CN116030931A - 用药推荐方法、装置、电子设备和存储介质 - Google Patents
用药推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116030931A CN116030931A CN202211677818.8A CN202211677818A CN116030931A CN 116030931 A CN116030931 A CN 116030931A CN 202211677818 A CN202211677818 A CN 202211677818A CN 116030931 A CN116030931 A CN 116030931A
- Authority
- CN
- China
- Prior art keywords
- medicine
- medication
- information
- recommended object
- target
- 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
-
- 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
本申请提出一种用药推荐方法、装置、电子设备和存储介质,能够获取推荐对象的患者画像信息,其中,推荐对象的患者画像信息包括推荐对象当前的病情诊断结果和用药信息。然后,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,如果用药信息不符合推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合推荐对象的病情诊断结果的用药需求的目标用药信息。实现了基于病患的当前的病情诊断结果和用药信息自动推荐符合病患的病情诊断结果的用药需求的药品,提高了药品选择效率,有效缓解医疗资源紧张的局面。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种用药推荐方法、装置、电子设备和存储介质。
背景技术
科学用药能够提高疾病的治疗效果。目前药品处方的开具主要依赖于医师自身的专业知识和经验,医师通过对患者病情的分析,确定满足患者当前治疗需求的药品与用量。但是,药品种类是以万级的数量来计算的,而且不同种类的药品的治疗效果、禁忌证、可能导致的不良反应各不相同。医师在大量的药品种类中确定能够满足患者当前治疗需求的药品,需要耗费一定的时间,使得导致诊疗效率低下,进一步加剧了医疗资源紧张的局面。
发明内容
基于上述需求,本申请提出一种用药推荐方法、装置、电子设备和存储介质,以解决现有技术中诊疗效率低下的问题。
本申请提出的技术方案具体如下:
一方面,本申请提供了一种用药推荐方法,包括:
获取推荐对象的患者画像信息;所述推荐对象的患者画像信息包括所述推荐对象当前的病情诊断结果和用药信息;
确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求;
若所述用药信息不符合所述推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息;其中,所述药品知识库中包含药品的使用说明。
进一步地,以上所述的方法中,获取推荐对象的患者画像信息,包括:
获取推荐对象的病历数据;
至少从所述病历数据中抽取推荐对象当前的诊断结果和用药信息作为所述推荐对象的患者画像信息。
进一步地,以上所述的方法中,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求,包括:
根据所述用药信息中包含的所述推荐对象的药品使用情况,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求。
进一步地,以上所述的方法中,根据所述用药信息中包含的所述推荐对象的药品使用情况,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求,包括:
若所述用药信息包括所述推荐对象当前使用的药品信息,则基于所述药品知识库,确定所述推荐对象当前使用的药品的使用说明;所述推荐对象当前使用的药品的使用说明至少包括药品的适应症、禁忌证及慎用指征;
基于所述推荐对象当前使用的药品的使用说明,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求。
进一步地,以上所述的方法中,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息,包括:
根据所述推荐对象当前的病情诊断结果和用药信息,确定用药方式;所述用药方式包括更换药品、新增药品、减少药品和药量调整中的至少一种;
根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,并基于所述目标药品确定所述目标用药信息。
进一步地,以上所述的方法中,若所述用药方式为更换药品,则根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,包括:
从药品知识库中确定替换所述历史药品的第一目标药品;所述历史药品为所述用药信息中确定需要更换的药品。
进一步地,以上所述的方法中,从药品知识库中确定替换所述历史药品的第一目标药品,包括:
按照设定的药品替换优先级顺序,从药品知识库中确定替换所述历史药品的第一目标药品;所述设定的药品替换优先级顺序包括与所述历史药品同一种类的不同药品、与所述历史药品不同种类且未使用的药品、与所述历史药品不同种类正在使用的药品;
或者,根据所述推荐对象的病情诊断结果和用药信息,使用预先训练的药品替换模型确定替换所述历史药品的第一目标药品。
进一步地,以上所述的方法中,若所述用药方式为新增药品,则根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,包括:
根据设定的药品使用映射规则,确定新增药品的种类;
按照新增药品的种类,从所述药品知识库中确定新增的第二目标药品。
进一步地,以上所述的方法中,按照新增药品的种类,从所述药品知识库中确定新增的第二目标药品,包括:
若所述新增药品的种类均适用于所述推荐对象,从每种新增药品中选择设定分值最高的药品作为所述第二目标药品;若所述新增药品中存在至少一种药品不适用于所述推荐对象,则从适用于所述推荐对象的药品种类中选择设定分值最高的药品作为所述第二目标药品,其中,第二目标药品的数量与所述新增药品的种类数量相同;
或者,根据新增药品的种类,使用预先训练的药品新增模型确定新增的第二目标药品。
进一步地,以上所述的方法中,基于所述目标药品确定所述目标用药信息,包括:
按照设定的药品选用规则,确定所述目标药品的通用名称;
根据所述通用名称的目标药品的使用方式,生成所述目标用药信息。
另一方面,本申请提供了一种用药推荐装置,包括:
获取模块,用于获取推荐对象的患者画像信息;所述推荐对象的患者画像信息包括所述推荐对象当前的病情诊断结果和用药信息;
确定模块,用于确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求;
生成模块,用于若所述用药信息不符合所述推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息;其中,所述药品知识库中包含多种药品的使用说明
另一方面,本申请提供了一种电子设备,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器,用于通过运行所述存储器中的程序,实现以上任意一项所述的方法。
另一方面,本申请提供了一种存储介质,包括:所述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,实现以上任意一项所述的方法。
本申请提出的用药推荐方法,能够获取推荐对象的患者画像信息,其中,推荐对象的患者画像信息包括推荐对象当前的病情诊断结果和用药信息。然后,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,如果用药信息不符合推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合推荐对象的病情诊断结果的用药需求的目标用药信息。实现了基于病患的当前的病情诊断结果和用药信息自动推荐符合病患的病情诊断结果的用药需求的药品,提高了药品选择效率,有效缓解医疗资源紧张的局面。
附图说明
为了更清楚地说明本申请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的介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的一种用药推荐方法的流程示意图;
图2是本申请实施例提供的确定是否符合用药需求的流程示意图;
图3是本申请实施例提供的生成目标用药信息的流程示意图;
图4是本申请实施例提供的一种用药推荐装置的结构示意图;
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
申请概述
本申请实施例技术方案适用于药品推荐的应用场景,采用本申请实施例技术方案,能够基于病患的当前的病情诊断结果和用药信息自动推荐符合病患的病情诊断结果的用药需求的药品。
药品推荐的目的在于为患者推荐一系列药品,来治疗患者已经诊断出来的疾病。目前,该任务主要由医生根据其专业知识与经验来完成。但是,药品种类是以万级的数量来计算的,而且不同种类的药品的治疗效果、禁忌证、可能导致的不良反应各不相同,医生在大量的药品种类中确定能够满足患者当前治疗需求的药品,需要耗费一定的时间,导致诊疗效率低下,而且高血压等慢性病需要患者长期服药,对医疗资源的需求大,进一步加剧了医疗资源紧张的局面。
基于此,本申请提出一种用药推荐方法、装置、电子设备和存储介质,该技术方案能够基于病患的当前的病情诊断结果和用药信息自动推荐符合病患的病情诊断结果的用药需求的药品,进而提高药品选择效率、缓解医疗资源紧张的局面。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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。
示例性方法
本申请实施例提出一种实体提取方法,该方法可以由电子设备执行,该电子设备可以是任意的具有数据及指令处理功能的设备,例如可以是计算机、智能终端、服务器等。参见图1所示,该方法包括:
S101、获取推荐对象的患者画像信息。
本实施例中的推荐对象指的是推荐药品的对象。推荐对象一般为生命体,可以是人或者动物。本实施例中以推荐对象是人为例,对本实施例的技术方案进行说明。
推荐对象的患者画像信息包括推荐对象当前的病情诊断结果和用药信息。具体地,推荐对象当前的病情诊断结果包括现病史、既往史、主诉、症状、体征、检验检查、诊断结果等信息中的至少一种,用药信息包括推荐对象当前用药的情况,即推荐对象当前是否用药,如果推荐对象当前用药的话,使用药品的种类、通用名称以及用法用量等。此外,推荐对象的患者画像信息还可以包括推荐对象的基本信息,包括推荐对象的性别、年龄、身高和体重等信息。
需要说明的是,病情诊断结果中的检验检查应是设定时间段内的检验检查记录。如果检验检查记录超过上述设定时间段或者没有检验检查记录,则可以提醒推荐对象进行相关的检验检查并且生成无法进行药品推荐的信息。以便于在推荐对象进行相关的检验检查,得到完整的病情诊断结果后,再进行药品推荐,以避免缺少推荐对象的检验检查信息,或者推荐对象的检验检查信息时间太久无法反应推荐对象当前的身体状态,导致药品推荐不准确。例如,若推荐对象为高血压患者,检验检查应是一周内的血压记录,如果血压记录超过一周,则建议高血压患者进行血压监测之后,再进行药品推荐。
本申请的实施例中,首先获取推荐对象的患者画像信息。具体地,可以由工作人员手动输入推荐对象的患者画像信息;也可以从推荐对象的电子病历中提取推荐对象当前的病情诊断结果和用药信息等作为患者画像信息;此外,还可以获取推荐对象的病历图像,然后对病历图像进行文本转换,得到推荐对象的病历内容,从推荐对象的病历内容中提取当前的病情诊断结果和用药信息等作为患者画像信息。
示例性的,在一个具体的实施场景中,目标对象A的患者画像信息为:
性别:女;
年龄:69岁;
主诉:反复胸闷4年,再发1月;
现病史:自2016年起出现开始反复胸闷,就诊于X医院,考虑诊断心肌病、心力衰竭。近一月患者胸闷较前加重,伴有食欲缺乏、乏力、恶心、呕吐、尿量减少。就诊Y医院,经治疗后未见明显好转。现为求进一步诊治以“慢性心力衰竭急性加重、心肌病、心功能Ⅳ级(NYHA分级)、肝功能不全、高血压病2级(极高危)、慢性肾功能不全”收入我科。自发病以来,病人精神状态较差,体力情况较差,食欲食量很差,睡眠情况较差,大便正常,小便减少,体重无明显变化;
既往史:否认肝炎、结核、疟疾病史,既往有心肌病、慢性心力衰竭、高血压病、慢性肾功能不全病史。否认糖尿病、脑血管疾病、精神疾病史,否认手术史、外伤史、输血史,否认食物、药品过敏史,预防接种史不详;
用药信息:无;
检查:体温36.5℃,脉搏76次/分,呼吸20次/分,血压151/97mmHg;
检验:血常规-,肝功能ALT 80u/l,肾功能肌酐122umol/l;
诊断结果:慢性心力衰竭急性加重、心肌病、心功能Ⅳ级(NYHA分级)、肝功能不全、高血压病2级(极高危)、CKD2期。
又一示例性的,在一个具体的实施场景中,目标对象B的患者画像信息为:
主诉:反复活动胸痛2年,加重1天;
现病史:患者于2天前,多于活动后出现,休息后口服速效救心丸几分钟可缓解,未予重视,昨日夜间再次发作胸痛伴出汗,口服速效救心丸缓解,今日17时再次发作胸痛、伴出汗,及肩背部疼痛,口服速效救心丸疼痛无缓解,遂送至我院急诊。考虑冠心病,予以硝酸甘油维泵维持,为求进一步诊治以“冠心病”收入我科。自发病以来,病人精神状态一般、体力情况良好、食欲食量一般、睡眠情况一般、大便干、小便正常、体重无明显变化;
既往史:1990年因外伤致小脑出血、手术治疗,2005年诊断冠心病、高血压,长期口服美托洛尔缓释片47.5mg qd、氨氯地平5mg qd,2002年发现糖尿病,使用甘精胰岛素20u降糖治疗,血糖控制不佳。否认肝炎、结核、疟疾病史,否认精神疾病史,否认输血史,否认食物、药品过敏史,预防接种史不详;
用药信息:长期口服美托洛尔缓释片47.5mg qd、氨氯地平5mg qd。
检查:体温36.2℃,脉搏51次/分,呼吸20次/分,血压140/83mmHg;
诊断结果:冠状动脉粥样硬化性心脏病、急性心肌梗死、心功能不全、2型糖尿病。
S102、确定用药信息是否符合推荐对象的病情诊断结果的用药需求;若用药信息不符合推荐对象的病情诊断结果的用药需求,则执行步骤S103;若用药信息符合推荐对象的病情诊断结果的用药需求,则结束执行。
获取到推荐对象当前的病情诊断结果和用药信息之后,可以基于推荐对象当前的病情诊断结果和用药信息,进一步检测推荐对象当前的用药信息是否对症,即检测推荐对象当前的用药信息是否符合推荐对象的病情诊断结果的用药需求。其中,符合推荐对象的病情诊断结果的用药信息应当对治疗推荐对象当前的病情有利,产生的副作用不会损害推荐对象的身体健康。
本申请的实施例中,可以预先设置药品知识库,存储各种药品的使用说明,包括药品的适应症、禁忌证、不良反应和慎用指征等信息。在获取到推荐对象的病情诊断结果和用药信息后,若用药信息中包括推荐对象当前正在使用的药品,则可以从药品知识库中检索推荐对象当前正在使用的药品的使用说明,以及,对推荐对象当前的病情诊断结果进行语义理解,进而确定推荐对象当前的病情诊断结果是否符合正在使用的药品的适应症、禁忌证和慎用指征等用药标准信息,以便于根据推荐对象当前的病情诊断结果、推荐对象当前正在使用的药品的适应症、禁忌证和慎用指征等用药标准信息,以及药品的用法用量,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
示例性的,如果确定推荐对象当前的病情诊断结果符合正在使用的药品的禁忌证,则可以确定用药信息不符合推荐对象的病情诊断结果的用药需求,需要进行换药。而慎用指征是提醒病患谨慎使用该药品,并不是严格的禁止使用,因此可以提前设置推荐对象当前的病情诊断结果符合正在使用的药品的禁忌证慎用指征时用药信息符合推荐对象的病情诊断结果的用药需求的情况,以及,推荐对象当前的病情诊断结果符合正在使用的药品的禁忌证慎用指征时用药信息不符合推荐对象的病情诊断结果的用药需求的情况,以便于当病情诊断结果符合正在使用的药品的慎用指征时,根据病情诊断结果分情况确定用药信息是否符合推荐对象的病情诊断结果的用药需求,需要更换药品。例如,如果推荐对象的用药信息包括使用β受体阻滞剂降低血压,推荐对象的病情诊断结果出现血压增高、心率<50次/分的情况,从药品知识库中查询到β受体阻滞剂的禁忌证包括心动过缓,那么可以确定β受体阻滞剂并不符合推荐对象的病情诊断结果的用药需求。
如果确定推荐对象不需要进行换药,则可以进一步确定推荐对象是否需要新增药品、减少药品或者进行药量调整。本实施例中,可以根据疾病的常规治疗方式设置患者画像信息与药品调整建议的映射关系存储于药品知识库中,以便于根据推荐对象的病情诊断结果和用药信息,确定该推荐对象的药品调整建议,进而确定推荐对象是需要新增药品、减少药品、进行药量调整,还是不需要对药品进行调整。示例性的,表1所示为高血压患者的画像信息与药品调整建议的映射关系。
表1
如表1所示,高血压患者的画像信息包括用药信息中的当前用药情况和当前用药是否达到常规剂量,以及当前的病情诊断结果中的血压情况。
在用药信息为未用药的情况下,药品调整建议包括定期随访、单药和加药-双药联合。定期随访表示用药信息符合推荐对象的病情诊断结果的用药需求,不需要增加药品,但是需要推荐对象定期随访;单药表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要新增单药;加药-双药联合表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要新增双药。
在用药信息为单药的情况下,药品调整建议包括停药、继续目前方案、加量和加药-双药联合。停药表示用药信息已经不符合推荐对象的病情诊断结果的用药需求,需要将当前的药品停掉;继续目前方案表示用药信息符合推荐对象的病情诊断结果的用药需求,不需要进行改动;加量表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要增加当前药品的药量;加药-双药联合表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要新增药品,使用双药联合方案。在用药信息为双药联合的情况下,药品调整建议包括停药、减药、继续目前方案、加量和加药-三药联合。减药表示用药信息已经不符合推荐对象的病情诊断结果的用药需求,需要将药量减少;加药-三药联合表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要新增药品,使用三药联合方案。在用药信息为三药联合的情况下,药品调整建议包括停药、减药、继续目前方案、加量和加药-四药联合。加药-四药联合表示用药信息不符合推荐对象的病情诊断结果的用药需求,需要新增药品,使用四药联合方案。
示例性的,若推荐对象当前的用药情况为单药且未达到常规剂量,血压情况为平均收缩压150,平均舒张压90,基于表1可以确定,推荐对象当前的用药信息不符合推荐对象的病情诊断结果的用药需求,需要增加药品用量。
需要说明的是,上述高血压患者的画像信息与药品调整建议的映射关系仅用于对本实施例进行解释与说明,并不会限制本实施例的药品推荐方法仅适用于高血压,本领域的技术人员可以基于现有技术中各种疾病的常规治疗方式设置各种疾病患者的画像信息与药品调整建议的映射关系,本实施例不做限定。
除了按照以上示例设置药品知识库,本申请的实施例中,还可以预先训练用药检测模型,将推荐对象当前的病情诊断结果和用药信息输入到用药检测模型中,获取用药检测模型输出的检测结果。用药检测模型输出的检测结果包括用药信息符合推荐对象的病情诊断结果的用药需求,或者,用药信息不符合推荐对象的病情诊断结果的用药需求。
用药检测模型在训练时,可以采用BERT模型作为基础模型,采集大量的病情诊断结果和用药情况作为训练样本,将用药情况是否符合病情诊断结果的用药需求作为标签,对用药检测模型进行训练,当用药检测模型的损失值小于设定值时,训练完成。
如果经过判断,确认用药信息符合推荐对象的病情诊断结果的用药需求,则不需要为推荐对象重新推荐药品,本步骤结束。如果经过判断,确认用药信息不符合推荐对象的病情诊断结果的用药需求,则可以执行步骤S103,为推荐对象推荐符合其病情诊断结果的用药需求的目标用药信息。
S103、基于预先设置的药品知识库,生成符合推荐对象的病情诊断结果的用药需求的目标用药信息。
药品知识库中包含药品的使用说明。具体地,本实施例的药品知识库存储多种药品的使用说明,除了包括药品的禁忌证、不良反应和慎用指征等信息之外,还可以包括药品针对各种适应证的使用方法。基于此,基于该预先设置的药品知识库,则可以生成符合推荐对象的病情诊断结果的用药需求的目标用药信息。
如果经过判断确认用药信息不符合推荐对象的病情诊断结果的用药需求且需要进行换药时,可以通过慎用、禁用、不良反应知识过滤不能使用的药品,之后通过药品适应证知识得出最适用于推荐对象的替换药品。
可以根据疾病的常规治疗方式设置患者画像信息、药品调整建议与药品种类建议的映射关系并存储于药品知识库中,以便于根据推荐对象的病情诊断结果、用药信息和以上实施例中确定的药品调整建议,确定推荐对象需要调整的具体药品。具体地,如果经过判断确认推荐对象当前的用药信息不符合推荐对象的病情诊断结果的用药需求,且需要新增药品、减少药品或进行药量调整时,可以根据患者画像信息、药品调整建议与药品种类建议的映射关系选择需要调整的具体药品。示例性的,表2所示为高血压患者的画像信息与药品种类建议的映射关系。
表2
表2中,A表示血管紧张素转换酶抑制剂/血管紧张素受体阻断剂;B表示β受体阻断剂;C表示钙离子拮抗剂;D表示噻嗪类利尿剂。
如果推荐对象为高血压,则可以根据病情诊断结果、用药信息和以上实施例中确定的药品调整建议,按照表2的建议增加缺少的药品,或者除去多余的药品。
示例性的,如表2所示,如果推荐对象的药品调整建议为单药且根据病情诊断结果确定没有心肌梗死、心绞痛、心力衰竭、脑卒中、糖尿病、慢性肾脏病等合并症的情况下,可以按照C、A、B、D的优先级顺序使用一种药品;如果推荐对象的药品调整建议为单药且根据病情诊断结果确定存在心肌梗死合并症的情况下,使用A和B两种药品;如果推荐对象的药品调整建议为单药且根据病情诊断结果确定存在心绞痛合并症的情况下,按照B、A、C的优先级顺序使用一种药品;如果推荐对象的药品调整建议为单药且根据病情诊断结果确定存在心力衰竭合并症的情况下,使用A和B两种药品;如果推荐对象的药品调整建议为单药且根据病情诊断结果确定存在脑卒中合并症的情况下,按照C、A、D的优先级顺序使用一种药品;如果推荐对象的药品调整建议为单药且根据病情诊断结果确定存在糖尿病或慢性肾脏病合并症的情况下,使用A一种药品。以便于根据推荐对象的病情诊断结果、用药信息和以上实施例中确定的药品调整建议,增加缺少的药品或者除去多余的药品。
如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定没有心肌梗死、心绞痛、心力衰竭、脑卒中、糖尿病、慢性肾脏病等合并症的情况下,可以按照A+D、A+C、C+D、B+D的优先级顺序选择药品;如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定存在心肌梗死合并症的情况下,优先选用A和B两种药品;如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定存在心绞痛合并症的情况下,则可以从A、B、C、D中任选两种药品;如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定存在心力衰竭合并症的情况下,选择A和B两种药品;如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定存在脑卒中、糖尿病或慢性肾脏病合并症的情况下,从A、C、D中任选两种药品。以便于根据推荐对象的病情诊断结果、用药信息和以上实施例中确定的药品调整建议,增加缺少的药品或者除去多余的药品。
如果推荐对象的药品调整建议为三药联合且根据病情诊断结果确定没有心肌梗死、心绞痛、心力衰竭、脑卒中、糖尿病、慢性肾脏病等合并症的情况下,可以按照A+C+D、A+B+C的优先级顺序增加药品;如果推荐对象的药品调整建议为三药联合且根据病情诊断结果确定存在心肌梗死合并症的情况下,可以选择A+B+C或A+B+D;如果推荐对象的药品调整建议为三药联合且根据病情诊断结果确定存在心绞痛合并症的情况下,则可以从A、B、C、D中任选三种药品;如果推荐对象的药品调整建议为三药联合且根据病情诊断结果确定存在心力衰竭合并症的情况下,可以选择A+B+D或者A+B+螺内酯;如果推荐对象的药品调整建议为双药联合且根据病情诊断结果确定存在脑卒中、糖尿病或慢性肾脏病合并症的情况下,可以选择A+C+D。以便于根据推荐对象的病情诊断结果、用药信息和以上实施例中确定的药品调整建议,增加缺少的药品或者除去多余的药品。
如果推荐对象的药品调整建议为四药联合且根据病情诊断结果确定没有心肌梗死、心绞痛、心力衰竭、脑卒中、糖尿病、慢性肾脏病等合并症的情况下,可以选择A+B+C+D;如果推荐对象的药品调整建议为四药联合且根据病情诊断结果确定存在心肌梗死、心绞痛合并症的情况下也可以选用A+B+C+D;如果推荐对象的药品调整建议为三药联合且根据病情诊断结果确定存在心力衰竭合并症的情况下,可以选择A+B+C+D或者A+B+C+螺内酯。
需要说明的是,上述患者画像信息、药品调整建议与药品种类建议的映射关系仅用于对本实施例进行解释与说明,并不会限制本实施例的药品推荐方法仅适用于高血压,本领域的技术人员可以基于现有技术中各种疾病的常规治疗方式设置各种疾病患者的患者画像信息、药品调整建议与药品种类建议的映射关系,本实施例不做限定。以便于根据推荐对象的病情诊断结果、用药信息和以上实施例中确定的药品调整建议,增加缺少的药品或者除去多余的药品。
确定更换或者新增的药品之后,可以从药品知识库中确定该药品的使用方法和用量,从小剂量开始逐步完成药品的更换或者新增。
此外,可以根据疾病的常规治疗方式设置患者画像信息、药品调整建议与药品用量建议的映射关系并存储于药品知识库中,以便于经过判断确认用药信息不符合推荐对象的病情诊断结果的用药需求且需要进行药量调整时,可以根据患者画像信息、药品调整建议与药品用量建议的映射关系进行药品的加量或者减量,具体设置方式可以参照以上表1和表2,此处不做赘述。
以上实施例中,能够获取推荐对象的患者画像信息,其中,推荐对象的患者画像信息包括推荐对象当前的病情诊断结果和用药信息。然后,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,如果用药信息不符合推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合推荐对象的病情诊断结果的用药需求的目标用药信息。实现了基于病患的当前的病情诊断结果和用药信息自动推荐符合病患的病情诊断结果的用药需求的药品,提高了药品选择效率,有效缓解医疗资源紧张的局面。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的步骤获取推荐对象的患者画像信息,具体可以包括如下步骤:
获取推荐对象的病历数据;至少从病历数据中抽取推荐对象当前的诊断结果和用药信息作为推荐对象的患者画像信息。
具体地,本实施例中可以获取推荐对象的病历数据,病历数据可以是推荐对象的电子病历或者是纸质病历的图像。若病历数据为电子病历,则可以利用自然语言处理(Natural Language Processing,NLP)技术,直接从电子病历中提取推荐对象当前的诊断结果和用药信息作为推荐对象的患者画像信息,若病历数据为纸质病历的图像,可以对图像进行文字识别,得到文本数据,然后利用NLP技术从文本数据中提取推荐对象的患者画像信息。
以上实施例中,能够基于推荐对象的病历数据自动生成推荐对象的患者画像信息,不需要医护人员手动填充,提高了药品推荐的效率。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的步骤确定用药信息是否符合推荐对象的病情诊断结果的用药需求,具体可以包括如下步骤:
根据用药信息中包含的推荐对象的药品使用情况,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
本实施例中,确定用药信息中包含的推荐对象的药品使用情况。药品使用情况包括推荐对象目前是否使用药品,若推荐对象正在使用药品,药品使用情况包括使用的药品信息、用法用量等。以便于根据用药信息中包含的推荐对象的药品使用情况,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
进一步的,如图2所示,若用药信息包括推荐对象当前使用的药品信息,以上实施例的步骤根据用药信息中包含的推荐对象的药品使用情况,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,包括:
S201、若用药信息包括推荐对象当前使用的药品信息,则基于药品知识库,确定推荐对象当前使用的药品的使用说明。
其中,推荐对象当前使用的药品的使用说明至少包括药品的适应症、不良反应、禁忌及慎用指征。本申请的实施例中,如果确定用药信息中包括推荐对象当前使用的药品信息,则可以从药品知识库中至少检索推荐对象当前使用的药品的适应症、不良反应、禁忌证及慎用指征等信息。
S202、基于推荐对象当前使用的药品的使用说明,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
通过推荐对象当前使用的药品的适应症、不良反应、禁忌证及慎用指征等信息,可以确定推荐对象当前的用药信息是否符合推荐对象的病情诊断结果的用药需求。
具体地,如果推荐对象的病情诊断结果不属于当前使用的药品的适应症,则可以确定推荐对象当前使用的药品不符合推荐对象的病情诊断结果的用药需求;如果推荐对象的病情诊断结果属于当前使用的药品的禁忌证或者慎用指征,则可以确定推荐对象当前使用的药品不符合推荐对象的病情诊断结果的用药需求;如果推荐对象的病情诊断结果与用药信息不符合设定的患者画像信息与药品调整建议的映射关系,则可以确定推荐对象当前使用的药品不符合推荐对象的病情诊断结果的用药需求,其中患者画像信息与药品调整建议的映射关系可以参照上述实施例的记载,此处不做赘述。
以上实施例中,能够结合推荐对象当前使用的药品的使用说明,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,以便于在用药信息不符合推荐对象的病情诊断结果的用药需求的情况下,能够推荐合适的药品。
进一步的,若用药信息为推荐对象未使用药品,以上实施例的步骤根据用药信息中包含的推荐对象的药品使用情况,确定用药信息是否符合推荐对象的病情诊断结果的用药需求,包括:
若用药信息为推荐对象未使用药品,根据推荐对象当前的病情诊断结果确定推荐对象是否达到用药标准,以及,根据推荐对象是否达到用药标准的判断结果,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
如果确定用药信息为推荐对象未使用药品,则需要进一步基于推荐对象当前的病情诊断结果确定推荐对象是否达到用药标准。可以基于以上实施例的患者画像信息与药品调整建议的映射关系,确定推荐对象是否达到用药标准。在用药信息为推荐对象未使用药品的情况下,如果推荐对象达到用药标准,则表示用药信息不符合推荐对象的病情诊断结果的用药需求;如果推荐对象未达到用药标准,则表示用药信息符合推荐对象的病情诊断结果的用药需求。
示例性的,如果推荐对象为高血压患者,如果推荐对象的血压达标,则表示推荐对象没有达到用药标准,用药信息符合推荐对象的病情诊断结果的用药需求。如果推荐对象的平均血压不达标,则表示推荐达到用药标准,用药信息不符合推荐对象的病情诊断结果的用药需求。
以上实施例中,在用药信息为推荐对象未使用药品的情况下,根据推荐对象是否达到用药标准的判断结果确定用药信息是否符合推荐对象的病情诊断结果的用药需求,以便于在用药信息不符合推荐对象的病情诊断结果的用药需求的情况下,能够推荐合适的药品。
作为一种可选的实现方式,在本申请另一实施例中公开了,如图3所示,以上实施例的步骤生成符合推荐对象的病情诊断结果的用药需求的目标用药信息,具体可以包括如下步骤:
S301、根据推荐对象当前的病情诊断结果和用药信息,确定用药方式。
正如以上实施例的记载,用药方式包括更换药品、新增药品、减少药品和药量调整中的至少一种。
示例性的,如果确定推荐对象当前的病情诊断结果符合正在使用的药品的禁忌证,则可以确定用药信息不符合推荐对象的病情诊断结果的用药需求,需要进行换药;如果确定推荐对象不需要进行换药,则可以根据患者画像信息与药品调整建议的映射关系,确定推荐对象是需要新增药品、减少药品还是进行药量调整。更换药品、新增药品、减少药品和药量调整的具体确定方式可以参照以上实施例的记载,此处不做赘述。
S302、根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品,并基于目标药品确定目标用药信息。
本实施例中,按照以上步骤确定的用药方式,确定符合推荐对象的病情诊断结果的用药需求的目标药品。
如果确定需要更换药品,则可以从药品知识库中查找与被替换的药品适应症相同,且禁忌证或者慎用指征不包括推荐对象的病情诊断结果的药品作为目标药品。如果确定需要新增药品或者减少药品,则可以根据以上实施例的患者画像信息、药品调整建议与药品种类建议的映射关系确定需要增加的目标药品或者需要减少的药品。确定目标药品以后,可以进一步确定目标药品的使用方式,包括使用间隔时间,用法用量等目标用药信息。
如果确定需要药量调整,则可以根据以上实施例的患者画像信息、药品调整建议与药品用量建议的映射关系确定需要进行药量调整的目标药品,以及调整的药量等目标用药信息。
以上实施例中,能够基于推荐对象当前的病情诊断结果和用药信息,自动确定目标用药信息,有效提高了药品选择效率,缓解医疗资源紧张的局面。
作为一种可选的实现方式,在本申请另一实施例中公开了,若用药方式为更换药品,以上实施例的步骤根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品,具体可以包括如下步骤:
从药品知识库中确定替换历史药品的第一目标药品。
历史药品为用药信息中确定需要更换的药品,也就是推荐对象的用药信息中,慎用指征或者禁忌证包括推荐对象当前的病情诊断结果的药品。具体地,如果确定给推荐对象推荐的用药方式为更换药品,那么本实施中,可以先将禁用症、慎用指征包括推荐对象的病情诊断结果的药品滤除,从剩余的药品中选择最适用于推荐对象的替换药品。
进一步地,从剩余的药品中选择最适用于推荐对象的替换药品时,可以通过如下步骤进行选择:
按照设定的药品替换优先级顺序,从药品知识库中确定替换历史药品的第一目标药品;或者,根据推荐对象的病情诊断结果和用药信息,使用预先训练的药品替换模型确定替换历史药品的第一目标药品。
上述设定的药品替换优先级顺序包括与历史药品同一种类的不同药品、与历史药品不同种类且未使用的药品、与历史药品不同种类正在使用的药品。需要说明的是,在一个可选的实施例中,上述新增药品的种类可以是药品的二级分类。具体地,从剩余的药品中选择最适用于推荐对象的第一目标药品时,换药优先级为,换为同一种类的不同药物>不同种类未在服用的药物>不同种类正在服用的药物。
其中,药品知识库中,还可以存储各种药品的多层分级分类,包括分类、二级分类、国际非专利名、通用名等。基于此,可以按照同一种类的不同药物>不同种类未在服用的药物>不同种类正在服用的药物的优先级顺序,从药品知识库中选择第一目标药品。示例性的,表3所示为高血压治疗药品的分类存储方式,如果推荐对象为高血压患者,可以根据表3从药品知识库中选择第一目标药品。
表3
此外,除了按照上述方式确定第一目标药品外,还可以通过神经网络模型确定第一目标药品。具体地,可以预先训练药品替换模型,将推荐对象的病情诊断结果和用药信息输入到药品替换模型中,得到药品替换模型输出的替换历史药品的第一目标药品。
药品替换模型可以采用BERT模型作为基础模型,采集大量的病情诊断结果和用药情况作为训练样本,将更换的药品作为标签,对药品替换模型进行训练,当药品替换模型的损失值小于设定值时,训练完成。
作为一种可选的实现方式,可以先按照设定的药品替换优先级顺序,从药品知识库中确定替换历史药品的第一目标药品,如果按照这种方式无法确定第一目标药品,可以利用药品替换模型选择第二目标药品。
以上实施例中,能够自动从药品知识库中确定替换历史药品的第一目标药品,可以有效提高药品选择效率。
作为一种可选的实现方式,在本申请另一实施例中公开了,若用药方式为新增药品,则以上实施例的步骤根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品,具体可以包括如下步骤:
根据设定的药品使用映射规则,确定新增药品的种类;按照新增药品的种类,从药品知识库中确定新增的第二目标药品。
设定的药品使用映射规则可以包括以上实施例的患者画像信息与药品调整建议的映射关系、患者画像信息、药品调整建议与药品种类建议的映射关系。基于上述映射关系,能够确定新增药品的种类。示例性的,如果推荐对象为高血压患者,则可以根据以上实施例的患者画像信息与药品调整建议的映射关系、患者画像信息、药品调整建议与药品种类建议的映射关系,确定新增药品的种类为A、B、C、D或者螺内酯中的至少一种。
具体地,本实施例中,确定新增药品的种类之后,可以按照新增药品的种类,从药品知识库中确定新增的第二目标药品。
从药品知识库中确定新增的第二目标药品时,可以按照如下步骤确定:
若新增药品的种类均适用于推荐对象,从每种新增药品中选择设定分值最高的药品作为第二目标药品;若新增药品中存在至少一种药品不适用于推荐对象,则从适用于推荐对象的药品种类中选择设定分值最高的药品作为第二目标药品,其中,第二目标药品的数量与新增药品的种类数量相同;
或者,根据新增药品的种类,使用预先训练的药品新增模型确定新增的第二目标药品。
具体地,本实施例中,可以按照适应症事先给不同的药品设定分值,分值越高的药品,针对该适应证的治愈效果更明显。
如果新增药品的种类均适用于推荐对象,也就是说所有新增药品的种类的慎用指征和禁忌证均不包括推荐对象当前的病情诊断结果,那么可以从每种新增药品中选择设定分值最高的药品作为第二目标药品。如果每种新增药品中得分最高的药品不止一种,可随机或通过一定的排序规则如首字母排序或者笔画排序等,选择第二目标药品。
如果新增药品中存在至少一种药品不适用于推荐对象,也就是说存在至少一种新增药品的慎用指征和/或禁忌证均包括推荐对象当前的病情诊断结果,那么可以从剩余的适用于推荐对象的药品种类中选择设定分值最高的药品作为第二目标药品,为了保证药品一定的治疗效果,可以从适用于推荐对象的药品种类中多选择一个或多个药品,其中,多选择的药品的数量应与不适用于推荐对象的新增药品的种类数量,以使第二目标药品的数量与新增药品的种类数量相同。
示例性的,如果新增药品包括E、F、G、H四类,其中E和F由于慎用指征和/或禁忌证均包括推荐对象当前的病情诊断结果,则可以从G、H两类新增药品中多选择两个药品作为第二目标药品。例如,可以从G类中选择两种药品,从H类中选择两种药品,或者从G类中选择一种药品,从H类中选择三种药品,本实施例不做限定。
此外,除了按照上述方式确定第二目标药品外,还可以通过神经网络模型确定第二目标药品。具体地,可以预先训练药品新增模型,将推荐对象的病情诊断结果和用药信息输入到药品新增模型中,得到药品新增模型输出的替换历史药品的第二目标药品。
药品新增模型可以采用BERT模型作为基础模型,采集大量的病情诊断结果和用药情况作为训练样本,将新增的药品作为标签,对药品新增模型进行训练,当药品新增模型的损失值小于设定值时,训练完成。
作为一种可选的实现方式,可以先从新增药品中选择设定分值最高的药品作为第二目标药品,如果无法从新增药品中选择设定分值最高的药品作为第二目标药品,可以利用药品新增模型选择第二目标药品。
需要说明的是,在一个可选的实施例中,上述新增药品的种类可以是药品的二级分类,从二级分类中选择第二目标药品时,是选择不同通用名的第二目标药品。
以上实施例中,能够自动从药品知识库中确定替换历史药品的第二目标药品,可以有效提高药品选择效率。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的步骤基于目标药品确定目标用药信息,具体可以包括如下步骤:
按照设定的药品选用规则,确定目标药品的通用名称;根据通用名称的目标药品的使用方式,生成目标用药信息。
在一个可选的实施例中,上述新增药品的种类可以是药品的二级分类的上一级分类,从二级分类的上一级分类中筛选二级分类中的药品作为第一目标药品或者第二目标药品。示例性的,如表3所示,上述新增药品的种类可以包括ARB和利尿剂,可以从肾上腺素受体阻滞剂中确定目标药品为ARB,从利尿剂中确定目标药品为噻嗪类。
本申请的实施例中可以进一步根据设定的药品选用规则,从目标药品中进一步确定目标药品的通用名。设定的药品选用规则可以包括如下优先级顺序:用药种类最少>用药总次数最少。示例性的,表4为高血压药品的成分表,如表3和表4所示,若确定的目标药品为ARB和噻嗪类,那么按照用药种类最少>用药总次数最少的优先级顺序,确定目标药品的通用名为厄贝沙坦氢氯噻嗪片。
通用名 | 剂量 | 频次 | 成分1 | 成分1剂量 | 成分2 | 成分2剂量 |
缬沙坦氢氯噻嗪片 | 92.5mg | qd | 缬沙坦 | 80mg | 氢氯噻嗪 | 12.5mg |
厄贝沙坦氢氯噻嗪片 | 162.5mg | qd | 厄贝沙坦 | 150mg | 氢氯噻嗪 | 12.5mg |
厄贝沙坦氢氯噻嗪片 | 312.5mg | qd | 厄贝沙坦 | 300mg | 氢氯噻嗪 | 12.5mg |
氯沙坦钾氢氯噻嗪片 | 125mg | qd | 氯沙坦钾 | 100mg | 氢氯噻嗪 | 25mg |
缬沙坦氨氯地平片 | 85mg | qd | 缬沙坦 | 80mg | 氨氯地平 | 5mg |
比索洛尔氢氯噻嗪片 | 8.75mg | qd | 比索洛尔 | 2.5mg | 氢氯噻嗪 | 6.25mg |
尼群地平阿替洛尔片 | 15mg | qd|bid | 尼群地平 | 5mg | 阿替洛尔 | 10mg |
表4
确定目标药品的通用名称后,可以根据药品知识库中存储的该通用名称的目标药品的使用方式,生成目标用药信息。示例性的,如表3所示,若确定的目标药品的通用名称为富马酸比索洛尔片、硝苯地平片,富马酸比索洛尔片的初始剂量为2.5mg,标准剂量为10mg,用药频次为1次/日,硝苯地平片的初始剂量为10mg,标准剂量为30mg,用药频次为3次/日,随访时间为7-14天。
此外,除了按照上述方式确定目标用药信息外,还可以通过神经网络模型确定目标用药信息。具体地,可以预先训练目标用药信息确定模型,将推荐对象的病情诊断结果和目标药品输入到目标用药信息确定模型中,得到目标用药信息确定模型输出的目标用药信息。
目标用药信息确定模型可以采用BERT模型作为基础模型,采集大量的病情诊断结果和目标药品作为训练样本,将目标用药信息作为标签,目标用药信息确定模型进行训练,当目标用药信息确定模型的损失值小于设定值时,训练完成。
作为一种可选的实现方式,可以先按照设定的药品选用规则,生成目标用药信息,如果按照这种方式无法确定目标用药信息,可以利用目标用药信息确定模型生成目标用药信息。
以上实施例中,能够根据设定的药品选用规则,自动生成目标用药信息,可以有效提高药品选择效率。
进一步的,基于上述步骤确定药品通用名及用法用量之后,根据药品厂商、原研/仿制、规格、辅料、价格及库存情况,依据输出方案的费用(从低到高)或推荐对象的个人意愿,在当前库存中选择出最适用于推荐对象的方案,示例如下:
美托洛尔缓释片(原研);厂家1;47.5mg/片;28片/盒;X元;
美托洛尔缓释片(原研);厂家1;47.5mg/片;14片/盒;Y元;
美托洛尔缓释片(仿制);厂家2;47.5mg/片;28片/盒;Z元。
基于上述实施例的方法,以上实施例中目标对象A的输出的用药信息为:
是否需要用药:是;
用药种类输出:2;用药类型输出:A+B;
用药方案:ACEI/ARB+β受体阻断剂;
可选择:
①厄贝沙坦片150mgqd+美托洛尔缓释片23.75mgqd;
②依那普利片5mgqd+美托洛尔缓释片23.75mgqd;
③缬沙坦胶囊80mgqd+美托洛尔缓释片23.75mgqd;
关注症状:心悸、水肿、尿量减少;
随访指标:肾功能、电解质、心电图。
基于上述实施例的方法,以上实施例中目标对象B的输出的用药信息为:
是否换药:是;
换哪种药:美托洛尔(脉搏51次/分,2型糖尿病,血糖控制不佳);
用药数量输出:3;用药类型输出:A+C+D;
换药优先级>加药优先级;
换药:美托洛尔→A加药:D;
该患者存在心率慢、血糖控制不佳等情况,建议停用美托洛尔;
用药方案:ACEI/ARB+双氢吡啶类钙离子拮抗剂+噻嗪类利尿剂;
可选择:
①厄贝沙坦氢氯噻嗪片162.5mgqd+氨氯地平5mgqd
②缬沙坦氨氯地平片85mgqd+氢氯噻嗪片12.5mgqd
③依那普利片5mgqd+氨氯地平5mgqd+氢氯噻嗪片12.5mgqd。
示例性装置、电子设备、计算机程序产品和存储介质
与上述用药推荐方法相对应的,本申请实施例还公开了一种用药推荐装置,参见图4所示,该装置包括:
获取模块100,用于获取推荐对象的患者画像信息;推荐对象的患者画像信息包括推荐对象当前的病情诊断结果和用药信息;
确定模块110,用于确定用药信息是否符合推荐对象的病情诊断结果的用药需求;
生成模块120,用于若用药信息不符合推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合推荐对象的病情诊断结果的用药需求的目标用药信息;其中,药品知识库中包含药品的使用说明。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的获取模块100包括:
获取单元,用于获取推荐对象的病历数据;
抽取单元,用于至少从病历数据中抽取推荐对象当前的诊断结果和用药信息作为推荐对象的患者画像信息。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定模块110确定用药信息是否符合推荐对象的病情诊断结果的用药需求时,具体用于:
根据用药信息中包含的推荐对象的药品使用情况,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定模块110,包括:
第一确定单元,用于若用药信息包括推荐对象当前使用的药品信息,则基于药品知识库,确定推荐对象当前使用的药品的使用说明;推荐对象当前使用的药品的使用说明至少包括药品的适应症、禁忌证及慎用指征;
第二确定单元,用于基于推荐对象当前使用的药品的使用说明,确定用药信息是否符合推荐对象的病情诊断结果的用药需求。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的生成模块120,包括:
第三确定单元,用于根据推荐对象当前的病情诊断结果和用药信息,确定用药方式;用药方式包括更换药品、新增药品、减少药品和药量调整中的至少一种;
生成单元,用于根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品,并基于目标药品确定目标用药信息。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的生成单元根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品时,具体用于:
若用药方式为更换药品,则从药品知识库中确定替换历史药品的第一目标药品;历史药品为用药信息中确定需要更换的药品。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的生成单元从药品知识库中确定替换历史药品的第一目标药品时,具体用于:
按照设定的药品替换优先级顺序,从药品知识库中确定替换历史药品的第一目标药品;设定的药品替换优先级顺序包括与历史药品同一种类的不同药品、与历史药品不同种类且未使用的药品、与历史药品不同种类正在使用的药品;
或者,根据推荐对象的病情诊断结果和用药信息,使用预先训练的药品替换模型确定替换历史药品的第一目标药品。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的生成单元根据用药方式,生成符合推荐对象的病情诊断结果的用药需求的目标药品时,具体用于:
若用药方式为新增药品,则根据设定的药品使用映射规则,确定新增药品的种类;
按照新增药品的种类,从药品知识库中确定新增的第二目标药品。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的生成单元按照新增药品的种类,从药品知识库中确定新增的第二目标药品时,具体用于:
若新增药品的种类均适用于推荐对象,从每种新增药品中选择设定分值最高的药品作为第二目标药品;若新增药品中存在至少一种药品不适用于推荐对象,则从适用于推荐对象的药品种类中选择设定分值最高的药品作为第二目标药品,其中,第二目标药品的数量与新增药品的种类数量相同;
或者,根据新增药品的种类,使用预先训练的药品新增模型确定新增的第二目标药品。
作为一种可选的实现方式,在本申请另一实施例中公开了,生成单元基于目标药品确定目标用药信息时,具体用于:
按照设定的药品选用规则,确定目标药品的通用名称;
根据通用名称的目标药品的使用方式,生成目标用药信息。
本申请另一实施例还提出一种电子设备,参见图5所示,该电子设备包括:
存储器200和处理器210;
其中,存储器200与处理器210连接,用于存储程序;
处理器210,用于通过运行存储器200中存储的程序,实现上述任一实施例公开的用药推荐方法。
具体地,上述电子设备还可以包括:总线、通信接口220、输入设备230和输出设备240。
处理器210、存储器200、通信接口220、输入设备230和输出设备240通过总线相互连接。其中:
总线可包括一通路,在计算机系统各个部件之间传送信息。
处理器210可以是通用处理器,例如通用中央处理器(CPU)、微处理器等,也可以是特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
处理器210可包括主处理器,还可包括基带芯片、调制解调器等。
存储器200中保存有执行本申请技术方案的程序,还可以保存有操作系统和其他关键业务。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。更具体的,存储器200可以包括只读存储器(read-only memory,ROM)、可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory,RAM)、可存储信息和指令的其他类型的动态存储设备、磁盘存储器、flash等等。
输入设备230可包括接收用户输入的数据和信息的装置,例如键盘、鼠标、摄像头、扫描仪、光笔、语音输入装置、触摸屏、计步器或重力感应器等。
输出设备240可包括允许输出信息给用户的装置,例如显示屏、打印机、扬声器等。
通信接口220可包括使用任何收发器一类的装置,以便与其他设备或通信网络通信,如以太网,无线接入网(RAN),无线局域网(WLAN)等。
处理器210执行存储器200中所存放的程序,以及调用其他设备,可用于实现本申请上述实施例所提供的用药推荐方法的各个步骤。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,计算机程序指令在被处理器210运行时使得处理器210执行上述实施例所提供的用药推荐方法的各个步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行,或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器210执行上述实施例所提供的用药推荐方法的各个步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线,或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或者上述的任意合适的组合。
具体的,上述的电子设备、计算机程序产品和存储介质的各个部分的具体工作内容,以及计算机程序产品或者上述的存储介质上的计算机程序被处理器运行时的具体处理内容,均可以参见上述的用药推荐方法的各个实施例的内容,此处不再赘述。
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,本申请并不受所描述的动作顺序的限制,因为依据本申请,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申请所必需的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,各实施例中记载的技术特征可以进行替换或者组合。
本申请各实施例中装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其他的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,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,例如多个子模块或模块可以结合或者可以集成到另一个模块,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其他的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子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或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元,或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
最后,还需要说明的是,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地包含,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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业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申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,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 (13)
1.一种用药推荐方法,其特征在于,包括:
获取推荐对象的患者画像信息;所述推荐对象的患者画像信息包括所述推荐对象当前的病情诊断结果和用药信息;
确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求;
若所述用药信息不符合所述推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息;其中,所述药品知识库中包含药品的使用说明。
2.根据权利要求1所述的方法,其特征在于,获取推荐对象的患者画像信息,包括:
获取推荐对象的病历数据;
至少从所述病历数据中抽取推荐对象当前的诊断结果和用药信息作为所述推荐对象的患者画像信息。
3.根据权利要求1所述的方法,其特征在于,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求,包括:
根据所述用药信息中包含的所述推荐对象的药品使用情况,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求。
4.根据权利要求3所述的方法,其特征在于,根据所述用药信息中包含的所述推荐对象的药品使用情况,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求,包括:
若所述用药信息包括所述推荐对象当前使用的药品信息,则基于所述药品知识库,确定所述推荐对象当前使用的药品的使用说明;所述推荐对象当前使用的药品的使用说明至少包括药品的适应症、禁忌证及慎用指征;
基于所述推荐对象当前使用的药品的使用说明,确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求。
5.根据权利要求1所述的方法,其特征在于,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息,包括:
根据所述推荐对象当前的病情诊断结果和用药信息,确定用药方式;所述用药方式包括更换药品、新增药品、减少药品和药量调整中的至少一种;
根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,并基于所述目标药品确定所述目标用药信息。
6.根据权利要求5所述的方法,其特征在于,若所述用药方式为更换药品,则根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,包括:
从药品知识库中确定替换所述历史药品的第一目标药品;所述历史药品为所述用药信息中确定需要更换的药品。
7.根据权利要求6所述的方法,其特征在于,从药品知识库中确定替换所述历史药品的第一目标药品,包括:
按照设定的药品替换优先级顺序,从药品知识库中确定替换所述历史药品的第一目标药品;所述设定的药品替换优先级顺序包括与所述历史药品同一种类的不同药品、与所述历史药品不同种类且未使用的药品、与所述历史药品不同种类正在使用的药品;
或者,根据所述推荐对象的病情诊断结果和用药信息,使用预先训练的药品替换模型确定替换所述历史药品的第一目标药品。
8.根据权利要求5所述的方法,其特征在于,若所述用药方式为新增药品,则根据所述用药方式,生成符合所述推荐对象的病情诊断结果的用药需求的目标药品,包括:
根据设定的药品使用映射规则,确定新增药品的种类;
按照新增药品的种类,从所述药品知识库中确定新增的第二目标药品。
9.根据权利要求8所述的方法,其特征在于,按照新增药品的种类,从所述药品知识库中确定新增的第二目标药品,包括:
若所述新增药品的种类均适用于所述推荐对象,从每种新增药品中选择设定分值最高的药品作为所述第二目标药品;若所述新增药品中存在至少一种药品不适用于所述推荐对象,则从适用于所述推荐对象的药品种类中选择设定分值最高的药品作为所述第二目标药品,其中,第二目标药品的数量与所述新增药品的种类数量相同;
或者,根据新增药品的种类,使用预先训练的药品新增模型确定新增的第二目标药品。
10.根据权利要求5所述的方法,其特征在于,基于所述目标药品确定所述目标用药信息,包括:
按照设定的药品选用规则,确定所述目标药品的通用名称;
根据所述通用名称的目标药品的使用方式,生成所述目标用药信息。
11.一种用药推荐装置,其特征在于,包括:
获取模块,用于获取推荐对象的患者画像信息;所述推荐对象的患者画像信息包括所述推荐对象当前的病情诊断结果和用药信息;
确定模块,用于确定所述用药信息是否符合所述推荐对象的病情诊断结果的用药需求;
生成模块,用于若所述用药信息不符合所述推荐对象的病情诊断结果的用药需求,则基于预先设置的药品知识库,生成符合所述推荐对象的病情诊断结果的用药需求的目标用药信息;其中,所述药品知识库中包含多种药品的使用说明。
12.一种电子设备,其特征在于,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器,用于通过运行所述存储器中的程序,实现如权利要求1至10中任意一项所述的方法。
13.一种存储介质,其特征在于,包括:所述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,实现如权利要求1至10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211677818.8A CN116030931A (zh) | 2022-12-26 | 2022-12-26 | 用药推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211677818.8A CN116030931A (zh) | 2022-12-26 | 2022-12-26 | 用药推荐方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116030931A true CN116030931A (zh) | 2023-04-28 |
Family
ID=86069924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211677818.8A Pending CN116030931A (zh) | 2022-12-26 | 2022-12-26 | 用药推荐方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030931A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198512A (zh) * | 2023-11-07 | 2023-12-08 | 讯飞医疗科技股份有限公司 | 给药量预测方法及相关装置、设备和存储介质 |
-
2022
- 2022-12-26 CN CN202211677818.8A patent/CN116030931A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198512A (zh) * | 2023-11-07 | 2023-12-08 | 讯飞医疗科技股份有限公司 | 给药量预测方法及相关装置、设备和存储介质 |
CN117198512B (zh) * | 2023-11-07 | 2024-04-05 | 讯飞医疗科技股份有限公司 | 给药量预测方法及相关装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Colbert et al. | Utility of telemedicine in the COVID-19 era | |
Dhruva et al. | Association of use of an intravascular microaxial left ventricular assist device vs intra-aortic balloon pump with in-hospital mortality and major bleeding among patients with acute myocardial infarction complicated by cardiogenic shock | |
Weeks et al. | Non‐medical prescribing versus medical prescribing for acute and chronic disease management in primary and secondary care | |
US20200335189A1 (en) | Creating individually tailored care plans | |
US20070033073A1 (en) | System and user interface for monitoring patient treatment orders | |
US20050043965A1 (en) | Methods and apparatus for automated interactive medical management | |
CN111128333A (zh) | 一种一站式智能诊断与智能就医管理系统 | |
CN105190634A (zh) | 用于计算用作医疗决策支持的医疗建议的分数的方法 | |
US20230019434A1 (en) | Population-based medication risk stratification and personalized medication risk score | |
WO2021195072A1 (en) | Fully autonomous medical solution (mydoctor) | |
US11361856B2 (en) | Population-based medication risk stratification and personalized medication risk score | |
CN116030931A (zh) | 用药推荐方法、装置、电子设备和存储介质 | |
US20190206534A1 (en) | Electronic health record system and method | |
Boxer et al. | A randomized controlled trial of heart failure disease management in skilled nursing facilities | |
Upton et al. | Impact of a pharmacist‐inclusive post‐discharge clinic on outcomes in heart failure patients with reduced ejection fraction: Rates of hospital readmission, emergency department visits, or death | |
Kaihara et al. | Automatic transmission of home blood pressure data can be effective in managing hypertension: a systematic review and meta-analysis | |
WO2016040359A1 (en) | Structuring multi-sourced medical information into a collaborative health record | |
Lawson et al. | Assessment of a day hospital management program for children with type 1 diabetes | |
US20220375617A1 (en) | Computerized decision support tool for preventing falls in post-acute care patients | |
Singh et al. | A concept‐wide association study to identify potential risk factors for nonadherence among prevalent users of antihypertensives | |
US9977864B2 (en) | Electronic health record system and method | |
US20210065892A1 (en) | Out-patient health management system and a method to operate the same | |
JP2012185786A (ja) | 傷病管理システム | |
WO2021126845A1 (en) | System, method, and apparatus for collecting and analyzing physiologic, medical, and psychometric data in support of clinical decision making | |
WO2022202359A1 (ja) | 情報処理装置、情報処理方法およびプログラム |
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 |