CN114913956A - 基于知识图谱的重复用药提醒方法、装置以及电子设备 - Google Patents
基于知识图谱的重复用药提醒方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN114913956A CN114913956A CN202210361975.1A CN202210361975A CN114913956A CN 114913956 A CN114913956 A CN 114913956A CN 202210361975 A CN202210361975 A CN 202210361975A CN 114913956 A CN114913956 A CN 114913956A
- Authority
- CN
- China
- Prior art keywords
- medication
- medicine
- information
- medicines
- drugs
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开涉及一种基于知识图谱的重复用药提醒方法、装置以及电子设备,方法包括:获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;若涉及重复用药,输出重复用药提醒信息。本公开实施例提供的技术方案的实质是借助用药审查知识图谱来进行重复用药的审查工作,由于知识图谱能够反映药品之间、药品与疾病之间、药品与症状之间更深层次的关联,其可以确保重复用药判定的准确性,可以实现实时对医疗机构医师的门诊处方、住院医嘱进行提醒和告诫,协助临床医师合理诊治患者,避免不合理医疗行为的发生。
Description
技术领域
本公开涉及知识图谱技术领域,尤其涉及一种基于知识图谱的重复用药提醒方法、装置以及电子设备。
背景技术
我国为药物生产大国。药物品种多、药名复杂,一药多名、同音字药名、同名异药的现象多见。在临床配伍应用时,很容易将同品种、同类药物共用,使剂量相加,不良反应增加,毒副作用增强。因此,实时对医疗机构医师的门诊处方、住院医嘱进行重复用药提醒,就显得尤为重要。但目前尚没有有效手段自动对重复用药进行提醒,需要借助人工进行判断,效率低,存在误判。
发明内容
为了解决上述技术问题,本公开提供了一种基于知识图谱的重复用药提醒方法、装置以及电子设备。
第一方面,本公开提供了一种基于知识图谱的重复用药提醒方法,包括:
获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
若涉及重复用药,输出重复用药提醒信息。
第二方面,本公开还提供了一种基于知识图谱的重复用药提醒装置,包括:
获取模块,用于获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
判断模块,用于基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
提醒模块,用于若涉及重复用药,输出重复用药提醒信息。
第三方面,本公开还提供了一种电子设备,包括:处理器和存储器;
处理器通过调用存储器存储的程序或指令,用于执行上述任一方法的步骤。
第四方面,本公开还提供了一种计算机可读存储介质,计算机可读存储介质存储程序或指令,程序或指令使计算机执行上述任一方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的技术方案的实质是借助用药审查知识图谱来进行重复用药的审查工作,由于知识图谱能够反映药品之间、药品与疾病之间、药品与症状之间更深层次的关联,其可以确保重复用药判定的准确性,可以实现实时对医疗机构医师的门诊处方、住院医嘱进行提醒和告诫,协助临床医师合理诊治患者,避免不合理医疗行为的发生。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种基于知识图谱的重复用药提醒方法的流程图;
图2为本公开实施例提供的一种构建用药审查知识图谱的方法的流程图;
图3为本公开实施例给出的一种知识图谱的结构示意图
图4为本公开实施例给出的一种用于实现S230的方法的流程图;
图5为本公开实施例提出的一种基于知识图谱的重复用药提醒装置的结构示意图;
图6为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开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公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
图1是本公开实施例提供的一种基于知识图谱的重复用药提醒方法的流程图。本方法可适用于医疗机构中的医师在门诊开具药品或住院医生下医嘱时进行重复用药提醒的情况,该方法可以由终端来执行,也可以由与终端通信连接的服务器来执行,该方法包括以下步骤:
S110、获取处方单信息,处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息。
其中,处方单是指医生在门诊为病人开具药品时或住院医生下医嘱时所生成的处方单。
处方单信息中的症状信息可以为病人向医生主诉的症状,也可以为医生对病人病情进行诊疗时所观测到的或检测到的症状。
疾病诊断结果是医生基于症状信息所得出的诊断结果,该诊断结果指出用户所患的疾病为何种疾病。
开具的至少两种药品是指为了治疗诊断结果中疾病所开具的药品。
S120、基于用药审查知识图谱以及处方单信息,判断至少两种药品是否涉及重复用药。
知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络,这个关系网络就是一个知识库,可以辅助实现智能应用。
用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱中的至少一个。其中,药品知识图谱用于反映各种药品的特征数据;疾病知识图谱用于反映各类疾病的特征数据;症状知识图谱用于反映各种症状的特征数据。在实际中,可以将药品知识图谱、疾病知识图谱以及症状知识图谱整理为一个知识图谱,也可以分别设置三个独立的知识图谱,本申请对此不做限制。
S130、若涉及重复用药,输出重复用药提醒信息。
本步骤的实现方法有多种,示例性地,若涉及重复用药,自动触发消息通知机制,将重复用药情况发送到用户端。
可选地,预先配置用于接收重复用药提醒信息的手机号,若涉及重复用药,通过短信输出重复用药提醒信息。或者,预先配置用于输出重复用药提醒信息的API(ApplicationProgramming Interface,应用程序接口),若涉及重复用药,通过API将重复用药提醒信息发送至用户端。用户端接收到该信息后,可以通过弹框提醒,来及时提醒医生注意,有重复用药的风险。
可选地,在实际中,可以设置本公开实施例提供的基于知识图谱的重复用药提醒方法由服务端执行,医生在用户端每开具一种药品,就进行一次药品信息上传服务端的操作。
假设医生在用户端开具第一种药品后,将第一种药品上传至服务端,医生在用户端开具第二种药品后,将第二种药品上传至服务端,如果第一种药品与第二种药品涉及重复用药,则输出重复用药的提醒信息,以提醒医生对涉及重复用药的药品进行修改。
可选地,重复用药提醒内容包括但不限于:患者姓名、身份证号,就诊时间、就诊机构、开具的药品名称、药品数量等。可选地,在重复用药提醒中,所指出的开具的药品名称为开具时间靠后的药品,以提醒医生对所指出的药品进行修改。示例性地,具体提醒信息为:患者胡*三,身份证号4****41976****1527,于2021-3-25重复用药:第二种药品,规格20片/盒,数量2盒。设置在重复用药提醒中,所指出的药品名称为开具时间靠后的药品,是因为在实际,医生往往优先开具其熟悉的、药效比较优良的药品作为第一种药品。这样设置可以确保第一种药品不被修改,整个治疗过程可控。
上述技术方案的实质是借助用药审查知识图谱来进行重复用药的审查工作,由于知识图谱能够反映药品之间、药品与疾病之间、药品与症状之间更深层次的关联,其可以确保重复用药判定的准确性,可以实现实时对医疗机构医师的门诊处方、住院医嘱进行提醒和告诫,协助临床医师合理诊治患者,避免不合理医疗行为的发生。
在上述技术方案的基础上,可选地,在S120之前还包括:构建用药审查知识图谱。
在实际中,用于构建用药审查知识图谱的方法有多种,本申请对此不作限制。图2为本公开实施例提供的一种构建用药审查知识图谱的方法的流程图。参见图2,该构建用药审查知识图谱的方法,包括:
S210、获取三元组模型。
知识图谱的基本单位是三元组,三元组通常有两种,一种是“第一实体-关系-第二实体”,另一种是“第一实体-属性-属性值”。
三元组模型用于指示哪些作为第一实体,哪些作为第二实体,哪些作为关系,哪些为属性,哪些为属性值。
在实际中,三元组模型可以根据样本数据的类型、样本数据所包括的内容进行构建。
示例性地,构建用药审查知识图谱中的药品知识图谱,可以以药品说明书为样本数据。通过对药品说明书进行整理归纳,可以得到药品说明书主要展示表1中的信息。
表1
根据表1,可以构建适用于药品说明书的三元组模型,所构建的三元组模型通过表2给出。
表2
序号 | 第一实体 | 关系 | 第二实体 |
1 | 药物 | 通用名 | 药物 |
2 | 药物 | 商品名 | 药物 |
3 | 药物 | 化学名 | 药物 |
4 | 药物 | 英文名 | 药物 |
5 | 药物 | 汉语拼音 | 药物 |
6 | 药物 | 禁忌 | 疾病 |
7 | 药物 | 禁忌 | 症状 |
8 | 药物 | 适应症 | 疾病 |
9 | 药物 | 适应症 | 症状 |
10 | 药物 | 不良反应 | 疾病 |
11 | 药物 | 不良反应 | 症状 |
12 | 药物 | 相互作用 | 药物 |
若构建用药审查知识图谱中的疾病知识图谱,可以以电子病历、期刊论文、医学教科书等为样本数据。通过对样本数据进行整理归纳,构建三元组模型。具体地,可以以疾病为第一实体,以ICD-10、英文名称、临床症状及体征、相关症状、检查、辅助检查、实验室检查、影像学检查、所属科室、发病部位、病理分型、鉴别诊断、治疗方案、药物治疗、手术治疗、放化疗治疗、辅助治疗、UMLS、高危因素、多发群体、多发地区、发病年龄、预后状况、相关导致、药物引起的并发症、发病率、病因、传染性或相关转化为第二实体,构建适用于疾病知识图谱的三元组模型。
若构建用药审查知识图谱中的症状知识图谱,可以以电子病历、期刊论文、医学教科书等为样本数据。通过对样本数据进行整理归纳,构建三元组模型。具体地,可以以症状为第一实体,以英文名称、临床症状及体征、相关症状、发病部位、所属科室、检查、病因、传染性、相关疾病或鉴别诊断为第二实体,构建适用于症状知识图谱的三元组模型。
S220、获取样本数据。
本步骤的具体实现方法有多种,示例性地,构建用药审查知识图谱中的药品知识图谱,可以定期收集各类药品的说明书,作为样本数据。构建用药审查知识图谱中的疾病知识图谱或症状知识图谱,可以以三元组模型的第一实体为关键词进行样本数据的检索收集。
S230、基于三元组模型,从样本数据中提取三元组。
本步骤的实质是以三元组模型为参考标准,对样本数据进行文字识别,得到可以作为三元组模型的第一实体,关系、第二实体、属性以及属性值的数据。
示例性地,若三元组模型为“药物-适应症-疾病”,药物阿莫西林胶囊的说明书中记载适应症包括大肠埃希菌、奇异变形杆菌或粪肠球菌所致的泌尿生殖道感染。依据该三元组模型,可以从阿莫西林胶囊的说明书中提取得到三元组“阿莫西林胶囊-适应症-泌尿生殖道感染”。
S240、基于所提取的三元组,构建用药审查知识图谱。
本步骤的实现方法有多种,本申请对此不作限制,可选地,可以以第一实体、第二实体以及属性值为节点,将同一三元组中的两个节点进行连接,连接所使用的线条表示关系或属性,如此形成包括多个节点的关系网络,该关系网络即为用药审查知识图谱。
进一步地,可以设置在同一用药审查知识图谱中,实体(包括第一实体和第二实体)和属性值采用不同的图形或颜色予以区别,这样可以便于用户迅速、直观地明白哪些是实体,哪些是属性值。类似地,还可以采用不同颜色线条来反映不同的关系或属性。
示例性地,若共提取出6组三元组,这6组三元组通过表3给出,并规定实体为圆形,属性值为方形可以得到如图3所示的用药审查知识图谱。
表3
序号 | 实体 | 关系(属性) | 实体(属性值) |
1 | ABCD | 关系1 | OPQ |
2 | ABCD | 关系2 | UVW |
3 | ABCD | 关系2 | XYZ |
4 | ABCD | 属性1 | EF |
5 | ABCD | 属性2 | JK |
6 | ABCD | 属性2 | MN |
上述技术方案给出了一种自动化创建用药审查知识图谱的方法,该方法在整个实现的过程中不需要人工参与,创建图谱的效率高,可降低数据库维护、更新的难度,可以充分避免出现数据库更新落后、资料缺失等不良状况。
在上述技术方案中,用于实现S230的方法有多种,本申请对此不作限制。图4为本公开实施例给出的一种用于实现S230的方法的流程图。参见图4,该用于实现S230的方法包括:
S231、对样本数据中的句子进行切分,得到多个字符串。
本步骤的实现方法有多种,本申请对此不作限制。示例性地,可以基于有向图的中文分词法对样本数据中的句子进行切分。具体地,首先以标点符号为分割点,将样本数据中的所有句子分为多个短句,针对各短语进行逐字切分,进而得到所有可能的词组(即字符串)。
示例性地,以短句“ABCDEFG”为例,对该短句进行逐字切分后,得到所有可能的词组。所有可能的词组通过表4给出。
表4
序号 | 首字符 | 分词 |
1 | A | A、AB、ABC、ABCD、ABCDE、ABCDEF、ABCDEFG |
2 | B | B、BC、BCD、BCDE、BCDEF、BCDEFG |
3 | C | C、CD、CDE、CDEF、CDEFG |
4 | D | D、DE、DEF、DEFG |
5 | E | E、EF、EFG |
6 | F | F、FG |
7 | G | G |
S232、利用同义词对照关系,对得到的多个字符串进行标准化处理。
由于汉语词义的丰富性,同一含义可能有多个不同的表达方式,例如,“上呼吸道感染”又称“感冒”、“伤风”、“普通感冒”、“急性鼻炎”等。本步骤的实质是基于同义词对照关系,将多个意义相同但表达方式不同的词语统一为同一个词。
示例性地,若ABC和ABCD的同义词都是ABCD,CDE无同义词,则执行本步骤后,原ABC和原ABCD被标准化处理后为ABCD,CDE被标准化处理后为CDE。
S233、从经标准化处理后的字符串中提取医学用语。
本步骤的实现方法有多种,本申请对此不作限制。示例性地,可以预先构建医学标准词语库,将经过S232标准化处理后的字符串与医学标准词语库中的医学用语进行对比,若某个经标准化处理后的字符串与医学标准词语库中的医学用语一致,予以保留、提取,进而得到完全由医学用语组成的集合。
进一步地,可以构建多个医学标准词语库,例如可以构建药品医学词语库,疾病医学词语库,症状医学词语库,临床医学词语库。这样在后续将经过S232标准化处理后的字符串,与医学标准词语库中的医学用语对比时,可以根据需要,仅选择少数几个医学词语库进行对比,可以提高本步骤的执行效率。
S234、基于三元组模型,利用医学用语构建三元组。
本步骤的实质是根据三元组模型,在所提取的医学词语中两两组合,形成具有关联关系的三元组。
可选地,本步骤的具体实现方法包括:使用已构建好的三元组模型,对S233中得到的医学用语进行标注,即确定各医学用语为第一实体、第二实体、属性还是关系;将标注完毕的医学用语按照三元组模型进行组合,得到用于构建用药审查知识图谱的三元组。
上述技术方案给出了一种自动化构建三元组的方法,该方法在整个实现的过程中不需要人工参与,构建三元组的效率高,遗漏量少,可以确保后续构建的用药审查知识图谱具有较高的完整性、全面性,进而可以确保后续重复用药审查的准确性。
在上述各技术方案的基础上,可选地,若用药审查知识图谱包括药品知识图谱;S120可替换为:基于药品知识图谱,判断处方单信息中至少两种药品的特征数据是否一致;药品的特征数据包括通用名、商品名、化学名、英文名、汉语拼音以及成分中的至少一个;若一致,至少两种药品涉及重复用药;否则,至少两种药品不涉及重复用药。
可选地,若药品的特征数据包括通用名、商品名、化学名、英文名、汉语拼音以及成分。只要处方单信息中至少两种药品的某个特征数据(如成分)一致,则认定至少两种药品涉及重复用药。若处方单信息中任意两种药品的所有特征数据均不一致,则认定至少两种药品不涉及重复用药。
这样设置的实质是将处方单中医生所开具的多个药品的名称以及成分进行互相比对,以判断这两种药品是否为相同或同类药品。这种方式可以精准识别出成分相同但商品名或剂型不同的药物合用的情况以及单一成分及其含有该成分的复方制剂合用的情况。
在上述各技术方案的基础上,可选地,若用药审查知识图谱包括药品知识图谱和疾病知识图谱;S120可替换为:基于疾病知识图谱以及疾病诊断结果信息,确定第一药品集;第一药品集包括所有可用于治疗疾病诊断结果中疾病的药品;基于药品知识图谱,判断处方单中开具的药品中是否存在至少两种药品均为第一药品集中的药品;若是,至少两种药品涉及重复用药;否则,至少两种药品不涉及重复用药。其中,“判断处方单中开具的药品中是否存在至少两种药品均为第一药品集中的药品”的具体实现方法为:分别将处方单中开具的各个药品视为目标药品,通过将目标药品的特征数据与第一药品集中的各药品的特征数据进行逐一对比。药品的特征数据包括通用名、商品名、化学名、英文名、汉语拼音以及成分中的至少一个。若一致,说明目标药品为第一药品集中的药品。如果处方单中开具的药品存在两种及以上的药品属于第一药品集中的药品,则这些药品涉及重复用药。这种方式的实质是从治疗某个疾病的角度出发,考量处方单中的药品是否涉及重复用药。其可以精准识别出药理作用相同的药物合用的情况以及相同作用机制的药物合用的情况。
在上述各技术方案的基础上,可选地,若用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱;S120可替换为:包括:基于疾病知识图谱以及症状信息,确定疾病集;疾病集包括所有具有处方单中同一症状的疾病;基于疾病知识图谱和疾病集,确定第二药品集;第二药品集包括可用于治疗疾病集中各疾病的所有药品;基于药品知识图谱,判断处方单中开具的药品中是否存在至少两种药品均为第二药品集中的药品;若是,至少两种药品涉及重复用药;否则,至少两种药品不涉及重复用药。这种方式的实质是从某个症状出发,考虑出现该症状的疾病有哪些,治疗这些疾病如何用药,进而考量处方单中的药品是否涉及重复用药。其可以精准识别出药理作用相同的药物合用的情况,以及相同作用机制的药物合用的情况。
在上述技术方案的基础上,可选地,处方单信息中药品的信息包括药品的常用名;S120之前,还包括:获取字典映射表;字典映射表包括多条药品记录,药品记录包括药品的常用名与通用名的对应关系;基于字典映射表,将处方单信息中药品的常用名替换为药品的通用名。
药品的常用名是指在特定医疗机构中,医疗工作者在指代药物时所使用的惯用语。示例性地,若某医疗机构中,医疗工作者之间互相沟通时,通常利用“柴胡”指代“柴胡镇咳片”。“柴胡”即为柴胡镇咳片的常用名。
字典映射表是药品常用名和通用名对应关系汇总的结果。示例性地,表5给出了一种字典映射表。
表5
序号 | 机构编码 | 机构药品的常用名 | 药品的通用名 |
1 | A001 | 123 | ABCD |
2 | A001 | 456 | UVW |
3 | A001 | 789 | XYZ |
4 | B001 | 1234 | ABCD |
5 | … | … | … |
在表5中设置机构编码,机构编码的作用是对医疗机构进行区分。这是因为,在实际中,可能存在不同医疗机构采用同一常用名指代不同药物的情况。示例性地,在第一个医疗机构中,医疗工作者利用“柴胡”指代“柴胡镇咳片”,但在第二个医疗机构中,医疗工作者利用“柴胡”指代“小柴胡颗粒”。
通过设置“基于字典映射表,将处方单信息中药品的常用名替换为药品的通用名”可以解决因医生使用常用名,不清楚医生所指代的药品具体是哪种药品,导致重复用药审查结果错误的问题,可以提高重复用药审查的准确性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
图5为本公开实施例提出的一种基于知识图谱的重复用药提醒装置的结构示意图,如图5所示,该装置包括:
获取模块510,用于获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
判断模块520,用于基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
提醒模块530,用于若涉及重复用药,输出重复用药提醒信息。
进一步地,所述装置还包括构建模块,所述构建模块用于:
基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药之前,构建所述用药审查知识图谱。
进一步地,所述构建模块用于:
获取三元组模型;
获取样本数据;
基于所述三元组模型,从所述样本数据中提取三元组;
基于所提取的所述三元组,构建用药审查知识图谱。
进一步地,所述构建模块用于:
对所述样本数据中的句子进行切分,得到多个字符串;
利用同义词对照关系,对得到的所述多个字符串进行标准化处理;
从经标准化处理后的字符串中提取医学用语;
基于所述三元组模型,利用所述医学用语构建三元组。
进一步地,所述用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱中的至少一个;
其中,所述药品知识图谱用于反映各种药品的特征数据;所述疾病知识图谱用于反映各类疾病的特征数据;所述症状知识图谱用于反映各种症状的特征数据。
进一步地,所述用药审查知识图谱包括药品知识图谱;
判断模块,用于:
基于所述药品知识图谱,判断所述处方单信息中至少两种药品的特征数据是否一致;所述药品的特征数据包括通用名、商品名、化学名、英文名、汉语拼音以及成分中的至少一个;
若一致,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
进一步地,所述用药审查知识图谱包括药品知识图谱和疾病知识图谱;
判断模块,用于:
基于所述疾病知识图谱以及所述疾病诊断结果信息,确定第一药品集;所述第一药品集包括所有可用于治疗所述疾病诊断结果中疾病的药品;
基于所述药品知识图谱,判断所述处方单中开具的药品中是否存在至少两种药品均为所述第一药品集中的药品;
若是,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
进一步地,所述用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱;
判断模块,用于:
基于所述疾病知识图谱以及所述症状信息,确定疾病集;所述疾病集包括所有具有所述症状的疾病;
基于所述疾病知识图谱和所述疾病集,确定第二药品集;所述第二药品集包括可用于治疗所述疾病集中各疾病的所有药品;
基于所述药品知识图谱,判断所述处方单中开具的药品中是否存在至少两种药品均为所述第二药品集中的药品;
若是,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
进一步地,所述处方单信息中所述药品的信息包括药品的常用名;
判断模块,用于:
基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药之前,获取字典映射表;所述字典映射表包括多条药品记录,所述药品记录包括药品的常用名与通用名的对应关系;
基于所述字典映射表,将所述处方单信息中所述药品的常用名替换为药品的通用名。
以上实施例公开的装置能够实现以上各方法实施例公开的方法的流程,具有相同或相应的有益效果。为避免重复,在此不再赘述。
图6为本公开实施例提供的电子设备的硬件结构示意图,如图6所示,该电子设备可以包括手机、PAD、电脑等智能终端,该电子设备包括:
一个或多个处理器301,图6中以一个处理器301为例;
存储器302;
所述电子设备还可以包括:输入装置303和输出装置304。
所述电子设备中的处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器302作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的基于知识图谱的重复用药提醒方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的基于知识图谱的重复用药提醒方法。
存储器302可以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、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置304可包括显示屏等显示设备。
本公开实施例还提供一种包含计算机可读存储介质,该计算机可读存储介质存储程序或指令,该程序或指令使计算机执行行时用于执行一种基于知识图谱的重复用药提醒方法,该方法包括:
获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
若涉及重复用药,输出重复用药提醒信息。
可选的,该计算机可执行指令在由计算机处理器执行时还可以用于执行本公开任意实施例所提供的基于知识图谱的重复用药提醒方法的技术方案。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本公开可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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,服务器,或者网络设备等)执行本公开各个实施例所述的方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种基于知识图谱的重复用药提醒方法,其特征在于,包括:
获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
若涉及重复用药,输出重复用药提醒信息。
2.根据权利要求1所述的方法,其特征在于,还包括:
构建所述用药审查知识图谱。
3.根据权利要求2所述的方法,其特征在于,所述构建所述用药审查知识图谱,包括:
获取三元组模型;
获取样本数据;
基于所述三元组模型,从所述样本数据中提取三元组;
基于所提取的所述三元组,构建用药审查知识图谱。
4.根据权利要求3所述的方法,其特征在于,所述基于所述三元组模型,从所述样本数据中提取三元组,包括:
对所述样本数据中的句子进行切分,得到多个字符串;
利用同义词对照关系,对得到的所述多个字符串进行标准化处理;
从经标准化处理后的字符串中提取医学用语;
基于所述三元组模型,利用所述医学用语构建三元组。
5.根据权利要求3所述的方法,其特征在于,
所述用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱中的至少一个;
其中,所述药品知识图谱用于反映各种药品的特征数据;所述疾病知识图谱用于反映各类疾病的特征数据;所述症状知识图谱用于反映各种症状的特征数据。
6.根据权利要求5所述的方法,其特征在于,
所述用药审查知识图谱包括药品知识图谱;
所述基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药,包括:
基于所述药品知识图谱,判断所述处方单信息中至少两种药品的特征数据是否一致;所述药品的特征数据包括通用名、商品名、化学名、英文名、汉语拼音以及成分中的至少一个;
若一致,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
7.根据权利要求5所述的方法,其特征在于,
所述用药审查知识图谱包括药品知识图谱和疾病知识图谱;
所述基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药,包括:
基于所述疾病知识图谱以及所述疾病诊断结果信息,确定第一药品集;所述第一药品集包括所有可用于治疗所述疾病诊断结果中疾病的药品;
基于所述药品知识图谱,判断所述处方单中开具的药品中是否存在至少两种药品均为所述第一药品集中的药品;
若是,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
8.根据权利要求6所述的方法,其特征在于,
所述用药审查知识图谱包括药品知识图谱、疾病知识图谱以及症状知识图谱;
所述基于药物知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药,包括:
基于所述疾病知识图谱以及所述症状信息,确定疾病集;所述疾病集包括所有具有所述症状的疾病;
基于所述疾病知识图谱和所述疾病集,确定第二药品集;所述第二药品集包括可用于治疗所述疾病集中各疾病的所有药品;
基于所述药品知识图谱,判断所述处方单中开具的药品中是否存在至少两种药品均为所述第二药品集中的药品;
若是,所述至少两种药品涉及重复用药;否则,所述至少两种药品不涉及重复用药。
9.根据权利要求1所述的方法,其特征在于,所述处方单信息中所述药品的信息包括药品的常用名;
所述基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药之前,还包括:
获取字典映射表;所述字典映射表包括多条药品记录,所述药品记录包括药品的常用名与通用名的对应关系;
基于所述字典映射表,将所述处方单信息中所述药品的常用名替换为药品的通用名。
10.一种基于知识图谱的重复用药提醒装置,其特征在于,包括:
获取模块,用于获取处方单信息,所述处方单信息包括:症状信息、疾病诊断结果信息以及开具的至少两种药品的信息;
判断模块,用于基于用药审查知识图谱以及所述处方单信息,判断所述至少两种药品是否涉及重复用药;
提醒模块,用于若涉及重复用药,输出重复用药提醒信息。
11.一种电子设备,其特征在于,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至9任一项所述方法的步骤。
12.一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存储程序或指令,所述程序或指令使计算机执行如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210361975.1A CN114913956A (zh) | 2022-04-07 | 2022-04-07 | 基于知识图谱的重复用药提醒方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210361975.1A CN114913956A (zh) | 2022-04-07 | 2022-04-07 | 基于知识图谱的重复用药提醒方法、装置以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114913956A true CN114913956A (zh) | 2022-08-16 |
Family
ID=82762356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210361975.1A Pending CN114913956A (zh) | 2022-04-07 | 2022-04-07 | 基于知识图谱的重复用药提醒方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913956A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116959747A (zh) * | 2023-06-09 | 2023-10-27 | 北京好心情互联网医院有限公司 | 药物相互作用提示方法、装置、设备及存储介质 |
CN117954127A (zh) * | 2024-03-27 | 2024-04-30 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
-
2022
- 2022-04-07 CN CN202210361975.1A patent/CN114913956A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116959747A (zh) * | 2023-06-09 | 2023-10-27 | 北京好心情互联网医院有限公司 | 药物相互作用提示方法、装置、设备及存储介质 |
CN117954127A (zh) * | 2024-03-27 | 2024-04-30 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
CN117954127B (zh) * | 2024-03-27 | 2024-06-04 | 四川桃子健康科技股份有限公司 | 合理用药判断方法、用药规则数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210210184A1 (en) | Clinical concept identification, extraction, and prediction system and related methods | |
US10614196B2 (en) | System for automated analysis of clinical text for pharmacovigilance | |
US20220044812A1 (en) | Automated generation of structured patient data record | |
US10095761B2 (en) | System and method for text extraction and contextual decision support | |
US20190006027A1 (en) | Automatic identification and extraction of medical conditions and evidences from electronic health records | |
WO2021184729A1 (zh) | 一种药品分类方法、装置、存储介质和智能设备 | |
US20170277856A1 (en) | Healthcare risk extraction system and method | |
US8700589B2 (en) | System for linking medical terms for a medical knowledge base | |
WO2019071661A1 (zh) | 电子装置、医疗文本实体命名的识别方法、系统及存储介质 | |
US20020128861A1 (en) | Mapping clinical data with a health data dictionary | |
CN114913956A (zh) | 基于知识图谱的重复用药提醒方法、装置以及电子设备 | |
KR20070120152A (ko) | 의료 데이터 분석 시스템 및 방법 | |
US20170364640A1 (en) | Machine learning algorithm to automate healthcare communications using nlg | |
US20100306183A1 (en) | Electronic system for a social -network web portal applied to the sector of health and health information | |
JP4955197B2 (ja) | レセプトファイル生成システム | |
CN112309579A (zh) | 推荐治疗方案的方法、装置、电子设备及存储介质 | |
Nair et al. | Automated clinical concept-value pair extraction from discharge summary of pituitary adenoma patients | |
CN117116416A (zh) | 医嘱用药审核方法、装置、电子设备及存储介质 | |
LUPȘE et al. | Extracting and structuring drug information to improve e-prescription and streamline medical treatment | |
CN112331355B (zh) | 病种评估表的生成方法、装置、电子设备及存储介质 | |
Topaz et al. | Identifying diabetes in clinical notes in Hebrew: a novel text classification approach based on word embedding | |
CN112331356A (zh) | 推荐治疗方案的方法、装置、电子设备及存储介质 | |
US20230395209A1 (en) | Development and use of feature maps from clinical data using inference and machine learning approaches | |
JP6820528B2 (ja) | 電子カルテシステム | |
JP7240707B2 (ja) | 情報処理システム |
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 |