CN117133476A - 一种药物不良反应的主动监测方法及系统 - Google Patents
一种药物不良反应的主动监测方法及系统 Download PDFInfo
- Publication number
- CN117133476A CN117133476A CN202310915216.XA CN202310915216A CN117133476A CN 117133476 A CN117133476 A CN 117133476A CN 202310915216 A CN202310915216 A CN 202310915216A CN 117133476 A CN117133476 A CN 117133476A
- Authority
- CN
- China
- Prior art keywords
- information
- patient
- voice
- preset
- adverse drug
- 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
Links
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 title claims abstract description 106
- 238000012544 monitoring process Methods 0.000 title claims abstract description 104
- 206010061623 Adverse drug reaction Diseases 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000003814 drug Substances 0.000 claims abstract description 66
- 229940079593 drug Drugs 0.000 claims abstract description 42
- 206010067484 Adverse reaction Diseases 0.000 claims abstract description 32
- 230000006838 adverse reaction Effects 0.000 claims abstract description 32
- 238000001647 drug administration Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 14
- 208000024891 symptom Diseases 0.000 description 4
- 206010019233 Headaches Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 231100000869 headache Toxicity 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010013700 Drug hypersensitivity Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 201000005311 drug allergy Diseases 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种药物不良反应的主动监测方法及系统，其中方法包括：获取患者的基础信息和服药信息；基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；基于各个待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；基于主动监测模板，对患者进行药物不良反应主动监测。本发明的药物不良反应的主动监测方法及系统，主动对患者进行药物不良反应主动监测，无需患者自己或其监护医生对患者进行不良反应监测，降低了人力成本，更提升了监测及时性。
Description
技术领域
本发明涉及药品风险管控技术领域，特别涉及一种药物不良反应的主动监测方法及系统。
背景技术
目前，医药产业是新一轮科技革命与产业变革中创新最为活跃、发展最为迅猛的新兴产业之一，也是生命健康产业的重要组成部分，事关人民生命健康和民生福祉。
药物警戒是对药品不良反应及其他与用药有关的有害反应进行监测、识别、评估和控制的活动。2021年12月1日，国家药品监督管理局发布的《药物警戒质量管理规范》正式实施，是贯彻落实《中华人民共和国药品管理法》中药物警戒制度的重要措施，是医药产业逐步融入全球药物警戒发展格局的关键因素，是保障公众用药安全、全面推进健康城市建设的技术保证。《药物警戒质量管理规范》要求药物警戒活动围绕药物警戒体系建设和药品风险管理的两大主线，体现药品全生命周期的管理理念，坚持药品风险管理的原则，明确药物警戒主题责任的承担者，规划了企业国际化发展蓝图。
一般的，当患者服用药物时，可能会出现一些不良反应。传统的，都是由患者自己或其监护医生对患者进行不良反应监测，人力成本较大，监测及时性不足。因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种药物不良反应的主动监测方法，主动对患者进行药物不良反应主动监测，无需患者自己或其监护医生对患者进行不良反应监测，降低了人力成本，更提升了监测及时性。
本发明实施例提供的一种药物不良反应的主动监测方法，包括：
获取患者的基础信息和服药信息；
基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；
基于各个待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；
基于主动监测模板，对患者进行药物不良反应主动监测。
优选的，基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对基础信息和服药信息进行特征提取，获得信息特征集；
从药物不良反应库中确定信息特征集对应的待监测药物不良反应。
优选的，基于主动监测模板，对患者进行药物不良反应主动监测，包括：
获取患者的状态信息；
基于主动监测模板，根据状态信息对患者进行药物不良反应主动监测；
其中，获取患者的状态信息，包括：
获取患者的当前生理参数，并作为状态信息；
和/或，
获取患者最近预设的时间内产生的语音信息；语音信息包括：患者的发言、患者与其他人员之间的对话；
基于语音信息，确定状态信息；
和/或，
获取患者的人员图像；
基于人员图像，确定状态信息。
优选的，基于语音信息，确定状态信息，包括：
解析语音信息中的多个语音和对应的产生时间；
基于产生时间，将语音设置于预设的时间轴线上；
从时间轴线上确定符合第一语音簇条件第一语音簇；
对第一语音簇中的语音进行语义提取，获得第一语义；
将第一语义与预设的触发语义库中的触发语义进行匹配；
当匹配符合时，将匹配符合的第一语义存入预设的语义集；
从时间轴线上确定符合第而语音簇条件第二语音簇；
对第二语音簇中的语音进行语义提取，获得第二语义；
将第二语义与触发语义进行匹配；
当匹配符合时，将匹配符合的第二语义对应的语音作为目标语音；
将第二语音簇中的两两目标语音之间的语音的第二语义以及目标语音的第二语义存入语义集；
从预设的第一患者状态库中确定语义集对应的状态信息；
其中，第一语音簇条件包括：
第一语音簇中的语音的第一发言方为患者；
第一语音簇中的两两相邻语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；
其中，第二语音簇条件包括：
第一语音簇中的语音的第二发言方为患者、其他人员；
第二语音簇中的两两相邻语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；
其中，第一间隔距离阈值小于第二间隔距离阈值。
优选的，基于人员图像，确定状态信息，包括：
基于预设的第二特征提取模板，对人员图像进行特征提取，获得图像特征集；
从预设的第二患者状态库中确定图像特征集对应的状态信息。
优选的，药物不良反应的主动监测方法，还包括：
对药物不良反应库进行扩充；
其中，对药物不良反应库进行扩充，包括：
通过预设的扩充节点获取扩充数据；
解析扩充数据的数据来源；
从扩充节点对应的预设的第一可信度库中确定数据来源的第一可信度；
当第一可信度大于等于预设的第一可信度阈值时，将扩充数据存入药物不良反应库内；否则，解析扩充数据的取数逻辑；
基于预设的第三特征提取模板，对取数逻辑进行特征提取，获得逻辑特征集；
从预设的第二可信度库中确定逻辑特征集对应的第二可信度；
当第二可信度大于等于预设的第二可信度阈值时，将扩充数据存入药物不良反应库内；否则，将扩充数据退回至扩充节点。
本发明实施例提供的一种药物不良反应的主动监测系统，包括：
信息获取模块，用于获取患者的基础信息和服药信息；
待监测药物不良反应确定模块，用于基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；
主动监测模板生成模块，用于基于各个待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；
药物不良反应主动监测模块，用于基于主动监测模板，对患者进行药物不良反应主动监测。
优选的，待监测药物不良反应确定模块基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对基础信息和服药信息进行特征提取，获得信息特征集；
从药物不良反应库中确定信息特征集对应的待监测药物不良反应。
优选的，药物不良反应主动监测模块基于主动监测模板，对患者进行药物不良反应主动监测，包括：
获取患者的状态信息；
基于主动监测模板，根据状态信息对患者进行药物不良反应主动监测；
其中，获取患者的状态信息，包括：
获取患者的当前生理参数，并作为状态信息；
和/或，
获取患者最近预设的时间内产生的语音信息；语音信息包括：患者的发言、患者与其他人员之间的对话；
基于语音信息，确定状态信息；
和/或，
获取患者的人员图像；
基于人员图像，确定状态信息。
优选的，药物不良反应主动监测模块基于语音信息，确定状态信息，包括：
解析语音信息中的多个语音和对应的产生时间；
基于产生时间，将语音设置于预设的时间轴线上；
从时间轴线上确定符合第一语音簇条件第一语音簇；
对第一语音簇中的语音进行语义提取，获得第一语义；
将第一语义与预设的触发语义库中的触发语义进行匹配；
当匹配符合时，将匹配符合的第一语义存入预设的语义集；
从时间轴线上确定符合第而语音簇条件第二语音簇；
对第二语音簇中的语音进行语义提取，获得第二语义；
将第二语义与触发语义进行匹配；
当匹配符合时，将匹配符合的第二语义对应的语音作为目标语音；
将第二语音簇中的两两目标语音之间的语音的第二语义以及目标语音的第二语义存入语义集；
从预设的第一患者状态库中确定语义集对应的状态信息；
其中，第一语音簇条件包括：
第一语音簇中的语音的第一发言方为患者；
第一语音簇中的两两相邻语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；
其中，第二语音簇条件包括：
第一语音簇中的语音的第二发言方为患者、其他人员；
第二语音簇中的两两相邻语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；
其中，第一间隔距离阈值小于第二间隔距离阈值。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种药物不良反应的主动监测方法的示意图；
图2为本发明实施例中一种药物不良反应的主动监测系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种药物不良反应的主动监测方法，如图1所示，包括：
步骤S1：获取患者的基础信息和服药信息；基础信息包括：病症、年龄、性别、病史、药物过敏史等；服药信息包括：患者服用和并用的药物名称、医嘱用药频次等；
步骤S2：基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；药物不良反应库中有不同基础信息和服药信息对应的待监测药物不良反应，药物不良反应库可以基于大量的医生用药经验、药物说明书上的不良反应提示信息进行构建；
步骤S3：基于各个待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；主动监测规则为主动监测患者是否具有待监测药物不良反应的规则，比如：待监测药物不良反应为心率持续缓慢升高，则主动监测规则为监测患者的心率是否持续缓慢升高；整合各主动监测规则即可获得主动监测模板；
步骤S4：基于主动监测模板，对患者进行药物不良反应主动监测。基于主动监测模板进行主动监测时，系统一一执行模板内的主动监测规则。
上述技术方案的工作原理及有益效果为：
本申请主动对患者进行药物不良反应主动监测，无需患者自己或其监护医生对患者进行不良反应监测，降低了人力成本，更提升了监测及时性。
在一个实施例中，基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对基础信息和服药信息进行特征提取，获得信息特征集；信息特征集中的信息特征包括：病症特征、年龄特征、性别特征、病史特征、药物过敏史特征等；
从药物不良反应库中确定信息特征集对应的待监测药物不良反应。获得信息特征集后，直接查库可以确定待监测药物不良反应。
在一个实施例中，基于主动监测模板，对患者进行药物不良反应主动监测，包括：
获取患者的状态信息；
基于主动监测模板，根据状态信息对患者进行药物不良反应主动监测；
其中，获取患者的状态信息，包括：
获取患者的当前生理参数，并作为状态信息；生理参数包括：血糖、血压、体温、心率、皮肤电反应等；当前生理参数可以与生理参数仪器对接以获取，比如：智能手环、医用监护仪等；
和/或，
获取患者最近预设的时间内产生的语音信息；语音信息包括：患者的发言、患者与其他人员之间的对话；预设的时间可以为，比如：20分钟；其他人员可以为患者家属、医护人员等；患者会通过口述表达自己的症状，因此，可以通过语音信息确定状态信息；
基于语音信息，确定状态信息；
和/或，
获取患者的人员图像；人员图像可以通过医院内、患者家内的监控设备的获取；
基于人员图像，确定状态信息。患者的一些症状比如腰酸等会产生动作，因此，可以基于人员图像确定症状，作为状态信息。
在一个实施例中，基于语音信息，确定状态信息，包括：
解析语音信息中的多个语音和对应的产生时间；
基于产生时间，将语音设置于预设的时间轴线上；设置时，将语音设置于时间轴线上对应于产生时间的时间位置处；
从时间轴线上确定符合第一语音簇条件第一语音簇；
对第一语音簇中的语音进行语义提取，获得第一语义；
将第一语义与预设的触发语义库中的触发语义进行匹配；触发语义为反应患者可能出现不良反应的语义，比如：“腰酸”、“心跳快”、“头痛”、“不太想吃东西”等；
当匹配符合时，将匹配符合的第一语义存入预设的语义集；
从时间轴线上确定符合第而语音簇条件第二语音簇；
对第二语音簇中的语音进行语义提取，获得第二语义；
将第二语义与触发语义进行匹配；
当匹配符合时，将匹配符合的第二语义对应的语音作为目标语音；
将第二语音簇中的两两目标语音之间的语音的第二语义以及目标语音的第二语义存入语义集；
从预设的第一患者状态库中确定语义集对应的状态信息；第一患者状态库中有不同语义集对应的状态信息，比如：语义集的第一语义和第二语义为“你头痛吗”、“是的”等，则状态信息为患者头痛；
其中，第一语音簇条件包括：
第一语音簇中的语音的第一发言方为患者；
第一语音簇中的两两相邻语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；第一间隔距离阈值可以为，比如：3秒(时间轴线上的距离单位为时间单位)；一般的，语音信息反应患者的药物不良反应时，存在一种情形，即患者口述出来，比如：“我头有点痛”、“刚刚一直再疼”、“上午吃了那片药”等，患者口述时，可能处于焦急、疑惑等情绪原因，口述的语音前后间隔不会太久，因此，第一语音簇条件可以筛选出代表这一情形的第一语音簇；
其中，第二语音簇条件包括：
第一语音簇中的语音的第二发言方为患者、其他人员；
第二语音簇中的两两相邻语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；第二间隔距离阈值可以为，比如：5秒；一般的，语音信息反应患者的药物不良反应时，还存在一种情形，即患者与其他人员对话时表达出来，比如：“你摸摸我头是不是很烫”、“是的”、“可能是吃的那片药”等，且多是一问一答的形式，因此，语音前后间隔也不会太久，因此，第二语音簇条件可以筛选出代表这一情形的第二语音簇；
其中，第一间隔距离阈值小于第二间隔距离阈值。第二种情形发生时，语音之间的时间间隔会略高于第一种情形，因此，设置第一间隔距离阈值小于第二间隔距离阈值，提升适用性。
上述技术方案的工作原理及有益效果为：
本发明实施例在基于语音信息，确定状态信息时，考虑到两种语音信息反应患者的药物不良反应时的情形，分别设置第一语音簇条件和第二语音簇条件，快速筛选出第一语音簇和第二语音簇，再进行第一语义和第二语义的提取，无需对每一语音进行分析，提升了状态信息的确定效率，引入语义集和第一患者状态库，进行状态信息的确定，提升了状态信息的确定精准性。
在一个实施例中，基于人员图像，确定状态信息，包括：
基于预设的第二特征提取模板，对人员图像进行特征提取，获得图像特征集；图像特征集中的图像特征包括：动作特征、肤色特征等；
从预设的第二患者状态库中确定图像特征集对应的状态信息。直接查库可以确定图像特征集对应的状态信息。
在一个实施例中，药物不良反应的主动监测方法，还包括：
对药物不良反应库进行扩充；
其中，对药物不良反应库进行扩充，包括：
通过预设的扩充节点获取扩充数据；扩充节点为一网络通信节点，与提供药物不良反应的提供方进行对接，获取的扩充数据即为提供方提供的药物不良反应；提供方可以为药品厂商、医护人员等；
解析扩充数据的数据来源；数据来源为提供方；
从扩充节点对应的预设的第一可信度库中确定数据来源的第一可信度；第一可信度库有不同数据来源的第一可信度，第一可信度越大，代表数据来源提供的药物不良反应的可信程度越高；
当第一可信度大于等于预设的第一可信度阈值时，将扩充数据存入药物不良反应库内；否则，解析扩充数据的取数逻辑；第一可信度阈值可以为，比如：80；取数逻辑为提供方为什么提供对应药物不良反应的逻辑；
基于预设的第三特征提取模板，对取数逻辑进行特征提取，获得逻辑特征集；逻辑特征集中的逻辑特征包括：逻辑完整度(比如：逻辑前因后果越详细，逻辑完整度越高)等；
从预设的第二可信度库中确定逻辑特征集对应的第二可信度；第二可信度库中有不同逻辑特征集对应的第二可信度，第二可信度越大，代表数据来源提供的药物不良反应的可信程度越高；
当第二可信度大于等于预设的第二可信度阈值时，将扩充数据存入药物不良反应库内；否则，将扩充数据退回至扩充节点。
上述技术方案的工作原理及有益效果为：
本发明实施例对药物不良反应库进行扩充，保证用作待监测药物不良反应确定的能力足够，提升了系统的适用性。另外，引入第一可信度和第二可信度，提升了药物不良反应库的扩充质量。
本发明实施例提供了一种药物不良反应的主动监测系统，如图2所示，包括：
信息获取模块1，用于获取患者的基础信息和服药信息；
待监测药物不良反应确定模块2，用于基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；
主动监测模板生成模块3，用于基于各个待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；
药物不良反应主动监测模块4，用于基于主动监测模板，对患者进行药物不良反应主动监测。
待监测药物不良反应确定模块2基于基础信息、服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对基础信息和服药信息进行特征提取，获得信息特征集；
从药物不良反应库中确定信息特征集对应的待监测药物不良反应。
药物不良反应主动监测模块4基于主动监测模板，对患者进行药物不良反应主动监测，包括：
获取患者的状态信息；
基于主动监测模板，根据状态信息对患者进行药物不良反应主动监测；
其中，获取患者的状态信息，包括：
获取患者的当前生理参数，并作为状态信息；
和/或，
获取患者最近预设的时间内产生的语音信息；语音信息包括：患者的发言、患者与其他人员之间的对话；
基于语音信息，确定状态信息；
和/或，
获取患者的人员图像；
基于人员图像，确定状态信息。
药物不良反应主动监测模块4基于语音信息，确定状态信息，包括：
解析语音信息中的多个语音和对应的产生时间；
基于产生时间，将语音设置于预设的时间轴线上；
从时间轴线上确定符合第一语音簇条件第一语音簇；
对第一语音簇中的语音进行语义提取，获得第一语义；
将第一语义与预设的触发语义库中的触发语义进行匹配；
当匹配符合时，将匹配符合的第一语义存入预设的语义集；
从时间轴线上确定符合第而语音簇条件第二语音簇；
对第二语音簇中的语音进行语义提取，获得第二语义；
将第二语义与触发语义进行匹配；
当匹配符合时，将匹配符合的第二语义对应的语音作为目标语音；
将第二语音簇中的两两目标语音之间的语音的第二语义以及目标语音的第二语义存入语义集；
从预设的第一患者状态库中确定语义集对应的状态信息；
其中，第一语音簇条件包括：
第一语音簇中的语音的第一发言方为患者；
第一语音簇中的两两相邻语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；
其中，第二语音簇条件包括：
第一语音簇中的语音的第二发言方为患者、其他人员；
第二语音簇中的两两相邻语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；
其中，第一间隔距离阈值小于第二间隔距离阈值。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种药物不良反应的主动监测方法，其特征在于，包括：
获取患者的基础信息和服药信息；
基于所述基础信息、所述服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；
基于各个所述待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；
基于所述主动监测模板，对所述患者进行药物不良反应主动监测。
2.如权利要求1所述的药物不良反应的主动监测方法，其特征在于，所述基于所述基础信息、所述服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对所述基础信息和所述服药信息进行特征提取，获得信息特征集；
从所述药物不良反应库中确定所述信息特征集对应的所述待监测药物不良反应。
3.如权利要求1所述的药物不良反应的主动监测方法，其特征在于，所述基于所述主动监测模板，对所述患者进行药物不良反应主动监测，包括：
获取所述患者的状态信息；
基于所述主动监测模板，根据所述状态信息对所述患者进行药物不良反应主动监测；
其中，获取所述患者的状态信息，包括：
获取所述患者的当前生理参数，并作为所述状态信息；
和/或，
获取所述患者最近预设的时间内产生的语音信息；所述语音信息包括：所述患者的发言、所述患者与其他人员之间的对话；
基于所述语音信息，确定所述状态信息；
和/或，
获取所述患者的人员图像；
基于所述人员图像，确定所述状态信息。
4.如权利要求3所述的药物不良反应的主动监测方法，其特征在于，所述基于所述语音信息，确定所述状态信息，包括：
解析所述语音信息中的多个语音和对应的产生时间；
基于所述产生时间，将所述语音设置于预设的时间轴线上；
从所述时间轴线上确定符合第一语音簇条件第一语音簇；
对所述第一语音簇中的所述语音进行语义提取，获得第一语义；
将所述第一语义与预设的触发语义库中的触发语义进行匹配；
当匹配符合时，将匹配符合的所述第一语义存入预设的语义集；
从所述时间轴线上确定符合第而语音簇条件第二语音簇；
对所述第二语音簇中的所述语音进行语义提取，获得第二语义；
将所述第二语义与所述触发语义进行匹配；
当匹配符合时，将匹配符合的所述第二语义对应的所述语音作为目标语音；
将所述第二语音簇中的两两所述目标语音之间的所述语音的所述第二语义以及所述目标语音的所述第二语义存入所述语义集；
从预设的第一患者状态库中确定所述语义集对应的所述状态信息；
其中，所述第一语音簇条件包括：
所述第一语音簇中的所述语音的第一发言方为所述患者；
所述第一语音簇中的两两相邻所述语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；
其中，所述第二语音簇条件包括：
所述第一语音簇中的所述语音的第二发言方为所述患者、所述其他人员；
所述第二语音簇中的两两相邻所述语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；
其中，所述第一间隔距离阈值小于所述第二间隔距离阈值。
5.如权利要求3所述的药物不良反应的主动监测方法，其特征在于，所述基于所述人员图像，确定所述状态信息，包括：
基于预设的第二特征提取模板，对所述人员图像进行特征提取，获得图像特征集；
从预设的第二患者状态库中确定所述图像特征集对应的所述状态信息。
6.如权利要求1所述的药物不良反应的主动监测方法，其特征在于，还包括：
对所述药物不良反应库进行扩充；
其中，所述对所述药物不良反应库进行扩充，包括：
通过预设的扩充节点获取扩充数据；
解析所述扩充数据的数据来源；
从所述扩充节点对应的预设的第一可信度库中确定所述数据来源的第一可信度；
当所述第一可信度大于等于预设的第一可信度阈值时，将所述扩充数据存入所述药物不良反应库内；否则，解析所述扩充数据的取数逻辑；
基于预设的第三特征提取模板，对所述取数逻辑进行特征提取，获得逻辑特征集；
从预设的第二可信度库中确定所述逻辑特征集对应的第二可信度；
当所述第二可信度大于等于预设的第二可信度阈值时，将所述扩充数据存入所述药物不良反应库内；否则，将所述扩充数据退回至所述扩充节点。
7.一种药物不良反应的主动监测系统，其特征在于，包括：
信息获取模块，用于获取患者的基础信息和服药信息；
待监测药物不良反应确定模块，用于基于所述基础信息、所述服药信息和预设的药物不良反应库，确定多个待监测药物不良反应；
主动监测模板生成模块，用于基于各个所述待监测药物不良反应对应的预设的主动监测规则，生成主动监测模板；
药物不良反应主动监测模块，用于基于所述主动监测模板，对所述患者进行药物不良反应主动监测。
8.如权利要求7所述的药物不良反应的主动监测系统，其特征在于，所述待监测药物不良反应确定模块基于所述基础信息、所述服药信息和预设的药物不良反应库，确定多个待监测药物不良反应，包括：
基于预设的第一特征提取模板，对所述基础信息和所述服药信息进行特征提取，获得信息特征集；
从所述药物不良反应库中确定所述信息特征集对应的所述待监测药物不良反应。
9.如权利要求7所述的药物不良反应的主动监测系统，其特征在于，所述药物不良反应主动监测模块基于所述主动监测模板，对所述患者进行药物不良反应主动监测，包括：
获取所述患者的状态信息；
基于所述主动监测模板，根据所述状态信息对所述患者进行药物不良反应主动监测；
其中，获取所述患者的状态信息，包括：
获取所述患者的当前生理参数，并作为所述状态信息；
和/或，
获取所述患者最近预设的时间内产生的语音信息；所述语音信息包括：所述患者的发言、所述患者与其他人员之间的对话；
基于所述语音信息，确定所述状态信息；
和/或，
获取所述患者的人员图像；
基于所述人员图像，确定所述状态信息。
10.如权利要求9所述的药物不良反应的主动监测系统，其特征在于，所述药物不良反应主动监测模块基于所述语音信息，确定所述状态信息，包括：
解析所述语音信息中的多个语音和对应的产生时间；
基于所述产生时间，将所述语音设置于预设的时间轴线上；
从所述时间轴线上确定符合第一语音簇条件第一语音簇；
对所述第一语音簇中的所述语音进行语义提取，获得第一语义；
将所述第一语义与预设的触发语义库中的触发语义进行匹配；
当匹配符合时，将匹配符合的所述第一语义存入预设的语义集；
从所述时间轴线上确定符合第而语音簇条件第二语音簇；
对所述第二语音簇中的所述语音进行语义提取，获得第二语义；
将所述第二语义与所述触发语义进行匹配；
当匹配符合时，将匹配符合的所述第二语义对应的所述语音作为目标语音；
将所述第二语音簇中的两两所述目标语音之间的所述语音的所述第二语义以及所述目标语音的所述第二语义存入所述语义集；
从预设的第一患者状态库中确定所述语义集对应的所述状态信息；
其中，所述第一语音簇条件包括：
所述第一语音簇中的所述语音的第一发言方为所述患者；
所述第一语音簇中的两两相邻所述语音之间的第一间隔距离小于等于预设的第一间隔距离阈值；
其中，所述第二语音簇条件包括：
所述第一语音簇中的所述语音的第二发言方为所述患者、所述其他人员；
所述第二语音簇中的两两相邻所述语音之间的第二间隔距离小于等于预设的第二间隔距离阈值；
其中，所述第一间隔距离阈值小于所述第二间隔距离阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310915216.XA CN117133476B (zh) | 2023-07-24 | 2023-07-24 | 一种药物不良反应的主动监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310915216.XA CN117133476B (zh) | 2023-07-24 | 2023-07-24 | 一种药物不良反应的主动监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117133476A true CN117133476A (zh) | 2023-11-28 |
| CN117133476B CN117133476B (zh) | 2024-03-08 |
Family
ID=88851754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310915216.XA Active CN117133476B (zh) | 2023-07-24 | 2023-07-24 | 一种药物不良反应的主动监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117133476B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160048655A1 (en) * | 2014-08-14 | 2016-02-18 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
| CN106796622A (zh) * | 2014-10-13 | 2017-05-31 | 皇家飞利浦有限公司 | 监测信息提供设备和方法 |
| CN109346145A (zh) * | 2018-10-16 | 2019-02-15 | 国家食品药品监督管理总局药品评价中心(国家药品不良反应监测中心) | 一种药物不良反应的主动监测方法和系统 |
| CN110322944A (zh) * | 2019-05-31 | 2019-10-11 | 浙江大学 | 药物不良反应智能监测方法、装置、系统和计算机设备 |
| CN111223571A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军总医院 | 药品不良反应监测方法及装置、计算机设备及存储介质 |
| CN112349432A (zh) * | 2020-11-23 | 2021-02-09 | 温州市人民医院 | 药品不良反应处理方法及药品存储介质装置 |
| CN112562868A (zh) * | 2020-12-24 | 2021-03-26 | 四川省人民医院 | 基于患者个体化特征的高灵敏度、高特异性前置药物不良反应预测方法及系统 |
-
2023
- 2023-07-24 CN CN202310915216.XA patent/CN117133476B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160048655A1 (en) * | 2014-08-14 | 2016-02-18 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
| CN106796622A (zh) * | 2014-10-13 | 2017-05-31 | 皇家飞利浦有限公司 | 监测信息提供设备和方法 |
| CN109346145A (zh) * | 2018-10-16 | 2019-02-15 | 国家食品药品监督管理总局药品评价中心(国家药品不良反应监测中心) | 一种药物不良反应的主动监测方法和系统 |
| CN110322944A (zh) * | 2019-05-31 | 2019-10-11 | 浙江大学 | 药物不良反应智能监测方法、装置、系统和计算机设备 |
| CN111223571A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军总医院 | 药品不良反应监测方法及装置、计算机设备及存储介质 |
| CN112349432A (zh) * | 2020-11-23 | 2021-02-09 | 温州市人民医院 | 药品不良反应处理方法及药品存储介质装置 |
| CN112562868A (zh) * | 2020-12-24 | 2021-03-26 | 四川省人民医院 | 基于患者个体化特征的高灵敏度、高特异性前置药物不良反应预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117133476B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110024038B (zh) | 与用户和装置进行合成交互的系统和方法 | |
| US11031139B2 (en) | Systems and methods for conversational flexible data presentation | |
| US20180296092A1 (en) | System and method for monitoring and determining a medical condition of a user | |
| US20020099273A1 (en) | System and user interface for use in providing medical information and health care delivery support | |
| US20220059238A1 (en) | Systems and methods for generating data quality indices for patients | |
| CN112309552A (zh) | 一种基于ai的手环式放疗安全智能化全程管理系统及方法 | |
| JP2022527174A (ja) | 術中臨床意思決定支援システム | |
| JP2022502764A (ja) | 医療的緊急状態にある患者の個々に合わせた早急な処置のためのシステム | |
| WO2024015885A1 (en) | Systems and methods for providing context sensitive guidance for medical treatment of a patient | |
| CN117133476B (zh) | 一种药物不良反应的主动监测方法及系统 | |
| WO2016081339A1 (en) | Monitoring treatment compliance using speech patterns passively captured from a patient environment | |
| Yan | Technologies for primary health care help meet global goals | |
| US11600397B2 (en) | Systems and methods for conversational flexible data presentation | |
| O’Brien et al. | Beats-per-minute (bpm): a microservice-based platform for the monitoring of health related data via activity trackers | |
| EP4035180B1 (en) | A computer-implemented system and method for alerting an expectant mother to a medical risk during pregnancy | |
| Aburukba et al. | Remote monitoring framework for elderly care home centers in UAE | |
| Levin et al. | Real-Time Machine Learning Alerts to Prevent Escalation of Care: A Nonrandomized Clustered Pragmatic Clinical Trial | |
| CN117035402B (zh) | 一种药品风险管控方法及系统 | |
| Inbamalar et al. | An Efficient IOT Based System for Monitoring and Prediction of Myocardial Infarction | |
| US20230395261A1 (en) | Method and system for automatically determining a quantifiable score | |
| US20200260955A1 (en) | Virtual assistant in pulse oximeter for patient surveys | |
| TWI773995B (zh) | 醫師診間智慧輔助診斷系統及方法 | |
| De Lauretis et al. | A Smart Ecosystem to improve Patient Monitoring using Wearables, Intelligent Agents, Complex Event Processing and Image Processing | |
| CN116884566A (zh) | 一种用药风险监测评估方法及系统 | |
| Raeid et al. | IOT-BASED SMART HEALTHCARE PERSPECTIVES |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |