CN116467471A - 一种基于医学知识图谱的智能化处方填写方法和装置 - Google Patents
一种基于医学知识图谱的智能化处方填写方法和装置 Download PDFInfo
- Publication number
- CN116467471A CN116467471A CN202310727658.1A CN202310727658A CN116467471A CN 116467471 A CN116467471 A CN 116467471A CN 202310727658 A CN202310727658 A CN 202310727658A CN 116467471 A CN116467471 A CN 116467471A
- Authority
- CN
- China
- Prior art keywords
- data
- medical knowledge
- knowledge graph
- prescription
- medical
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 70
- 201000010099 disease Diseases 0.000 claims abstract description 66
- 239000003814 drug Substances 0.000 claims abstract description 43
- 229940079593 drug Drugs 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 4
- 208000035475 disorder Diseases 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 230000006386 memory function Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 206010067484 Adverse reaction Diseases 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010013710 Drug interaction Diseases 0.000 description 1
- 208000036647 Medication errors Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
Abstract
本发明涉及数据处理技术领域，具体地说，涉及一种基于医学知识图谱的智能化处方填写方法和装置。包括以下步骤：采集医学知识信息；本发明通过与患者病症数据的匹配，快速找到与患者病情相关的节点，为生产医疗处方填写提供了医疗常识的支撑，通过医学知识图谱采集的大量医学数据，并通过医学数据对患者进行分析，考虑患者的个体差异、用药剂量因素，生成更精准和安全的处方，通过保存药物相互作用和禁忌症，从而可以提供准确的反馈和建议，帮助医生优化处方，减少潜在的药物风险，同时通过实时将患者信息录入对医生进行反馈，供医生进行及时修改，使医生快速完成对患者病症的录入，同时文字具有记忆功能，在后续使用中会校正的更加准确。
Description
技术领域
本发明涉及数据处理技术领域，具体地说，涉及一种基于医学知识图谱的智能化处方填写方法和装置。
背景技术
医疗实践中，医生需要根据患者的病情和诊断结果为其开具处方。然而，由于医学知识庞杂且不断更新，医生在填写处方时可能面临着信息不全、药物相互作用问题，导致处方的准确性和安全性存在隐患，同时医生在对电脑录入处方时，容易出现方言和字迹潦草，这样容易出现数据难以识别的情况，出现认读错误而导致的病人用药错误，因此，提出一种基于医学知识图谱的智能化处方填写方法和装置。
发明内容
本发明的目的在于提供一种基于医学知识图谱的智能化处方填写方法和装置，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供基于医学知识图谱的智能化处方填写方法，包括：
S1、采集医学知识信息，根据采集的信息建立医学知识图谱；
S2、采集患者数据输入至S1建立的医学知识图谱，同时医学知识图谱并对输入的数据进行转换反馈，并对反馈的数据进行评估；
S3、基于S2对反馈的数据评估结果，将反馈的数据在医学知识图谱内寻找节点，并对患者数据进行分析，根据分析结果生成处方；
S4、根据S4生成的处方反馈给用户进行评估，根据评估结果判断该处方的使用。
作为本技术方案的进一步改进，所述S1根据采集的信息建立医学知识图谱的步骤如下：
S1.1、采集医学知识信息，并对其进行数据清洗；
S1.2、对S1.1清洗完毕的数据进行关联提取，根据提取后的数据建立医学知识图谱。
作为本技术方案的进一步改进，所述S2对反馈的数据进行评估的步骤如下：
S2.1、用户对患者进行诊断获取患者病症数据，并将病症数据通过语音或者手写的方式输入至医学知识图谱，医学知识图谱并通过医疗数据对输入的病症数据进行校正；
S2.2、医学知识图谱将输入的数据进行实时显示，供用户进行评估，根据评估结果判断对输入的数据进行修改。
作为本技术方案的进一步改进，所述S2.1对输入的病症数据进行校正的表达式如下：
；
其中，假设医生输入的病症数据为，医学知识图谱校正后的病症数据为/>，医疗数据为/>，/>为一个函数，它表示医学知识图谱如何校正输入的病症数据，医疗数据/>提供了更全面、准确的参考信息。
作为本技术方案的进一步改进，所述S2.2对输入的数据进行修改的表达式如下：
；
假设医生输入的病症数据为x，医学知识图谱校正后的病症数据为，用户对校正结果的评估为/>，/>表示经过用户评估后的最终病症数据，/>表示用于处理病症数据和用户评估结果的函数。
作为本技术方案的进一步改进，所述S3对根据分析结果生成处方的步骤如下：
S3.1、根据S2.2修改完毕的数据在医学知识图谱寻找对应的病情节点；
S3.2、基于S3.1寻找的病情节点结合患者病症数据在医学知识图谱进行分析，根据分析结果生成药物使用处方。
作为本技术方案的进一步改进，所述S3.2根据分析结果生成药物使用处方的表达式如下：
；
假设病情节点为节点，患者病症数据为/>，药物使用处方为/>，其中，/>是医学知识图谱中的一个病情节点，表示一个具体的疾病或病症，在医学知识图谱中具有特定的知识和属性信息，/>是患者输入的病症数据，包括各种检查结果、体征信息。
作为本技术方案的进一步改进，所述S4根据评估结果判断该处方的使用的步骤如下：
S4.1、根据S3.2生成的药物使用处方反馈给用户进行评估；
S4.2、根据用户的评估结果对药物使用处方进行更新，并二次收集用户的评估结果，根据二次的评估结果判断处方的使用。
本发明的目的之二在于，提供了基于医学知识图谱的智能化处方填写装置，包括上述中任意一项所述的基于医学知识图谱的智能化处方填写方法，包括电脑、打印机以及出纸口；
所述电脑用于用户输入患者的病症数据，并对病症数据进行分析生成医疗处方，同时可供用户对医疗处方进行修改，所述打印机用于将医疗处方进行纸质打印，所述出纸口用于将打印机打印完毕的纸张处方排出内部，供患者拿取。
与现有技术相比，本发明的有益效果：通过与患者病症数据的匹配，快速找到与患者病情相关的节点，为生产医疗处方填写提供了医疗常识的支撑，通过医学知识图谱采集的大量医学数据，并通过医学数据对患者进行分析，考虑患者的个体差异、用药剂量因素，生成更精准和安全的处方，通过保存药物相互作用和禁忌症，从而可以提供准确的反馈和建议，帮助医生优化处方，减少潜在的药物风险，同时通过实时将患者信息录入对医生进行反馈，供医生进行及时修改，使医生快速完成对患者病症的录入，同时文字具有记忆功能，在后续使用中会校正的更加准确。
附图说明
图1为本发明的整体流程框图；
图2为本发明的建立医学知识图谱的流程框图；
图3为本发明的对反馈的数据进行评估的流程框图；
图4为本发明的根据分析结果生成处方的流程框图；
图5为本发明的判断该处方的使用的流程框图；
图6为本发明的电脑的流程框图。
图中各个标号意义为：
10、电脑；20、打印机；30、出纸口。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例：如图1-图6所示，本发明的目的之一在于，提供了基于医学知识图谱的智能化处方填写方法，包括如下步骤：
S1、采集医学知识信息，根据采集的信息建立医学知识图谱；
所述S1根据采集的信息建立医学知识图谱的步骤如下：
S1.1、采集医学知识信息，并对其进行数据清洗；收集、整理和结构化大量医学文献和临床经验，构建医学知识图谱。例如，根据国内外权威医学期刊和数据库的文章，提取疾病、症状、药物节点，并记录它们之间的关联关系，步骤如下：
数据采集：利用不同来源的数据采集工具如网络爬虫，搜集医学领域的相关信息和数据。例如，搜集相关病种的定义，病因，治疗方案，预后信息；
数据整合和筛选：将采集来的数据进行整理和筛选，去除冗余和无关的信息，保留与医学知识图谱构建相关的数据。减少干扰信息，保证数据准确性；
数据清洗和标注：包括语义解析和实体识别，固有格式错误改正，致谢繁琐问题，通过自然语言处理技术解析和清洗数据，将原始数据转化为规范格式和语言，为建立良好的数据基础打好基础。
S1.2、对S1.1清洗完毕的数据进行关联提取，根据提取后的数据建立医学知识图谱；
数据存储和维护：将清洗后的数据存储到数据库中，根据不同的领域和需求进行分类归纳和维护，构建医学知识图谱的数据库。
S2、采集患者数据输入至S1建立的医学知识图谱，同时医学知识图谱并对输入的数据进行转换反馈，并对反馈的数据进行评估；
所述S2对反馈的数据进行评估的步骤如下：
S2.1、用户对患者进行诊断获取患者病症数据，并将病症数据通过语音或者手写的方式输入至医学知识图谱，医学知识图谱并通过医疗数据对输入的病症数据进行校正；步骤如下：
数据归一化：将输入的病症数据通过数据处理技术，进行规范化处理，忽略大小写、标点符号差异。这有助于匹配和比较不同数据，减少人为因素和语言限制导致的错误；
数据匹配：使用医学知识图谱中的匹配算法，比对输入数据和医疗数据，寻找相似点，找到可替换和纠错的内容；
校正和替换：匹配之后，医学知识图谱可以自动进行校正和替换，将错误或不准确的病症数据进行纠正，或者用正确的类似的词汇进行替换。这能够提高数据质量，并且减少错误诊断和治疗。
S2.2、医学知识图谱将输入的数据进行实时显示，供用户进行评估，根据评估结果判断对输入的数据进行修改。步骤如下：
标记法：医学知识图谱显示输入的病症数据，并根据预设的规则或者关键词进行标记和分类。用户可以根据标记进行判断和修改，以实现更精确的数据输入；
相似度匹配：医学知识图谱将输入的病症数据与已有的医疗数据进行相似度匹配，以找到最佳匹配或相似的数据。这有助于对数据进行比较和评估，进一步优化和修正病症数据。
S2.1对输入的病症数据进行校正的表达式如下：
；
其中，假设医生输入的病症数据为，医学知识图谱校正后的病症数据为/>，医疗数据为/>，/>为一个函数，它表示医学知识图谱如何校正输入的病症数据，医疗数据/>提供了更全面、准确的参考信息。该表达式可以通过语音或手写输入的方式来完成，将病症数据导入医学知识图谱，从而更加高效地完成数据校正和诊断；/>表示医学知识图谱如何校正输入的病症数据，需要根据临床医学知识、医疗数据信息来完成病症数据的校正；可以使用深度神经网络来实现高级别特征的提取和学习，或者使用决策树来构建一组规则以校正病症数据。
S2.2对输入的数据进行修改的表达式如下：
；
假设医生输入的病症数据为x，医学知识图谱校正后的病症数据为，用户对校正结果的评估为/>，/>表示经过用户评估后的最终病症数据，/>表示用于处理病症数据和用户评估结果的函数。g 函数将校正后的病症数据 y 和用户评估结果 m 相结合，生成最终的结果。这个过程将输入数据实时显示在医学知识图谱中，供用户进行实时评估和修改。一般情况下，g 函数可以是一个简单的线性函数，也可以是一个更复杂的神经网络，具体取决于输入数据和用户评估的特点和复杂程度。通过这种方式，可以提高病症数据的准确性和可信度，从而更好地指导患者的治疗和康复。
S3、基于S2对反馈的数据评估结果，将反馈的数据在医学知识图谱内寻找节点，并对患者数据进行分析，根据分析结果生成处方；
所述S3对根据分析结果生成处方的步骤如下：
S3.1、根据S2.2修改完毕的数据在医学知识图谱寻找对应的病情节点；将患者信息与医学知识图谱进行匹配，并找出与患者病情相关的节点。例如，根据患者的症状描述和检查结果，可以匹配到相关的疾病节点和药物节点；步骤如下：
数据预处理：对于患者提供的病症数据，需要进行预处理步骤来标准化描述和进行分类，如对病史、体检、检查数据进行处理，并通过规则过滤器，来使数据更加可靠和准确；
知识匹配：使用医学知识图谱，将患者信息中与病症相关的部分与医学知识图谱进行匹配，并找出与病情相关的节点。比如，通过自然语言处理技术，将患者的症状描述和检查结果与医学知识图谱中的相关节点匹配；
节点筛选：对于匹配出来的节点，对其进行筛选，去除无关节点。可以使用过滤规则和相似度算法来完成筛选过程；
医疗建议：根据筛选出来的相关节点，系统可以生成医疗建议，如药品使用方案，检查、治疗建议，根据医疗专家的实现和专业经验来提供服务。
S3.2、基于S3.1寻找的病情节点结合患者病症数据在医学知识图谱进行分析，根据分析结果生成药物使用处方；
S3.2根据分析结果生成药物使用处方的表达式如下：
；
假设病情节点为节点，患者病症数据为/>，药物使用处方为/>，其中，/>是医学知识图谱中的一个病情节点，表示一个具体的疾病或病症，在医学知识图谱中具有特定的知识和属性信息，/>是患者输入的病症数据，包括各种检查结果、体征信息，h 函数可以是一个关联规则模型，可以根据患者病症数据在医学知识图谱中寻找相关的病情节点，并根据病情节点中的药物推荐信息生成药物使用处方。这个过程可以实现在线进行，动态地生成最优的药物处方，能够提高医生工作效率和准确性。
S4、根据S4生成的处方反馈给用户进行评估，根据评估结果判断该处方的使用；
所述S4根据评估结果判断该处方的使用的步骤如下：
S4.1、根据S3.2生成的药物使用处方反馈给用户进行评估；步骤如下：
药物解释和说明：向用户提供药物的使用说明和患者使用建议，如不良反应、用药时机和剂量信息，以提高用户对用药方案的理解和依从性。
S4.2、根据用户的评估结果对药物使用处方进行更新，
评估用户反馈和调整：用户可以反馈药物使用过程中的效果和不适，根据反馈信息，医学知识图谱可以进行调整和更新，提供进一步完善的药物使用建议；表达式如下：
Z+X+C=V；
其中，Z为药物使用处方，X为药物解释和说明，C为用户反馈，V为药物使用评估，药物使用评估既包括了药物使用效果（如疗效、不良反应）也包括用户对用药情况的评估和反馈意见。根据用户反馈和调整后的结果，医学知识图谱可以及时更新药物使用处方，提供更为优化和适合的用药建议。并二次收集用户的评估结果，直至评估结果中无需要修改的数据即可，根据二次的评估结果判断处方的使用。
本发明的目的之二在于，提供了基于医学知识图谱的智能化处方填写装置，包括上述中任意一项的基于医学知识图谱的智能化处方填写方法，包括电脑10、打印机20以及出纸口30；
电脑10用于用户输入患者的病症数据，并对病症数据进行分析生成医疗处方，同时可供用户对医疗处方进行修改，打印机20用于将医疗处方进行纸质打印，出纸口30用于将打印机20打印完毕的纸张处方排出内部，供患者拿取，首先，医生会在电脑10上输入处方信息，这些信息包括病人的姓名、年龄、性别、诊断结果以及需要开具的药品信息，然后将需要输出的处方信息发送到打印机20上，打印机20会根据设置自动将处方信息排版，并且输出至处方纸上，最后将处方纸张从出纸口30排出。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其效物界定。
Claims (6)
1.一种基于医学知识图谱的智能化处方填写方法，其特征在于：包括如下步骤：
S1、采集医学知识信息，根据采集的信息建立医学知识图谱；
S2、采集患者数据输入至S1建立的医学知识图谱，同时医学知识图谱并对输入的数据进行转换反馈，并对反馈的数据进行评估；
S3、基于S2对反馈的数据评估结果，将反馈的数据在医学知识图谱内寻找节点，并对患者数据进行分析，根据分析结果生成处方；
S4、根据S4生成的处方反馈给用户进行评估，根据评估结果判断该处方的使用；
所述S2对反馈的数据进行评估的步骤如下：
S2.1、用户对患者进行诊断获取患者病症数据，并将病症数据通过语音或者手写的方式输入至医学知识图谱，医学知识图谱并通过医疗数据对输入的病症数据进行校正；
S2.2、医学知识图谱将输入的数据进行实时显示，供用户进行评估，根据评估结果判断对输入的数据进行修改；
所述S2.1对输入的病症数据进行校正的表达式如下：
；
其中，假设医生输入的病症数据为，医学知识图谱校正后的病症数据为/>，医疗数据为/>，为一个函数，它表示医学知识图谱如何校正输入的病症数据，医疗数据/>提供了更全面、准确的参考信息；
所述S2.2对输入的数据进行修改的表达式如下：
；
假设医生输入的病症数据为x，医学知识图谱校正后的病症数据为，用户对校正结果的评估为/>，/>表示经过用户评估后的最终病症数据，/>表示用于处理病症数据和用户评估结果的函数。
2.根据权利要求1所述的基于医学知识图谱的智能化处方填写方法，其特征在于：所述S1根据采集的信息建立医学知识图谱的步骤如下：
S1.1、采集医学知识信息，并对其进行数据清洗；
S1.2、对S1.1清洗完毕的数据进行关联提取，根据提取后的数据建立医学知识图谱。
3.根据权利要求1所述的基于医学知识图谱的智能化处方填写方法，其特征在于：所述S3根据分析结果生成处方的步骤如下：
S3.1、根据S2.2修改完毕的数据在医学知识图谱寻找对应的病情节点；
S3.2、基于S3.1寻找的病情节点结合患者病症数据在医学知识图谱进行分析，根据分析结果生成药物使用处方。
4.根据权利要求3所述的基于医学知识图谱的智能化处方填写方法，其特征在于：所述S3.2根据分析结果生成药物使用处方的表达式如下：
；
假设病情节点为节点，患者病症数据为/>，药物使用处方为/>，其中，/>是医学知识图谱中的一个病情节点，表示一个具体的疾病或病症，在医学知识图谱中具有特定的知识和属性信息，/>是患者输入的病症数据，包括各种检查结果、体征信息。
5.根据权利要求3所述的基于医学知识图谱的智能化处方填写方法，其特征在于：所述S4根据评估结果判断该处方的使用的步骤如下：
S4.1、根据S3.2生成的药物使用处方反馈给用户进行评估；
S4.2、根据用户的评估结果对药物使用处方进行更新，并二次收集用户的评估结果，根据二次的评估结果判断处方的使用。
6.用于实现基于医学知识图谱的智能化处方填写装置，包括权利要求1-5中任意一项所述的基于医学知识图谱的智能化处方填写方法，其特征在于：包括电脑（10）、打印机（20）以及出纸口（30）；
所述电脑（10）用于用户输入患者的病症数据，并对病症数据进行分析生成医疗处方，同时可供用户对医疗处方进行修改，所述打印机（20）用于将医疗处方进行纸质打印，所述出纸口（30）用于将打印机（20）打印完毕的纸张处方排出内部，供患者拿取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727658.1A CN116467471A (zh) | 2023-06-20 | 2023-06-20 | 一种基于医学知识图谱的智能化处方填写方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727658.1A CN116467471A (zh) | 2023-06-20 | 2023-06-20 | 一种基于医学知识图谱的智能化处方填写方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116467471A true CN116467471A (zh) | 2023-07-21 |
Family
ID=87181107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310727658.1A Withdrawn CN116467471A (zh) | 2023-06-20 | 2023-06-20 | 一种基于医学知识图谱的智能化处方填写方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116467471A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228299A1 (en) * | 2005-11-09 | 2009-09-10 | The Regents Of The University Of California | Methods and apparatus for context-sensitive telemedicine |
| CN110223751A (zh) * | 2019-05-16 | 2019-09-10 | 平安科技（深圳）有限公司 | 基于医疗知识图谱的处方评价方法、系统及计算机设备 |
| 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 |
| CN113077873A (zh) * | 2021-05-06 | 2021-07-06 | 井颐医疗信息技术(杭州)有限公司 | 一种中医临床决策支持系统及方法 |
| CN116030934A (zh) * | 2023-01-10 | 2023-04-28 | 中国医学科学院阜外医院 | 一种针对高血压的医学知识图谱跟临床数据融合的系统 |
-
2023
- 2023-06-20 CN CN202310727658.1A patent/CN116467471A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228299A1 (en) * | 2005-11-09 | 2009-09-10 | The Regents Of The University Of California | Methods and apparatus for context-sensitive telemedicine |
| CN110223751A (zh) * | 2019-05-16 | 2019-09-10 | 平安科技（深圳）有限公司 | 基于医疗知识图谱的处方评价方法、系统及计算机设备 |
| 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 |
| CN113077873A (zh) * | 2021-05-06 | 2021-07-06 | 井颐医疗信息技术(杭州)有限公司 | 一种中医临床决策支持系统及方法 |
| CN116030934A (zh) * | 2023-01-10 | 2023-04-28 | 中国医学科学院阜外医院 | 一种针对高血压的医学知识图谱跟临床数据融合的系统 |
Non-Patent Citations (1)
| Title |
|---|
| 叶帅: "基于Neo4j的煤矿领域知识图谱构建及查询方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, pages 3 - 5 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112786194B (zh) | 基于人工智能的医学影像导诊导检系统、方法及设备 | |
| CN111986770B (zh) | 药方用药审核方法、装置、设备及存储介质 | |
| US11610678B2 (en) | Medical diagnostic aid and method | |
| US10818397B2 (en) | Clinical content analytics engine | |
| US7672987B2 (en) | System and method for integration of medical information | |
| US20070192143A1 (en) | Quality Metric Extraction and Editing for Medical Data | |
| CN114026651A (zh) | 结构化患者数据记录的自动生成 | |
| US20200118683A1 (en) | Medical diagnostic aid and method | |
| CN110838368A (zh) | 一种基于中医临床知识图谱的机器人主动问诊方法 | |
| CN112541066B (zh) | 基于文本结构化的医技报告检测方法及相关设备 | |
| CN114664463A (zh) | 一种全科医生诊疗辅助系统 | |
| CN116910172B (zh) | 基于人工智能的随访量表生成方法及系统 | |
| US20220068482A1 (en) | Interactive treatment pathway interface for guiding diagnosis or treatment of a medical condition | |
| CN117079798A (zh) | 基于大型语言模型的智能预问诊与快速诊疗系统及方法 | |
| CN115293161A (zh) | 基于自然语言处理和药品知识图谱的合理用药系统及方法 | |
| CN114242194A (zh) | 一种基于人工智能的医学影像诊断报告自然语言处理装置及方法 | |
| CN117854659B (zh) | 一种临床试验用ai交互方法及系统 | |
| CN115954072A (zh) | 一种智能临床试验方案生成方法及相关装置 | |
| CN116775897A (zh) | 知识图谱构建和查询方法、装置、电子设备及存储介质 | |
| CN118366643A (zh) | 基于智能中医知识图谱的中医辅助诊疗系统 | |
| CN118116578A (zh) | 基于GPT-4和LangChain的药品推荐方法 | |
| Cui et al. | Intelligent recommendation for departments based on medical knowledge graph | |
| CN116467471A (zh) | 一种基于医学知识图谱的智能化处方填写方法和装置 | |
| CN116030934A (zh) | 一种针对高血压的医学知识图谱跟临床数据融合的系统 | |
| CN115083561A (zh) | 基于患者实际需求为导向的用药教育推送方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230721 |