一种药物适应症的自动生成方法及装置制造方法及图纸

本发明专利技术实施例提供一种药物适应症的自动生成方法及装置，所述方法包括：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。所述装置执行上述方法。本发明专利技术实施例提供的药物适应症的自动生成方法及装置，通过输入用药信息至预设模型，生成与用药信息相对应的药物适应症，能够高效、全面地生成药物适应症。

【技术实现步骤摘要】
一种药物适应症的自动生成方法及装置
本专利技术实施例涉及医疗
，具体涉及一种药物适应症的自动生成方法及装置。
技术介绍
药物适应症即指药物所适合运用的疾病范围等。现有的药物适应症是通过化学和生物学角度判断，从而生成药物适应症，例如瑞巴派特会促进角膜和结膜产生黏蛋白，从而致使眼内形成一层稳定水性层，因此可用于干眼症，然后再通过临床试验确定药物适应症。现有的药物适应症的探究周期是很长的，需要长期的研究才能初步判断一种药物的可能药物适应症，这会导致药物适应症生成的效率较低；其次现有的药物适应症是基于化学和生物学的，这会导致药物适应症研究的过程受到化学和生物学的限制，不能保证全部的药物适应症均能找出，一些特殊的药物适应症会被遗漏。因此，如何避免上述缺陷，能够高效、全面地生成药物适应症，成为亟须解决的问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种药物适应症的自动生成方法及装置。第一方面，本专利技术实施例提供一种药物适应症的自动生成方法，所述方法包括：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。第二方面，本专利技术实施例提供一种药物适应症的自动生成装置，所述装置包括：获取单元，用于获取用药信息；生成单元，用于输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。第三方面，本专利技术实施例提供一种电子设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，包括：所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。本专利技术实施例提供的药物适应症的自动生成方法及装置，通过输入用药信息至预设模型，生成与用药信息相对应的药物适应症，能够高效、全面地生成药物适应症。附图说明为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。图1为本专利技术实施例药物适应症的自动生成方法流程示意图；图2为本专利技术实施例药物适应症的自动生成装置结构示意图；图3为本专利技术实施例提供的电子设备实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例药物适应症的自动生成方法流程示意图，如图1所示，本专利技术实施例提供的一种药物适应症的自动生成方法，包括以下步骤：S101：获取用药信息。具体的，装置获取用药信息。用药信息可以包括用药名称等，不作具体限定。S102：输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。具体的，装置输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。预设模型可以是基于XGBoost算法建立的，结合具体的应用，该XGBoost算法的参数配置可以包括：最大决策树数量＝2000、学习率＝0.01、最大规则层深＝2、决策树生长所需达到的最小Gain值＝0、决策树复杂度衡量参数＝1。举例说明如下：用药信息为用药名称a，预设模型中包括的预设用药信息中的用药名称a对应的预设药物适应症为预设药物适应症A、预设药物适应症C和预设药物适应症D，即a与A、C和D存在对应关系，因此，生成的与用药名称a相对应的药物适应症为药物适应症A、药物适应症C和药物适应症D。该方法还可以包括：发送所述用药信息和所述药物适应症至第三方，以使所述第三方根据所述用药信息和所述药物适应症验证用药效果；所述用药效果是与每种药物适应症一一对应的；接收所述第三方返回的所有用药效果，将未达到预设条件的用药效果对应的目标药物适应症从所述预设模型中剔除。所述预设条件包括用药不良反应的第一指标数值和用药副作用的第二指标数值中的至少一个超过对应的预设指标数值，与第一指标数值对应的预设指标数值，以及与第二指标数值对应的预设指标数值可以根据实际情况自主设置。第三方可以是用于验证用药效果的专用设备，也可以是专业验证人员所使用的终端，例如PC机等，参照上述举例进行说明如下：药物适应症A、药物适应症C和药物适应症D分别对应的用药效果为用药效果aA、用药效果aC和用药效果aD，如果用药效果aA的用药不良反应的第一指标数值超标；如果用药效果aD的用药不良反应的第一指标数值超标，且用药副作用的第二指标数值也超标；则将与用药效果aA对应的药物适应症A，和与用药效果aD对应的药物适应症D从该预设模型中剔除，需要说明的是，如果用药名称a对应的所有药物适应症都被剔除，可以将用药名称a也从该预设模型中剔除，从而节省数据库的数据资源。为了更全面的说明本专利技术实施例，再次说明如下：1.建立药物适应症自动生成的数据库根据药物适应症自动生成的方法要求，从患者病例中提取所需要的变量，其中需要患者病情是否好转信息作为目标变量，疾病诊断和用药信息为自变量，目标变量和自变量均为0-1二分变量。由是否好转(0表示未好转，1表示好转)、疾病诊断(0表示未患病，1表示未患病)、用药信息(0表示未使用，1表示使用)构建药物适应症自动生成数据库。2.采用统计方法对用药信息进行变量筛选通过对目标变量是否好转与自变量中的用药信息变量进行卡方检验，判断用药信息变量与目标变量的关系是否显著，卡方检验原假设为：分类型自变量与目标变量之间没有显著关系。如果拒绝原假设则认为分类型自变量与目标变量关系显著，保留该变量，否则剔除。3.基于XGBoost算法挑选出给药规则数据集中目标变量为是否好转，自变量为疾病信息和统计方法筛选后用药信息。XGBoost算法的重要参数配置：最大决策树数量＝2000；学习率＝0.01；最大规则层深＝2；决策树生长所需达到的最小Gain本文档来自技高网...

【技术保护点】
1.一种药物适应症的自动生成方法，其特征在于，包括：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。

【技术特征摘要】
1.一种药物适应症的自动生成方法，其特征在于，包括：获取用药信息；输入所述用药信息至预设模型，以生成与所述用药信息相对应的药物适应症；所述预设模型包括预设用药信息和预设药物适应症之间的对应关系，其中，每种预设用药信息至少对应一种预设药物适应症。2.根据权利要求1所述的方法，其特征在于，所述预设模型是基于XGBoost算法建立的。3.根据权利要求2所述的方法，其特征在于，所述XGBoost算法的参数配置包括：最大决策树数量＝2000、学习率＝0.01、最大规则层深＝2、决策树生长所需达到的最小Gain值＝0、决策树复杂度衡量参数＝1。4.根据权利要求1所述的方法，其特征在于，所述用药信息包括用药名称。5.根据权利要求1至4任一所述的方法，其特征在于，所述生成与所述用药信息相对应的药物适应症的步骤之后，所述方法还包括：发送所述用药信息和所述药物适应症至第三方，以使所述第三方根据所述用药信息和所述药物适应症验证用药效果；所述用药效果是与每种药物适应症一一对应的；接收所述第三方返...

【专利技术属性】
技术研发人员：张晓坚，王则远，孙佳星，
申请(专利权)人：郑州大学第一附属医院，北京诺道认知医学科技有限公司，
类型：发明
国别省市：河南,41