设标识确定药品信息；规范化处理所述药品信息，生成对应患者的初始化用药方案。其中，所述预设标识可以为数字标识、字母标识等，通过查询所述预设标识与药品信息的映射关系，能够得到预设标识对应的药品信息。
S15、基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求，当评定结果为所述初始化用药方案不符合预设用药规则时，执行步骤S16。
在本申请的至少一实施例中，所述预设用药要求是指预先设置的，用于评价用药是否合理的要求。所述药物规则网络模型是指预先训练的，存储于区块链中的模型。所述药物规则网络模型用于获取药物对/组联用时发生的相互作用，并根据所述相互作用评定所述初始化用药方案是否符合预设用药要求。其中，药物对/组相互作用的相关规则是指不同药物在一定使用条件下按照一定药物使用方案一起使用时，存在相互作用/相互影响以及产生的复合效应的相关信息和规则，包括两种或两种以上药物一起使用时存在相互作用的情况，一起使用包括同时使用或者在一段时间之内使用。在一定使用条件下，一起使用时可能存在相互作用的两种或两种以上药物即为相互作用药物对/组。
所述药物对/组的相互作用关系的规则可以是基于各种药物说明书、指南、临床治疗路径、处方集、药典、专家共识、医联体/医院/科室内部的会议纪要及共识、行业规范、教材、论文、著作、申请、科学推论、实验报告、试验报告、数据分析报告、测试报告、检测报告、审批文件、相关法规、相关指导意见、相关政策、相关制度、相关目录、相关文献资料、相关价格规定、相关价格目录、相关招标结果、相关物价政策、相关保险支付条款、相关保险支付协议、相关招标结果、相关采购目录、相关医生/护士/药师/护理人员/使用者/售货员的使用评价/使用结果/使用监测报告/安全报告、其他文献资料、其他具有专业性/权威性的研究结果，还可以基于循证医学的方法以及基于现有数据的概率推测，还可以包括需要人工设定的各种权重/各种等级/各种排序等来源建立的医学/药学数据模型也可以包括基于信息重整/信息分析/大数据分析建立的数据库，也可以包括通过人工智能深度学习建立的数据库，也可以包括通过数据挖据分析后得出的数据库，也可以包括通过数据统计分析/人工智能深度学习后得经过人工设定出的规则中的至少一种。
可选地，所述基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求包括：获取对应所述初始化用药方案的用药信息，所述用药信息包括用药名称、用药剂量与用药途径；检测所述用药信息是否符合预设药品说明要求；当检测结果为所述用药信息符合预设药品说明要求时，调用药物规则网络模型计算所述初始化用药方案的评分；检测所述评分是否超过预设分数阈值；当检测结果为所述评分超过预设分数阈值时，确定所述初始用药方案符合预设用药要求；当检测结果为所述评分未超过预设分数阈值时，确定所述初始用药方案不符合预设用药要求。
其中，所述预设药品说明要求是指对应该药品的使用说明，包括用药最大剂量、用药途径、用药频率等信息。所述预设分数阈值是指预先设置的，用于评价用药方案是否符合预设用药要求的值。所述调用药物规则网络模型计算所述初始化用药方案的评分也即计算药物对/组间相互作用带来的各种不良反应的评分。其中，不良反应可以为头疼、眩晕等。本申请可以调用药物规则网络模型获取所述初始化用药方案中的药物对/组间的不良反应项；再针对每一所述不良反应项计算对应的评分；通过综合计算各项评分的方式得到最终评分。
可选地，当检测结果为所述用药信息不符合预设药品说明要求时，所述方法还包括：获取不符合预设药品说明要求的目标用药信息；确定对应所述目标用药信息的目标药品说明要求；根据目标药品说明要求调整所述初始化用药方案，得到目标用药方案。示例性地，当药品的用药频率超过预设药品说明要求规则的最大用药频率时，可以对初始化用药方案中的用药频率进行调整，调整为预设药品说明要求中规定的最大用药频率。
S16、调整所述初始化用药方案，得到目标用药方案。
在本申请的至少一实施例中，当评定结果为所述初始化用药方案不符合预设用药规则时，调整所述初始化用药方案，得到目标用药方案。
可选地，所述调整所述初始化用药方案，得到目标用药方案包括：获取对应所述初始化用药方案的评分中占比最大的目标不良反应以及所述目标不良反应对应的目标药品；确定与所述目标药品同疗效的替换药品集；获取所述替换药品集中所述目标不良反应最小的目标替换药品，并基于所述目标替换药品替换所述目标药品，得到目标用药方案。
在本申请的至少一实施例中，患者在接受用药推荐进行药物治疗后，可以定期将药物治疗后的症状表现数据传递至区块链中，用以对区块链中的相关信息进行优化处理，进一步提高用药方案推荐的准确性。
在本申请的至少一实施例中，所述方法还包括：在监听到患者进入区块链并得到患者输入的病例病症信息后，所述方法还包括：获取患者的病例病症信息对应的症状实体与修饰实体，得到目标症状信息；从所述区块链中缓存的历史病例病症信息中获取历史症状实体与历史修饰实体，得到历史症状信息；分别计算所述目标症状信息与所述历史症状信息的距离，并选择距离最近的历史病例病症信息提供至患者。
本申请通过在新患者输入病例症状时，将优先推荐相似症状的可治愈方案给当前患者，实现治疗方案和药物方案的可追溯共享。患者可获得依据区块链推荐的相似症状病例，与相关用户进行病情交流与信息交换的授权，逐级选择开放彼此的可信权限，交换不同保密级别的隐私信息，为有效治愈方案的交流共享提供可能。
可选地，在计算所述目标症状信息与所述历史症状信息的距离之后，所述方法还包括：根据所述距离确定是否存在与所述目标症状信息完全一致的历史症状信息；当确定结果为存在与所述目标症状信息完全一致的历史症状信息时，获取患者的基本信息，并检测患者的基本信息是否一致；当检测结果为患者的基本信息一致时，直接推荐历史患者的用药方案。其中，所述基本信息可以为年龄信息、性别信息等。
可以理解的是，当确定结果为不存在与所述目标症状信息完全一致的历史症状信息时，或者，当检测结果为患者的基本信息不一致时，则按照距离值的大小确定相似度，并按照相似度从大到小的顺序显示以供患者查看。
本申请通过将新患者输入的病例病症信息与区块链中的历史病例病症信息进行距离比对，优先选取与患者的病例病症完全相同的历史病例病症的用药方案作为推荐，无需对新患者输入的病例病症从头进行分析再得到用药推荐，能够提高用药推荐处理的效率。
本申请实施例提供的上述基于大数据的用药方案推荐方法，基于区块链技术，对于支撑用药推荐决策的关键信息(例如，患者的病例病症信息、治疗方案、用药方案等)进行了校验、加密及保护，能够有效保障患者的基本信息与临床数据的可信性与有效性；此外，本申请在用药推荐决策时的多个环节引入了医学、药学、病理学等先验知识构成的规则模型，修正仅由症状与药品匹配带来的可信度低、用药方案风险过大等问题，能够安全有效地根据患者信息与症状数据进行用药推荐，提高用药方案推荐的准确性。本申请可应用于智慧政务、智慧交通、智慧医疗等智慧城市的各个功能模块中，比如智慧医疗的基于区块链的用药方案推荐处理模块等，能够促进智慧城市的快速发展。
图2是本申请实施例二提供的基于大数据的用药方案推荐装置的结构图。
在一些实施例中，所述基于大数据的用药方案推荐装置20可以包括多个由计算机程序段所组成的功能模块。所述基于大数据的用药方案推荐装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于大数据的用药方案推荐的功能。
本实施例中，所述基于大数据的用药方案推荐装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：结构处理模块201、疾病分类模块202、诊疗确定模块203、用药筛选模块204、要求评定模块205以及用药调整模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
结构处理模块201可以用于获取并结构化处理患者的病例症状信息，得到目标病例症状信息。
疾病分类模块202可以用于解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类。
诊疗确定模块203可以用于根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案。
用药筛选模块204可以用于获取所述目标诊疗方案携带的药品信息，得到初始化用药方案。
要求评定模块205可以用于基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求。
用药调整模块206可以用于当评定结果为所述初始化用药方案不符合预设用药规则后，调整所述初始化用药方案，得到目标用药方案。
参阅图3所示，为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中，所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的计算机设备的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述计算机设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述计算机设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的基于大数据的用药方案推荐方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中，所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的基于大数据的用药方案推荐方法的全部或者部分步骤；或者实现基于大数据的用药方案推荐装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(CentralProcessing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述计算机设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (9)
1.一种基于大数据的用药方案推荐方法，其特征在于，所述基于大数据的用药方案推荐方法包括：
获取并结构化处理患者的病例症状信息，得到目标病例症状信息；
解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类，包括：解析所述目标病例症状信息，得到目标实体，所述目标实体包括若干个症状实体与若干个修饰实体；根据所述修饰实体计算对应所述症状实体的重要程度值；序列化处理所述症状实体，并按照所述重要程度值进行排序得到症状序列；按照优先级顺序确定与所述症状序列相关联的疾病实体，并输出优先级最高的疾病实体作为患者的疾病分类；所述方法还包括：获取所述症状实体的数量，并检测所述数量是否超过预设数量阈值；当检测结果为所述数量未超过所述预设数量阈值时，根据患者的所述症状实体与所述修饰实体确定初始化的疾病问卷表；输出所述疾病问卷表，并接收患者针对所述疾病问卷表中每一疾病问题填入的其他症状信息；根据所述其他症状信息动态调整初始化的疾病问卷表，直至采集到患者的所有病例症状信息；
根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案；
获取所述目标诊疗方案携带的药品信息，得到初始化用药方案；
基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求；
当评定结果为所述初始化用药方案不符合预设用药规则后，调整所述初始化用药方案，得到目标用药方案。
2.根据权利要求1所述的基于大数据的用药方案推荐方法，其特征在于，所述获取并结构化处理患者的病例症状信息，得到目标病例症状信息包括：
调用预设症状要素表拆分并提取所述病例症状信息，得到目标症状要素；
获取对应所述目标症状要素的目标修饰词；
根据预设数据格式组合所述目标症状要素与所述目标修饰词，得到目标病例症状信息。
3.根据权利要求1所述的基于大数据的用药方案推荐方法，其特征在于，所述根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案包括：
采集并规范化处理区块链中的临床数据，得到疾病信息与诊疗方案信息；建立细粒度所述疾病信息与所述诊疗方案信息的关系矩阵；
获取所述疾病分类，并基于所述关系矩阵进行协同过滤得到目标诊疗方案。
4.根据权利要求1所述的基于大数据的用药方案推荐方法，其特征在于，所述获取所述目标诊疗方案携带的药品信息，得到初始化用药方案包括：
解析所述目标诊疗方案，并定位所述目标诊疗方案的目标位置；
获取所述目标位置处的信息作为药品信息；
规范化处理所述药品信息，生成对应患者的初始化用药方案。
5.根据权利要求1所述的基于大数据的用药方案推荐方法，其特征在于，所述基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求包括：
获取对应所述初始化用药方案的用药信息，所述用药信息包括用药名称、用药剂量与用药途径；
检测所述用药信息是否符合预设药品说明要求；
当检测结果为所述用药信息符合预设药品说明要求时，调用药物规则网络模型计算所述初始化用药方案的评分；
检测所述评分是否超过预设分数阈值；
当检测结果为所述评分超过预设分数阈值时，确定所述初始化用药方案符合预设用药要求；
当检测结果为所述评分未超过预设分数阈值时，确定所述初始化用药方案不符合预设用药要求。
6.根据权利要求5所述的基于大数据的用药方案推荐方法，其特征在于，所述调整所述初始化用药方案，得到目标用药方案包括：
获取对应所述初始化用药方案的评分中占比最大的目标不良反应以及所述目标不良反应对应的目标药品；
确定与所述目标药品同疗效的替换药品集；
获取所述替换药品集中所述目标不良反应最小的目标替换药品，并基于所述目标替换药品替换所述目标药品，得到目标用药方案。
7.一种基于大数据的用药方案推荐装置，其特征在于，所述基于大数据的用药方案推荐装置包括：
结构处理模块，用于获取并结构化处理患者的病例症状信息，得到目标病例症状信息；
疾病分类模块，用于解析所述目标病例症状信息，得到目标实体，并基于所述目标实体确定患者的疾病分类，包括：解析所述目标病例症状信息，得到目标实体，所述目标实体包括若干个症状实体与若干个修饰实体；根据所述修饰实体计算对应所述症状实体的重要程度值；序列化处理所述症状实体，并按照所述重要程度值进行排序得到症状序列；按照优先级顺序确定与所述症状序列相关联的疾病实体，并输出优先级最高的疾病实体作为患者的疾病分类；获取所述症状实体的数量，并检测所述数量是否超过预设数量阈值；当检测结果为所述数量未超过所述预设数量阈值时，根据患者的所述症状实体与所述修饰实体确定初始化的疾病问卷表；输出所述疾病问卷表，并接收患者针对所述疾病问卷表中每一疾病问题填入的其他症状信息；根据所述其他症状信息动态调整初始化的疾病问卷表，直至采集到患者的所有病例症状信息；
诊疗确定模块，用于根据所述疾病分类遍历预先设置的疾病与诊疗方案的映射关系，得到目标诊疗方案；
用药筛选模块，用于获取所述目标诊疗方案携带的药品信息，得到初始化用药方案；
要求评定模块，用于基于预先训练的药物规则网络模型评定所述初始化用药方案是否符合预设用药要求；
用药调整模块，用于当评定结果为所述初始化用药方案不符合预设用药规则后，调整所述初始化用药方案，得到目标用药方案。
8.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至6中任意一项所述基于大数据的用药方案推荐方法。
9.一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计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述基于大数据的用药方案推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011612199.5A CN112700838B (zh) | 2020-12-30 | 2020-12-30 | 基于大数据的用药方案推荐方法、装置及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011612199.5A CN112700838B (zh) | 2020-12-30 | 2020-12-30 | 基于大数据的用药方案推荐方法、装置及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112700838A CN112700838A (zh) | 2021-04-23 |
| CN112700838B true CN112700838B (zh) | 2024-03-01 |
Family
ID=75511535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011612199.5A Active CN112700838B (zh) | 2020-12-30 | 2020-12-30 | 基于大数据的用药方案推荐方法、装置及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700838B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113539411A (zh) * | 2021-06-29 | 2021-10-22 | 兰州大学第一医院 | 一种辅助用药效果预判分析系统及方法 |
| CN113409911B (zh) * | 2021-07-14 | 2022-12-23 | 浙江大学 | 一种基于病例临床表型关联度的中药组方推荐方法及系统 |
| CN113539414A (zh) * | 2021-07-30 | 2021-10-22 | 中电药明数据科技(成都)有限公司 | 一种抗生素用药合理性预测方法及系统 |
| CN113628715B (zh) * | 2021-08-03 | 2024-02-23 | 四川美康医药软件研究开发股份有限公司 | 基于用药指标的数据处理方法、装置及电子设备 |
| CN113593669A (zh) * | 2021-08-05 | 2021-11-02 | 深圳市易点药健康服务有限公司 | 智能用药推荐方法、系统及装置 |
| CN113689928B (zh) * | 2021-08-24 | 2023-06-20 | 深圳平安智慧医健科技有限公司 | 保养及预防患病方案的推荐方法、装置、设备及存储介质 |
| CN113707261A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的药品推荐方法、装置及相关设备 |
| CN113658662A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 基于用药大数据的配药方法、装置、设备及存储介质 |
| CN113707262A (zh) * | 2021-08-31 | 2021-11-26 | 平安医疗健康管理股份有限公司 | 药品使用推荐方法、装置、计算机设备及存储介质 |
| CN113724830B (zh) * | 2021-08-31 | 2024-04-30 | 深圳平安智慧医健科技有限公司 | 基于人工智能的用药风险检测方法及相关设备 |
| CN113764067B (zh) * | 2021-09-08 | 2023-09-08 | 深圳平安智慧医健科技有限公司 | 药物推荐方法、系统、设备及存储介质 |
| CN118098485A (zh) * | 2021-09-20 | 2024-05-28 | 曹庆恒 | 一种治疗方案智能比较方法及系统 |
| CN114283936A (zh) * | 2021-12-29 | 2022-04-05 | 新瑞鹏宠物医疗集团有限公司 | 疾病诊断方法、装置、电子设备及存储介质 |
| CN114520831A (zh) * | 2022-02-16 | 2022-05-20 | 平安国际智慧城市科技股份有限公司 | 处方推送方法、装置、终端及存储介质 |
| CN114974501A (zh) * | 2022-06-16 | 2022-08-30 | 康键信息技术（深圳）有限公司 | 基于人工智能的药品推荐方法、装置、设备及存储介质 |
| CN115101164A (zh) * | 2022-06-24 | 2022-09-23 | 杭州华卓信息科技有限公司 | 一种药物推荐方法和系统 |
| CN115359924A (zh) * | 2022-08-11 | 2022-11-18 | 浙江迪谱诊断技术有限公司 | 心脑血管药物的评分方法、装置、存储介质及电子设备 |
| CN115910323B (zh) * | 2022-11-16 | 2023-09-29 | 山东仲雅信息技术有限公司 | 治疗方案选取方法、装置、设备及存储介质 |
| CN116130117B (zh) * | 2022-12-12 | 2023-11-03 | 海南省人民医院 | 基于Access数据库实现抗凝药物用药的管理方法及装置 |
| CN115965447B (zh) * | 2023-03-16 | 2023-06-06 | 杭州康晟健康管理咨询有限公司 | 一种智慧药店的药品位置管理方法和系统 |
| CN116013511B (zh) * | 2023-03-24 | 2023-06-20 | 吉林大学 | 基于知识图谱的糖尿病干预智能推荐方法及系统 |
| CN116994704B (zh) * | 2023-09-22 | 2023-12-15 | 北斗云方(北京)健康科技有限公司 | 基于临床多模态数据深度表示学习的合理用药判别方法 |
| CN117558461B (zh) * | 2024-01-12 | 2024-03-29 | 四川互慧软件有限公司 | 不同地域的同类蛇伤医疗方案选择方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2482423A1 (fr) * | 2004-10-13 | 2005-07-24 | Gilles Lauzon Hurtubise | Programme informatique rassemblant touts les consensus anciens et recents, permettant toutes formes de recherches et d`analyses rapides, tres polyvalent et qui touche a tout |
| CN102184314A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 面向偏差性症状描述的自动辅助诊断方法 |
| KR20160145978A (ko) * | 2015-06-11 | 2016-12-21 | 한국 한의학 연구원 | 건강 정보 제공 시스템 및 방법 |
| CN110459321A (zh) * | 2019-08-20 | 2019-11-15 | 山东众阳健康科技集团有限公司 | 一种基于证素的中医辅助诊断系统 |
| CN111191020A (zh) * | 2019-12-27 | 2020-05-22 | 江苏省人民医院（南京医科大学第一附属医院） | 基于机器学习和知识图谱的处方推荐方法和系统 |
| CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
-
2020
- 2020-12-30 CN CN202011612199.5A patent/CN112700838B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2482423A1 (fr) * | 2004-10-13 | 2005-07-24 | Gilles Lauzon Hurtubise | Programme informatique rassemblant touts les consensus anciens et recents, permettant toutes formes de recherches et d`analyses rapides, tres polyvalent et qui touche a tout |
| CN102184314A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 面向偏差性症状描述的自动辅助诊断方法 |
| KR20160145978A (ko) * | 2015-06-11 | 2016-12-21 | 한국 한의학 연구원 | 건강 정보 제공 시스템 및 방법 |
| CN110459321A (zh) * | 2019-08-20 | 2019-11-15 | 山东众阳健康科技集团有限公司 | 一种基于证素的中医辅助诊断系统 |
| CN111191020A (zh) * | 2019-12-27 | 2020-05-22 | 江苏省人民医院（南京医科大学第一附属医院） | 基于机器学习和知识图谱的处方推荐方法和系统 |
| CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112700838A (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112700838B (zh) | 基于大数据的用药方案推荐方法、装置及相关设备 | |
| US20210202103A1 (en) | Modeling and simulation of current and future health states | |
| US20210202099A1 (en) | Modeling and predicting insurance reimbursement for medical services | |
| US20230402140A1 (en) | Patient-centric health record system and related methods | |
| US20180137247A1 (en) | Preventive and predictive health platform | |
| KR101917043B1 (ko) | AI를 활용한 IoT 기반 u-Health 지원 시스템 및 방법 | |
| US20170091391A1 (en) | Patient Protected Information De-Identification System and Method | |
| US20110301976A1 (en) | Medical history diagnosis system and method | |
| CN110136838A (zh) | 基于多知识库推理的数据匹配决策方法及系统 | |
| Hou et al. | Vocational rehabilitation for enhancing return‐to‐work in workers with traumatic upper limb injuries | |
| CN112216361A (zh) | 基于人工智能的随访计划单生成方法、装置、终端及介质 | |
| Vasilevskis et al. | Mobile application for preliminary diagnosis of diseases | |
| Ting et al. | A hybrid knowledge-based approach to supporting the medical prescription for general practitioners: Real case in a Hong Kong medical center | |
| JP2022037803A (ja) | 情報処理方法、診断支援装置及びコンピュータプログラム | |
| US20210043310A1 (en) | Techniques for providing referrals for opioid use disorder treatment | |
| US20220310219A1 (en) | Medical record digest | |
| CN113724830B (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
| US20220391993A1 (en) | Methods of obtaining high accuracy impairment ratings and to assist data integrity in the impairment rating process | |
| WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
| KR20180002229A (ko) | 치매 정보 데이터베이스 구축을 위한 에이전트 장치 및 그 운영방법 | |
| CN116130119A (zh) | 一种乳腺癌术后康复辅助管理系统 | |
| Khosravi et al. | Artificial intelligence and decision-making in healthcare: a thematic analysis of a systematic review of reviews | |
| Alnsour et al. | Predicting patient length of stay using artificial intelligence to assist healthcare professionals in resource planning and scheduling decisions | |
| Shojaei et al. | Investigating the Components of Virtual Emergency Department. | |
| Verma et al. | Digital Assistant in the Pharmaceutical Field for Advancing Healthcare Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40041442 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |