CN113658659A - 医疗信息的处理方法、装置、计算机设备和存储介质 - Google Patents

医疗信息的处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113658659A
CN113658659A CN202110963237.XA CN202110963237A CN113658659A CN 113658659 A CN113658659 A CN 113658659A CN 202110963237 A CN202110963237 A CN 202110963237A CN 113658659 A CN113658659 A CN 113658659A
Authority
CN
China
Prior art keywords
information
medication
case
medicine
user
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.)
Granted
Application number
CN202110963237.XA
Other languages
English (en)
Other versions
CN113658659B (zh
Inventor
翟晓艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ping An Smart Healthcare Technology Co ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202110963237.XA priority Critical patent/CN113658659B/zh
Publication of CN113658659A publication Critical patent/CN113658659A/zh
Application granted granted Critical
Publication of CN113658659B publication Critical patent/CN113658659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Toxicology (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请涉及人工智能技术领域，同时适用于数字医疗领域，提供一种医疗信息的处理方法、装置、计算机设备和存储介质，方法包括：当接收到用药查询请求时，判断对用户的验证是否通过；若是，从疾病诊断结果解析出药品标识信息、疾病症状信息及实际用药配比信息；从药品知识库查询药品标识信息的药品说明信息；从病例知识库查询疾病症状信息的病例用药信息；从所有病例用药信息确定推荐病例用药信息；基于病例用药信息生成实际用药配比信息对应的风险分析结果；展示药品说明信息、推荐病例用药信息及风险分析结果。本申请能提升用户用药过程中的有效性与安全性。本申请还可以应用于区块链领域，上述风险分析结果等数据可以存储于区块链上。

Description

医疗信息的处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，具体涉及一种医疗信息的处理方法、装置、计算机设备和存储介质。
背景技术
药物直接作用于人体，正确的使用药物能达到用药目的，而错误的使用不仅对治疗无效，还有可能危害用户的健康。但是在医院或药店的医生为用户实际开具药方的过程中，因为存在各种主观或客观原因，开具的药方时可能会出现由于处方者对药品信息不够了解，对患者个体化信息掌握不足，或者出现人为失误等原因造成药品使用不合理现象。并且，由于药物使用的特殊性和复杂性，如果普通患者没有正确使用药品的相关知识和能力，很难依靠自身进行合理安全用药。因此，现有缺乏一种能够判别医生为用户开具的药方是否合理的技术手段，容易造成用户用药过程中的有效性和安全性较低。
发明内容
本申请的主要目的为提供一种医疗信息的处理方法、装置、计算机设备和存储介质，旨在解决现有缺乏一种能够判别医生为用户开具的药方是否合理的技术手段，容易造成用户用药过程中的有效性和安全性较低的技术问题。
本申请提出一种医疗信息的处理方法，所述方法包括步骤：
判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
可选地，所述按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息的步骤，包括：
对所有所述病例用药信息进行统计归类分析，将所有病例用药信息中相同的病例用药信息归为一类，得到对应的多个病例用药信息集合；
分别统计各所述病例用药信息集合中包含的病例用药信息的数量；
从各所述病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合；
计算各所述第一病例用药信息集合的疗效效果分数；
从所有所述第一病例用药信息集合中筛选出疗效效果分数最大的第二病例用药信息集合；
将所述第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。
可选地，所述计算各所述第一病例用药信息集合的疗效效果分数的步骤，包括：
获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数；其中，所述第三病例用药信息集合为所有所述第一病例用药信息集合中的任意一个集合，所述治疗次数是指在基于对应的病例用药信息使用相应药物直至疾病痊愈，所述目标用户去医院治疗的次数；
基于与所述治疗次数对应的预设计算公式，计算出与所述第三病例用药信息集合中包含的每一个病例用药信息分别对应的用药效果分数；
计算所有所述用药效果分数的平均值；
将所述平均值作为所述第三病例用药信息集合的疗效效果分数。
可选地，所述基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果的步骤，包括：
获取所述实际用药配比信息中包含的每一种第一用药的第一用药量；
从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息；其中，所述第一病例用药信息的数量包括多个；
对于指定用药，判断所有所述第一病例用药信息中是否存在所述指定用药；其中，所述指定用药为所述第一用药中的任意一种用药；
若存在所述指定用药，从所有所述第一病例用药信息中筛选出包含与所述指定用药的名称相同的第二用药的第二病例用药信息；
对所有所述第二病例用药信息进行分析，从所有所述第二病例用药信息中筛选出第二用药的用药量数值最小的第二用药量，以及筛选出第二用药的用药量数值最大的第三用药量；
基于所述第二用药量与所述第三用药量，生成与所述指定用药对应的第一用药量区间；
判断所述指定用药的第一用药量是否处于所述第一用药量区间内；
若至少存在一种第一用药的第一用药量不处于对应的第一用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
可选地，所述判断所有所述第一病例用药信息中是否存在所述指定用药的步骤之后，包括：
若所有所述第一病例用药信息中不存在所述指定用药，判断所有所述第一病例用药信息中是否存在与所述指定用药对应的替代用药；
若存在所述替代用药，从所有所述第一病例用药信息中筛选出包含与所述替代用药的名称相同的第三用药的第三病例用药信息；
对所有所述第三病例用药信息进行分析，从所有所述第三病例用药信息中筛选出第三用药的用药量数值最小的第四用药量，以及筛选出第三用药的用药量数值最大的第五用药量；
基于所述第四用药量与所述第五用药量，生成与所述指定用药对应的第二用药量区间；
判断所述指定用药的第一用药量是否处于所述第二用药量区间内；
若至少存在一种第一用药的第一用药量不处于对应的第二用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
可选地，所述基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过的步骤，包括：
获取预存储的所述注册用户名单；
判断所述注册用户名单中是否存储有与所述身份信息相同的注册用户信息；
若存储有所述注册用户信息，对所述用户进行活体检测，并判断活体检测是否通过；
若活体检测通过，从所述虹膜图像中获取与指定眼睛信息对应的目标虹膜图像，并将所述目标虹膜图像中的虹膜区域划分为多个第一子区块；
从预存储的与所述注册用户信息对应的所有所述注册虹膜图像中筛选出与所述指定眼睛信息对应的指定虹膜图像；
基于所述目标虹膜图像的区块划分方式，将所述指定虹膜图像中的虹膜区域划分为对应的多个第二子区块；
分别对所述目标虹膜图像包含的所有第一子区块与所述指定虹膜图像包含的所有第二子区块进行一一对应的比对处理，得到比对处理后的多个相似度；
获取预设的相似度阈值，并判断得到的所有所述相似度是否均大于所述相似度阈值；
若均大于所述相似度阈值，判定验证通过，否则判定验证不通过。
可选地，所述从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息的步骤之后，包括：
获取与目标药品具有冲突关系的指定药品；其中，所述目标药品是指与所述药品标识信息对应的药品；
获取与所述目标药品对应的忌口食物与推荐食物；
生成包含所述指定药品、所述忌口食物与所述推荐食物的推荐信息；
展示所述推荐信息。
本申请还提供一种医疗信息的处理装置，包括：
第一判断模块，用于判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
验证模块，用于若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
解析模块，用于若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
第一查询模块，用于基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
第二查询模块，用于基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
确定模块，用于按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
第一生成模块，用于基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
第一展示模块，用于展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供一种计算机可读存储介质，其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方法的步骤。
本申请中提供的医疗信息的处理方法、装置、计算机设备和存储介质，具有以下有益效果：
本申请中提供的医疗信息的处理方法、装置、计算机设备和存储介质，在接收到用户输入的用药查询请求且判别出用户通过验证处理后，先会从用药查询请求中解析出药品标识信息、疾病症状信息以及实际用药配比信息，会使用预设的药品知识库快捷地查询出与药品标识信息对应的药品说明信息，以及使用预设的病例知识库快捷地查询出疾病症状信息对应的病例用药信息，并且会进一步从病例用药信息中确定出推荐病例用药信息，以及基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果，最后向用户推送生成的所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。本申请在接收到包含用户的疾病诊断结果的用户查询请求后，会智能地向用户普及与疾病诊断结果相关的药品说明信息，向用户推荐相关的推荐病例用药信息，以及准确进行对于用药信息的合理性审核以实现对于用户的用药指导，从而能够有效提升用户用药过程中的有效性、安全性与便捷性，提高用户使用体验。并且本方案可以应用于智慧医疗领域中，从而推动智慧城市的建设。
附图说明
图1是本申请一实施例的医疗信息的处理方法的流程示意图；
图2是本申请一实施例的医疗信息的处理装置的结构示意图；
图3是本申请一实施例的计算机设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用于解释本申请，并不用于限定本申请。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
参照图1，本申请一实施例的医疗信息的处理方法，包括：
S1：判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
S2：若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
S3：若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
S4：基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
S5：基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
S6：按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
S7：基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
S8：展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
如上述步骤S1至S8所述，本方法实施例的执行主体为一种医疗信息的处理装置。在实际应用中，上述医疗信息的处理装置可以通过虚拟装置，例如软件代码实现，也可以通过写入或集成有相关执行代码的实体装置实现，且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。所述医疗信息的处理装置可以是医疗平台。本实施例中的医疗信息的处理装置，在接收到包含疾病诊断结果的用户输入的用药查询请求后，会向用户普及相关的药品说明信息，向用户推荐相关的推荐病例用药信息，以及准确进行对于用户的用药信息的合理性审核以实现对于用户的用药指导，能够有效提升用户用药过程中的有效性、安全性与便捷性，提高用户使用体验。具体地，首先判断是否接收到用户输入的用药查询请求。其中，所述用户可为看病取药后的患者，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息。所述查询请求是用于查询与输入的疾病诊断结果相对应的查询结果。所述疾病诊断结果可以是用户所去的医院的医生所开出的病情诊断结果或者是用户所去的药店的相关员工所开出病情诊断结果。疾病诊断结果可包括药品标识信息、疾病症状信息以及实际用药配比信息。所述药品标识信息可包括药品名称，所述疾病症状信息是所述用户患有的疾病相关的症状描述信息，所述实际用药配比信息指的是用户所去的医院的医生或所去的药店的相关员工所开出的药方中的药物配比信息。所述查询结果包括与所述药品标识信息对应的药品说明信息，与所述疾病症状信息对应的推荐病例用药信息，与所述实际用药配比信息对应的风险分析结果。另外，所述用户身份信息可包括用户姓名信息。
若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述身份信息进行验证处理，并判断是否验证通过。其中，可通过采用注册用户名单与所述用户进行信息比对、活体检测以及虹膜图像比对等多重身份验证方式来实现对于用户的身份验证处理，具体的验证步骤将在后续的具体实施例中对此作进一步的描述，在此不予赘述。若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息。
然后基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息。其中，可利用利用大数据获取国内外各种药物信息，根据药品分类，分类统计各种常见用药物的药品介绍、使用指南、适用疾病、用药禁忌、药物剂量、价格和厂商等信息来创建药品知识库。具体的，生成药品知识库的过程可包括：通过大数据获取各种药物的药物说明信息；确定各种药物的标识信息，标识信息包括名称信息；为各标识信息与各药物说明信息建立一一对应的映射关系；基于所述映射关系，将各标识信息与各药物存储于预设的原始数据库中，得到所述药品知识库。以及基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息。其中，所述病例用药信息的数量包括多个。其中，可利用大数据统计每一种疾病的病例用药情况来创建病例知识库。对于常见疾病，经过医院授权，获取各个医院治疗疾病数据获取到的数据按照疾病类型、年龄、病例用药情况等进行统计，形成病例知识库。另外，病例知识库的具体创建过程可参考药品知识库的创建过程，在此不予赘述。
之后按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息。其中，可通过对所有所述病例用药信息进行统计归类分析得到多个病例用药信息集合，再从各个病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合，并在计算出各第一病例用药信息集合后，进而可将疗效效果分数最大的第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。后续基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果。其中，所述风险分析结果可包括所述实际用药配比信息为具备风险的用药信息，或者所述实际用药配比信息为不具备风险的用药信息。具体的，从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息后，对于每一种所述第一用药，如果在所有所述第一病例用药信息中存在该第一用药时，会智能地使用该与该第一用药的名称相同的第二用药的用药量来智能地判别出用户当前的实际用药配比信息是否为具备风险的用药信息。所述风险是指实际用药配比信息是否合理合规。具备风险的用药信息是指不属于合理合规的用药配比信息，不具备风险的用药信息是指属于合理合规的用药配比信息。另外，如果在所有所述第一病例用药信息中不存在该第一用药时，还会进一步判断第一病例用药信息中是否存在与该第一用药对应的替代用药，若存在替代用药则会使用该替代用药的用药量来智能地判别出用户当前的实际用药配比信息是否为具备风险的用药信息。最后展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。其中，对于所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果的展示方式不作限定，可以采用短信、语音等方式进行展示。
本实施例在接收到用户输入的用药查询请求且判别出用户通过验证处理后，先会从用药查询请求中解析出药品标识信息、疾病症状信息以及实际用药配比信息，会使用预设的药品知识库快捷地查询出与药品标识信息对应的药品说明信息，以及使用预设的病例知识库快捷地查询出疾病症状信息对应的病例用药信息，并且会进一步从病例用药信息中确定出推荐病例用药信息，以及基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果，最后向用户推送生成的所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。本实施例在接收到包含用户的疾病诊断结果的用户查询请求后，会智能地向用户普及与疾病诊断结果相关的药品说明信息，向用户推荐相关的推荐病例用药信息，以及准确进行对于用药信息的合理性审核以实现对于用户的用药指导，从而能够有效提升用户用药过程中的有效性、安全性与便捷性，提高用户使用体验。并且本方案可以应用于智慧医疗领域中，从而推动智慧城市的建设。
进一步地，本申请一实施例中，上述步骤S6，包括：
S600：对所有所述病例用药信息进行统计归类分析，将所有病例用药信息中相同的病例用药信息归为一类，得到对应的多个病例用药信息集合；
S601：分别统计各所述病例用药信息集合中包含的病例用药信息的数量；
S602：从各所述病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合；
S603：计算各所述第一病例用药信息集合的疗效效果分数；
S604：从所有所述第一病例用药信息集合中筛选出疗效效果分数最大的第二病例用药信息集合；
S605：将所述第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。
如上述步骤S600至S605所述，所述按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息的步骤，具体可包括：首先对所有所述病例用药信息进行统计归类分析，将所有病例用药信息中相同的病例用药信息归为一类，得到对应的多个病例用药信息集合。其中，所述病例用药信息是指出现了与所述疾病症状信息对应的疾病症状的其他患者在治疗过程中所使用的病例用药信息。然后分别统计各所述病例用药信息集合中包含的病例用药信息的数量。之后从各所述病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合。其中，对于预设数量阈值不作具体限定，可根据实际需求进行设置。在得到第一病例用药信息集合后，计算各所述第一病例用药信息集合的疗效效果分数。后续从所有所述第一病例用药信息集合中筛选出疗效效果分数最大的第二病例用药信息集合。最后将所述第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。本实施例中，通过对所有所述病例用药信息进行统计归类分析得到多个病例用药信息集合，再从各个病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合，并在计算出各第一病例用药信息集合后，进而可将疗效效果分数最大的第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息，以实现快速准确地生成推荐病例用药信息。另外，通过将疗效效果分数最大的第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息，有效地保证了推荐病例用药信息的准确性。
进一步地，本申请一实施例中，上述步骤S603，包括：
S6030：获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数；其中，所述第三病例用药信息集合为所有所述第一病例用药信息集合中的任意一个集合，所述治疗次数是指在基于对应的病例用药信息使用相应药物直至疾病痊愈，所述目标用户去医院治疗的次数；
S6031：基于与所述治疗次数对应的预设计算公式，计算出与所述第三病例用药信息集合中包含的每一个病例用药信息分别对应的用药效果分数；
S6032：计算所有所述用药效果分数的平均值；
S6033：将所述平均值作为所述第三病例用药信息集合的疗效效果分数。
如上述步骤S6030至S6033所述，所述计算各所述第一病例用药信息集合的疗效效果分数的步骤，具体可包括：首先获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数。其中，所述第三病例用药信息集合为所有所述第一病例用药信息集合中的任意一个集合，所述治疗次数是指在基于对应的病例用药信息使用相应药物直至疾病痊愈，所述目标用户去医院治疗的次数。然后基于与所述治疗次数对应的预设计算公式，计算出与所述第三病例用药信息集合中包含的每一个病例用药信息分别对应的用药效果分数。其中，所述预设计算公式具体可为：Si＝1/ni，Si为第三病例用药信息集合中包含的第i个病例用药信息的用药效果分数，ni为第三病例用药信息集合中包含的第i个病例用药信息对应的目标用户的治疗次数。之后计算所有所述用药效果分数的平均值。最后将所述平均值作为所述第三病例用药信息集合的疗效效果分数。本实施例中，通过获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数，进而可基于与所述治疗次数对应的预设计算公式计算与每一个病例用药信息分别对应的用药效果分数，从而可以基于所有所述用药效果分数的平均值来实现快速准确地生成第三病例用药信息集合的疗效效果分数，有利于后续基于该疗效效果分数来准确地确定出推荐病例用药信息。进而通过将该推荐病例用药信息推送给用户以实现对于用户的用药指导，提高用户的使用体验。
进一步地，本申请一实施例中，上述步骤S7，包括：
S700：获取所述实际用药配比信息中包含的每一种第一用药的第一用药量；
S701：从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息；其中，所述第一病例用药信息的数量包括多个；
S702：对于指定用药，判断所有所述第一病例用药信息中是否存在所述指定用药；其中，所述指定用药为所述第一用药中的任意一种用药；
S703：若存在所述指定用药，从所有所述第一病例用药信息中筛选出包含与所述指定用药的名称相同的第二用药的第二病例用药信息；
S704：对所有所述第二病例用药信息进行分析，从所有所述第二病例用药信息中筛选出第二用药的用药量数值最小的第二用药量，以及筛选出第二用药的用药量数值最大的第三用药量；
S705：基于所述第二用药量与所述第三用药量，生成与所述指定用药对应的第一用药量区间；
S706：判断所述指定用药的第一用药量是否处于所述第一用药量区间内；
S707：若至少存在一种第一用药的第一用药量不处于对应的第一用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
如上述步骤S700至S707所述，所述基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果的步骤，具体可包括：首先获取所述实际用药配比信息中包含的每一种第一用药的第一用药量。然后从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息。其中，所述第一病例用药信息的数量包括多个。另外，对所述预设次数阈值的取值不作具体限定，可根据实际需求进行设置。从所有所述病例用药信息中筛选出的使用次数大于预设次数阈值的第一病例用药信息是属于数量较多的其他用户在进行与疾病症状信息对应的疾病时所采用的病例用药信息，具有较大的参考价值。且后续只会使用第一病例用药信息来进行对于实际用药配比信息的合理性分析，而不需要使用所有病例用药信息来进行合理性分析，能够有效降低数据分析的数据处理量，提高对实际用药配比信息的合理性分析的智能性，提高生成的风险分析结果的速率。之后对于指定用药，判断所有所述第一病例用药信息中是否存在所述指定用药。其中，所述指定用药为所述第一用药中的任意一种用药。若存在所述指定用药，从所有所述第一病例用药信息中筛选出包含与所述指定用药的名称相同的第二用药的第二病例用药信息。在得到第二病例用药信息后，对所有所述第二病例用药信息进行分析，从所有所述第二病例用药信息中筛选出第二用药的用药量数值最小的第二用药量，以及筛选出第二用药的用药量数值最大的第三用药量。后续基于所述第二用药量与所述第三用药量，生成与所述指定用药对应的第一用药量区间。最后判断所述指定用药的第一用药量是否处于所述第一用药量区间内。若至少存在一种第一用药的第一用药量不处于对应的第一用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。本实施例在从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息后，对于每一种所述第一用药，如果在所有所述第一病例用药信息中存在该第一用药时，会智能地使用该与该第一用药的名称相同的第二用药的用药量来智能地判别出用户当前的实际用药配比信息是否为具备风险的用药信息，有效地实现了对于实际用药配比信息的风险性的准确判定。
进一步地，本申请一实施例中，上述步骤S702之后，包括：
S7020：若所有所述第一病例用药信息中不存在所述指定用药，判断所有所述第一病例用药信息中是否存在与所述指定用药对应的替代用药；
S7021：若存在所述替代用药，从所有所述第一病例用药信息中筛选出包含与所述替代用药的名称相同的第三用药的第三病例用药信息；
S7022：对所有所述第三病例用药信息进行分析，从所有所述第三病例用药信息中筛选出第三用药的用药量数值最小的第四用药量，以及筛选出第三用药的用药量数值最大的第五用药量；
S7023：基于所述第四用药量与所述第五用药量，生成与所述指定用药对应的第二用药量区间；
S7024：判断所述指定用药的第一用药量是否处于所述第二用药量区间内；
S7025：若至少存在一种第一用药的第一用药量不处于对应的第二用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
如上述步骤S7020至S7025所述，所有所述第一病例用药信息中还可能出现不存在所述指定用药的情况，则需要基于所有所述第一病例用药信息中存在的与所述指定用药对应的替代用药来进行对于实际用药配比信息的合理性分析。具体地，所述判断所有所述第一病例用药信息中是否存在所述指定用药的步骤之后，还可包括：若所有所述第一病例用药信息中不存在所述指定用药，首先判断所有所述第一病例用药信息中是否存在与所述指定用药对应的替代用药。其中，可以从预先生成的用药映射表中查询出与所述指定用药对应的替代用药，该用药映射表中存储有各种用药，以及与每一种用药分别对应的替代用药，替代用药的用法与药效与其对应的用药相似。若存在所述替代用药，从所有所述第一病例用药信息中筛选出包含与所述替代用药的名称相同的第三用药的第三病例用药信息。然后对所有所述第三病例用药信息进行分析，从所有所述第三病例用药信息中筛选出第三用药的用药量数值最小的第四用药量，以及筛选出第三用药的用药量数值最大的第五用药量。之后基于所述第四用药量与所述第五用药量，生成与所述指定用药对应的第二用药量区间。最后判断所述指定用药的第一用药量是否处于所述第二用药量区间内。若至少存在一种第一用药的第一用药量不处于对应的第二用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。本实施例在从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息后，对于每一种所述第一用药，如果在所有所述第一病例用药信息中不存在该第一用药时，还会进一步判断第一病例用药信息中是否存在与该第一用药对应的替代用药，若存在替代用药则会使用该替代用药的用药量来智能地判别出用户当前的实际用药配比信息是否为具备风险的用药信息，有效地实现了对于实际用药配比信息的风险性的准确判定。
进一步地，本申请一实施例中，上述步骤S2的基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过，包括：
S200：获取预存储的所述注册用户名单；
S201：判断所述注册用户名单中是否存储有与所述身份信息相同的注册用户信息；
S202：若存储有所述注册用户信息，对所述用户进行活体检测，并判断活体检测是否通过；
S203：若活体检测通过，从所述虹膜图像中获取与指定眼睛信息对应的目标虹膜图像，并将所述目标虹膜图像中的虹膜区域划分为多个第一子区块；
S204：从预存储的与所述注册用户信息对应的所有所述注册虹膜图像中筛选出与所述指定眼睛信息对应的指定虹膜图像；
S205：基于所述目标虹膜图像的区块划分方式，将所述指定虹膜图像中的虹膜区域划分为对应的多个第二子区块；
S206：分别对所述目标虹膜图像包含的所有第一子区块与所述指定虹膜图像包含的所有第二子区块进行一一对应的比对处理，得到比对处理后的多个相似度；
S207：获取预设的相似度阈值，并判断得到的所有所述相似度是否均大于所述相似度阈值；
S208：若均大于所述相似度阈值，判定验证通过，否则判定验证不通过。
如上述步骤S200至S208所述，所述基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过的步骤，具体可包括：首先获取预存储的所述注册用户名单。其中，所述注册用户名单为包含有已进行注册且具有合法身份的用户的名单数据。并判断所述注册用户名单中是否存储有与所述身份信息相同的注册用户信息。若存储有所述注册用户信息，对所述用户进行活体检测，并判断活体检测是否通过。其中，活体检测是指对用户进行身份验证过程中用于确定用户是否为真实活体的检测操作。对用户进行活体检测的详细过程可以为：用户根据身份验证指示信息的引导，对准预设头像框，完成眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位并结合人脸追踪等技术，可以验证用户是否为真实活体本人操作。通过对用户进行活体检测可以避免用户使用面具、照片或其他方式蒙蔽摄像头以实施欺诈。若活体检测通过，从所述虹膜图像中获取与指定眼睛信息对应的目标虹膜图像，并将所述目标虹膜图像中的虹膜区域划分为多个第一子区块。其中，对于目标虹膜图像中的虹膜区域所采用的划分方式不作限定，只需保证目标虹膜图像中的虹膜区域所采用的划分方式与指定虹膜图像中的虹膜区域划分方式相同即可。另外，所述指定眼睛信息是指虹膜图像所对应的眼睛的方向信息，可包括左眼或右眼。然后从预存储的与所述注册用户信息对应的所有所述注册虹膜图像中筛选出与所述指定眼睛信息对应的指定虹膜图像。之后基于所述目标虹膜图像的区块划分方式，将所述指定虹膜图像中的虹膜区域划分为对应的多个第二子区块。后续分别对所述目标虹膜图像包含的所有第一子区块与所述指定虹膜图像包含的所有第二子区块进行一一对应的比对处理，得到比对处理后的多个相似度。其中，所述比对处理可为使用图像相似度算法进行相似度计算的处理，可参考现有的图像相似度算法。最后获取预设的相似度阈值，并判断得到的所有所述相似度是否均大于所述相似度阈值。其中，对于所述相似度阈值的取值不作具体限定，可根据实际需求进行设置。若均大于所述相似度阈值，判定验证通过，否则判定验证不通过。本实施例通过采用名单比对、活体检测以及虹膜图像比对等多重身份验证方式来实现对于用户的身份验证处理，有效的提高了身份验证的准确性与可靠性，避免出现由于响应了非法用户触发的输入的用药查询请求而导致不良后果，有效地保证了药品信息查询过程中的数据安全性。
进一步地，本申请一实施例中，上述步骤S3之后，包括：
S300：获取与目标药品具有冲突关系的指定药品；其中，所述目标药品是指与所述药品标识信息对应的药品；
S301：获取与所述目标药品对应的忌口食物与推荐食物；
S302：生成包含所述指定药品、所述忌口食物与所述推荐食物的推荐信息；
S303：展示所述推荐信息。
如上述步骤S300至S303所述，为了保证联合用药的安全性，还可智能地将包括有与所述药品标识信息对应的目标用药相冲突的药品通过装置展示给用户，以起到对所述用户的提醒作用。具体地，所述从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息的步骤之后，还可包括：首先获取与目标药品具有冲突关系的指定药品。其中，所述目标药品是指与所述药品标识信息对应的药品。举例地，以感冒清热颗粒为例，与其冲突的包括消炎类、补益类药和调经类的药品。然后获取与所述目标药品对应的忌口食物与推荐食物。其中，为了保证用户的用药效果，还可进一步智能地将与用药对应的忌口食物和适宜食物分别推荐给用户；以感冒清热颗粒为例，忌口食物包括：西瓜、柿子、香蕉、寒凉类的水果及其他凉茶或者冰激凌，适宜的推荐食物包括：白粥、馒头、面条类且易消化都可以食用。之后生成包含所述指定药品、所述忌口食物与所述推荐食物的推荐信息。最后展示所述推荐信息。其中，对于上述推荐信息的展示形式不作具体限定。举例地，上述推荐信息可以根据用户的选择结果以动画或视频的讲解方式对应进行展示。本实施例在获得了药品标识信息后，还会智能地向用户推送与所述药品标识信息对应的目标药品具有冲突关系的指定药品，以及将与所述目标药品对应的忌口食物与适宜食物分别推荐给用户，能够有效地提高了用户的用药安全，提高了信息推荐的智能性。
本申请实施例中的医疗信息的处理方法还可以应用于区块链领域，如将上述风险分析结果等数据存储于区块链上。通过使用区块链来对上述风险分析结果进行存储和管理，能够有效地保证上述风险分析结果的安全性与不可篡改性。
上述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。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
参照图2，本申请一实施例中还提供了一种医疗信息的处理装置，包括：
第一判断模块1，用于判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
验证模块2，用于若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
解析模块3，用于若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
第一查询模块4，用于基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
第二查询模块5，用于基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
确定模块6，用于按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
第一生成模块7，用于基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
第一展示模块8，用于展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述确定模块6，包括：
归类单元，用于对所有所述病例用药信息进行统计归类分析，将所有病例用药信息中相同的病例用药信息归为一类，得到对应的多个病例用药信息集合；
统计单元，用于分别统计各所述病例用药信息集合中包含的病例用药信息的数量；
第一筛选单元，用于从各所述病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合；
计算单元，用于计算各所述第一病例用药信息集合的疗效效果分数；
第二筛选单元，用于从所有所述第一病例用药信息集合中筛选出疗效效果分数最大的第二病例用药信息集合；
确定单元，用于将所述第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述计算单元，包括：
获取子单元，用于获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数；其中，所述第三病例用药信息集合为所有所述第一病例用药信息集合中的任意一个集合，所述治疗次数是指在基于对应的病例用药信息使用相应药物直至疾病痊愈，所述目标用户去医院治疗的次数；
第一计算子单元，用于基于与所述治疗次数对应的预设计算公式，计算出与所述第三病例用药信息集合中包含的每一个病例用药信息分别对应的用药效果分数；
第二计算子单元，用于计算所有所述用药效果分数的平均值；
确定子单元，用于将所述平均值作为所述第三病例用药信息集合的疗效效果分数。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述第一生成模块7，包括：
第一获取单元，用于获取所述实际用药配比信息中包含的每一种第一用药的第一用药量；
第三筛选单元，用于从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息；其中，所述第一病例用药信息的数量包括多个；
第一判断单元，用于对于指定用药，判断所有所述第一病例用药信息中是否存在所述指定用药；其中，所述指定用药为所述第一用药中的任意一种用药；
第四筛选单元，用于若存在所述指定用药，从所有所述第一病例用药信息中筛选出包含与所述指定用药的名称相同的第二用药的第二病例用药信息；
第五筛选单元，用于对所有所述第二病例用药信息进行分析，从所有所述第二病例用药信息中筛选出第二用药的用药量数值最小的第二用药量，以及筛选出第二用药的用药量数值最大的第三用药量；
第一生成单元，用于基于所述第二用药量与所述第三用药量，生成与所述指定用药对应的第一用药量区间；
第二判断单元，用于判断所述指定用药的第一用药量是否处于所述第一用药量区间内；
第一判定单元，用于若至少存在一种第一用药的第一用药量不处于对应的第一用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述第一生成模块7，包括：
第三判断单元，用于若所有所述第一病例用药信息中不存在所述指定用药，判断所有所述第一病例用药信息中是否存在与所述指定用药对应的替代用药；
第六筛选单元，用于若存在所述替代用药，从所有所述第一病例用药信息中筛选出包含与所述替代用药的名称相同的第三用药的第三病例用药信息；
第七筛选单元，用于对所有所述第三病例用药信息进行分析，从所有所述第三病例用药信息中筛选出第三用药的用药量数值最小的第四用药量，以及筛选出第三用药的用药量数值最大的第五用药量；
第二生成单元，用于基于所述第四用药量与所述第五用药量，生成与所述指定用药对应的第二用药量区间；
第四判断单元，用于判断所述指定用药的第一用药量是否处于所述第二用药量区间内；
第二判定单元，用于若至少存在一种第一用药的第一用药量不处于对应的第二用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述验证模块2，包括：
第二获取单元，用于获取预存储的所述注册用户名单；
第五判断单元，用于判断所述注册用户名单中是否存储有与所述身份信息相同的注册用户信息；
检测单元，用于若存储有所述注册用户信息，对所述用户进行活体检测，并判断活体检测是否通过；
第一划分单元，用于若活体检测通过，从所述虹膜图像中获取与指定眼睛信息对应的目标虹膜图像，并将所述目标虹膜图像中的虹膜区域划分为多个第一子区块；
第三获取单元，用于从预存储的与所述注册用户信息对应的所有所述注册虹膜图像中筛选出与所述指定眼睛信息对应的指定虹膜图像；
第二划分单元，用于基于所述目标虹膜图像的区块划分方式，将所述指定虹膜图像中的虹膜区域划分为对应的多个第二子区块；
比对单元，用于分别对所述目标虹膜图像包含的所有第一子区块与所述指定虹膜图像包含的所有第二子区块进行一一对应的比对处理，得到比对处理后的多个相似度；
第六判断单元，用于获取预设的相似度阈值，并判断得到的所有所述相似度是否均大于所述相似度阈值；
第三判定单元，用于若均大于所述相似度阈值，判定验证通过，否则判定验证不通过。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
进一步地，本申请一实施例中，上述医疗信息的处理装置，包括：
第一获取模块，用于获取与目标药品具有冲突关系的指定药品；其中，所述目标药品是指与所述药品标识信息对应的药品；
第二获取模块，用于获取与所述目标药品对应的忌口食物与推荐食物；
第二生成模块，用于生成包含所述指定药品、所述忌口食物与所述推荐食物的推荐信息；
第二展示模块，用于展示所述推荐信息。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的医疗信息的处理方法的步骤一一对应，在此不再赘述。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、输入装置和数据库。其中，该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质存储有操作系统、计算机程序和数据库。该内存储器为存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储疾病诊断结果、身份信息、虹膜图像、药品说明信息、病例用药信息、推荐病例用药信息以及风险分析结果。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备，用于将数字信号转换为光信号，使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置，用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种医疗信息的处理方法。
上述处理器执行上述医疗信息的处理方法的步骤：
判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的装置、计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种医疗信息的处理方法，具体为：
判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种医疗信息的处理方法，其特征在于，包括：
判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
2.根据权利要求1所述的医疗信息的处理方法，其特征在于，所述按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息的步骤，包括：
对所有所述病例用药信息进行统计归类分析，将所有病例用药信息中相同的病例用药信息归为一类，得到对应的多个病例用药信息集合；
分别统计各所述病例用药信息集合中包含的病例用药信息的数量；
从各所述病例用药信息集合中筛选出包含的病例用药信息的数量大于预设数量阈值的第一病例用药信息集合；
计算各所述第一病例用药信息集合的疗效效果分数；
从所有所述第一病例用药信息集合中筛选出疗效效果分数最大的第二病例用药信息集合；
将所述第二病例用药信息集合对应的目标病例用药信息作为所述推荐病例用药信息。
3.根据权利要求2所述的医疗信息的处理方法，其特征在于，所述计算各所述第一病例用药信息集合的疗效效果分数的步骤，包括：
获取第三病例用药信息集合中包含的每一个病例用药信息分别对应的目标用户的治疗次数；其中，所述第三病例用药信息集合为所有所述第一病例用药信息集合中的任意一个集合，所述治疗次数是指在基于对应的病例用药信息使用相应药物直至疾病痊愈，所述目标用户去医院治疗的次数；
基于与所述治疗次数对应的预设计算公式，计算出与所述第三病例用药信息集合中包含的每一个病例用药信息分别对应的用药效果分数；
计算所有所述用药效果分数的平均值；
将所述平均值作为所述第三病例用药信息集合的疗效效果分数。
4.根据权利要求1所述的医疗信息的处理方法，其特征在于，所述基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果的步骤，包括：
获取所述实际用药配比信息中包含的每一种第一用药的第一用药量；
从所有所述病例用药信息中筛选使用次数大于预设次数阈值的第一病例用药信息；其中，所述第一病例用药信息的数量包括多个；
对于指定用药，判断所有所述第一病例用药信息中是否存在所述指定用药；其中，所述指定用药为所述第一用药中的任意一种用药；
若存在所述指定用药，从所有所述第一病例用药信息中筛选出包含与所述指定用药的名称相同的第二用药的第二病例用药信息；
对所有所述第二病例用药信息进行分析，从所有所述第二病例用药信息中筛选出第二用药的用药量数值最小的第二用药量，以及筛选出第二用药的用药量数值最大的第三用药量；
基于所述第二用药量与所述第三用药量，生成与所述指定用药对应的第一用药量区间；
判断所述指定用药的第一用药量是否处于所述第一用药量区间内；
若至少存在一种第一用药的第一用药量不处于对应的第一用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
5.根据权利要求4所述的医疗信息的处理方法，其特征在于，所述判断所有所述第一病例用药信息中是否存在所述指定用药的步骤之后，包括：
若所有所述第一病例用药信息中不存在所述指定用药，判断所有所述第一病例用药信息中是否存在与所述指定用药对应的替代用药；
若存在所述替代用药，从所有所述第一病例用药信息中筛选出包含与所述替代用药的名称相同的第三用药的第三病例用药信息；
对所有所述第三病例用药信息进行分析，从所有所述第三病例用药信息中筛选出第三用药的用药量数值最小的第四用药量，以及筛选出第三用药的用药量数值最大的第五用药量；
基于所述第四用药量与所述第五用药量，生成与所述指定用药对应的第二用药量区间；
判断所述指定用药的第一用药量是否处于所述第二用药量区间内；
若至少存在一种第一用药的第一用药量不处于对应的第二用药量区间内，判定所述实际用药配比信息为具备风险的用药信息，否则判定所述实际用药配比信息为不具备风险的用药信息。
6.根据权利要求1所述的医疗信息的处理方法，其特征在于，所述基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过的步骤，包括：
获取预存储的所述注册用户名单；
判断所述注册用户名单中是否存储有与所述身份信息相同的注册用户信息；
若存储有所述注册用户信息，对所述用户进行活体检测，并判断活体检测是否通过；
若活体检测通过，从所述虹膜图像中获取与指定眼睛信息对应的目标虹膜图像，并将所述目标虹膜图像中的虹膜区域划分为多个第一子区块；
从预存储的与所述注册用户信息对应的所有所述注册虹膜图像中筛选出与所述指定眼睛信息对应的指定虹膜图像；
基于所述目标虹膜图像的区块划分方式，将所述指定虹膜图像中的虹膜区域划分为对应的多个第二子区块；
分别对所述目标虹膜图像包含的所有第一子区块与所述指定虹膜图像包含的所有第二子区块进行一一对应的比对处理，得到比对处理后的多个相似度；
获取预设的相似度阈值，并判断得到的所有所述相似度是否均大于所述相似度阈值；
若均大于所述相似度阈值，判定验证通过，否则判定验证不通过。
7.根据权利要求1所述的医疗信息的处理方法，其特征在于，所述从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息的步骤之后，包括：
获取与目标药品具有冲突关系的指定药品；其中，所述目标药品是指与所述药品标识信息对应的药品；
获取与所述目标药品对应的忌口食物与推荐食物；
生成包含所述指定药品、所述忌口食物与所述推荐食物的推荐信息；
展示所述推荐信息。
8.一种医疗信息的处理装置，其特征在于，包括：
第一判断模块，用于判断是否接收到用户输入的用药查询请求；其中，所述用药查询请求包括所述用户的疾病诊断结果以及所述用户的身份信息；
验证模块，用于若接收到所述用药查询请求，获取所述用户的虹膜图像，基于所述身份信息与所述虹膜图像，调用预设的注册用户名单与预设的注册虹膜图像对所述用户进行验证处理，并判断是否验证通过；
解析模块，用于若验证通过，从所述疾病诊断结果中解析出药品标识信息、疾病症状信息以及实际用药配比信息；
第一查询模块，用于基于所述药品标识信息，从预设的药品知识库中查询出与所述药品标识信息对应的药品说明信息；
第二查询模块，用于基于所述疾病症状信息，从预设的病例知识库中查询出与所述疾病症状信息对应的病例用药信息；其中，所述病例用药信息的数量包括多个；
确定模块，用于按照预设规则从所有所述病例用药信息中确定出推荐病例用药信息；
第一生成模块，用于基于所述病例用药信息生成与所述实际用药配比信息对应的风险分析结果；
第一展示模块，用于展示所述药品说明信息、所述推荐病例用药信息以及所述风险分析结果。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其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权利要求1至7中任一项所述的方法的步骤。
CN202110963237.XA 2021-08-20 2021-08-20 医疗信息的处理方法、装置、计算机设备和存储介质 Active CN113658659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110963237.XA CN113658659B (zh) 2021-08-20 2021-08-20 医疗信息的处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110963237.XA CN113658659B (zh) 2021-08-20 2021-08-20 医疗信息的处理方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113658659A true CN113658659A (zh) 2021-11-16
CN113658659B CN113658659B (zh) 2023-07-21

Family

ID=78491893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110963237.XA Active CN113658659B (zh) 2021-08-20 2021-08-20 医疗信息的处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113658659B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160055313A1 (en) * 2014-08-22 2016-02-25 Drfirst.Com, Inc. Method and System For Recommending Prescription Strings
CN109637620A (zh) * 2018-12-13 2019-04-16 平安医疗健康管理股份有限公司 基于数据分析的处方生成监测方法、装置、设备和介质
CN110289068A (zh) * 2019-06-20 2019-09-27 北京百度网讯科技有限公司 药品推荐方法及设备
CN111312359A (zh) * 2020-02-03 2020-06-19 广东省第二人民医院（广东省卫生应急医院） 用药方案智能化推荐方法及装置
CN111667890A (zh) * 2020-05-29 2020-09-15 平安科技（深圳）有限公司 基于人工智能的用药推荐方法、装置、设备及存储介质
CN112214613A (zh) * 2020-10-15 2021-01-12 平安国际智慧城市科技股份有限公司 基于人工智能的用药推荐方法、装置、电子设备及介质
CN112309579A (zh) * 2020-11-26 2021-02-02 微医云(杭州)控股有限公司 推荐治疗方案的方法、装置、电子设备及存储介质
WO2021073277A1 (zh) * 2019-10-16 2021-04-22 平安科技（深圳）有限公司 一种个性化精准用药推荐方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160055313A1 (en) * 2014-08-22 2016-02-25 Drfirst.Com, Inc. Method and System For Recommending Prescription Strings
CN109637620A (zh) * 2018-12-13 2019-04-16 平安医疗健康管理股份有限公司 基于数据分析的处方生成监测方法、装置、设备和介质
CN110289068A (zh) * 2019-06-20 2019-09-27 北京百度网讯科技有限公司 药品推荐方法及设备
WO2021073277A1 (zh) * 2019-10-16 2021-04-22 平安科技（深圳）有限公司 一种个性化精准用药推荐方法及装置
CN111312359A (zh) * 2020-02-03 2020-06-19 广东省第二人民医院（广东省卫生应急医院） 用药方案智能化推荐方法及装置
CN111667890A (zh) * 2020-05-29 2020-09-15 平安科技（深圳）有限公司 基于人工智能的用药推荐方法、装置、设备及存储介质
CN112214613A (zh) * 2020-10-15 2021-01-12 平安国际智慧城市科技股份有限公司 基于人工智能的用药推荐方法、装置、电子设备及介质
CN112309579A (zh) * 2020-11-26 2021-02-02 微医云(杭州)控股有限公司 推荐治疗方案的方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113658659B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN108899070B (zh) 处方推荐生成方法、装置、计算机设备和存储介质
JP6698178B2 (ja) 社会保険詐欺行為を識別する方法、装置、設備及びコンピュータ可読記憶媒体
CN112700838B (zh) 基于大数据的用药方案推荐方法、装置及相关设备
CN109068974A (zh) 具有改善的安全性和有效性特征的阿片样物质+设备组合产品
US20170308680A1 (en) Method for creating and using registry of clinical trial participants
US20190385717A1 (en) Method and apparatus for recognition of patient activity
US20180247346A1 (en) Procedure for the global unified registration and universal identification of donors
US20110231202A1 (en) Method and apparatus for collection of protocol adherence data
CN106372455B (zh) 一种医院病历书写质控系统及方法
US20130159012A1 (en) Qualifying data and associated metadata during a data collection process
CN111243691A (zh) 取得电子医疗健康记录的方法与系统
CN111489820A (zh) 基于人工智能的辅助诊疗系统
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
CN102663662A (zh) 用于建立交互式个人健康档案的方法和系统
CN109616187A (zh) 医师违规执业的监控方法、监控服务端及存储介质
CN113990482A (zh) 健康数据处理系统及方法
CN112036749A (zh) 基于医疗数据识别风险用户的方法、装置和计算机设备
CN109636421A (zh) 基于机器学习的就诊数据异常识别方法、设备及存储介质
CN117409913A (zh) 一种基于云技术的医疗服务方法和平台
CN113724830B (zh) 基于人工智能的用药风险检测方法及相关设备
US20140359715A1 (en) Medical system and method for authorizing a user to use a medical device of a medical system
CN113658659A (zh) 医疗信息的处理方法、装置、计算机设备和存储介质
CN115985436B (zh) 基于智慧医疗的医疗信息共享方法
CN113657549A (zh) 医疗数据审核方法、装置、设备以及存储介质
CN111402976A (zh) 基于大数据的智慧超脑管理系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220916

Address after: 518000 Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Liwan Community, Nanshan Street, Nanshan District, Shenzhen, Guangdong, China

Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd.

Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000

Applicant before: Ping An International Smart City Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant