用药异常反应监测的方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种用药异常反应监测的方法、装置、电子设备和存储介质，涉及机器学习领域，该方法包括：接收医生输入的患者的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议；在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型,获取患者是否出现用药异常反应的判断结果。此方法下，提出了一种自动化的判断患者用药异常反应的技术。

【技术实现步骤摘要】
用药异常反应监测的方法、装置、电子设备和存储介质
本专利技术涉及机器学习领域，特别涉及一种用药异常反应监测的方法、装置、电子设备及存储介质。
技术介绍
近年来，我国人口老龄化规模持续增长，空巢老人现象日益严重。同时，糖尿病、高血压、心脏病等慢性病患者人数也不断增加，在这些患者漫长地治疗过程中经常会出现一些用药异常反应和相关疾病的并发症，出现用药异常反应如不及时发现并调整治疗方案，将会加重患者的病情，严重时甚至可能导致患者死亡。此外，大部分患者往往不会住在医院接受长期治疗，其往往是周期性返回医院进行检查，这样很可能延误治疗时机，同时也会大量消耗患者的财力和体力，甚至可能加重患者的精神负担。在现有技术中，对患者用药异常反应监测往往通过用户佩戴的带有测量用户生理指标值功能的智能装备，当测量出的用户生理指标值超出或低于一定的生理指标值，则提醒用户。现有技术的缺陷在于，患者佩戴的具有测量用户生理指标值功能的智能装备只能测量出用户的生理指标值，但这些生理指标值是否是异常反应要去医院询问医生。
技术实现思路
本专利技术的目的在于解决相关技术中无法自动化判断患者用药反应是否异常的技术问题，本专利技术提供了一种用药异常反应监测的方法、装置、介质及电子设备。根据本申请的一方面，提供了一种用药异常反应监测的方法，所述方法包括：接收医生输入的患者的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议；在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型,获取患者是否出现用药异常反应的判断结果。在本公开的一示例性实施例中，所述第一机器学习模型通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现用药异常反应的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型，由第一机器学习模型给出是否出现用药异常反应的判断结果，将第一机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第一机器学习模型，使第一机器学习模型给出的判断结果与医生给出的判断结果一致。在本公开的一示例性实施例中，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，包括：将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果。在本公开的一示例性实施例中，所述第二机器学习模型通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现并发症和何种并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果，将第二机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第二机器学习模型，使第二机器学习模型给出的判断结果与医生给出的判断结果一致。在本公开的一示例性实施例中，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，还包括：将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第三机器学习模型，由第三机器学习模型给出是否出现并发症的判断结果；如果第三机器学习模型给出出现并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第四机器学习模型，由第四机器学习模型给出并发症的判断结果。在本公开的一示例性实施例中，所述第三机器学习模型通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第三机器学习模型，由第三机器学习模型给出是否出现并发症的判断结果，将第三机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第三机器学习模型，使第三机器学习模型给出的判断结果与医生给出的判断结果一致。在本公开的一示例性实施例中，所述第四机器学习模型预先通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第四机器学习模型，由第四机器学习模型给出并发症的判断结果，将第四机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第四机器学习模型，使第四机器学习模型给出的判断结果与医生给出的判断结果一致。根据本公开的第二方面，提供了一种用药异常反应监测的装置，包括：第一接收单元：配置为接收医生输入的患者的诊断信息；第二接收单元，配置为接收在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；用药异常反应判断单元，配置为将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型，从而判断患者是否出现用药异常反应。根据本公开的第三方面，提供了一种用药异常反应监测的电子设备，包括：存储器，配置为存储可执行指令。处理器，配置为执行所述存储器中存储的可执行指令，以执行以上所述的方法。根据本公开的第四方面，提供一种计算机可读存储介质，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行以上所述的方法。与现有技术中仅仅通过患者佩戴的具有测量用户生理指标功能的智能装备通过测量用户的生理指标值然后让医生根据生理指标值判断用户是否有用药反应不同，本公开方案通过将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断本文档来自技高网...

【技术保护点】
1.一种用药异常反应监测的方法,其特征在于，所述方法包括：接收医生输入的患者的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议；在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型,获取患者是否出现用药异常反应的判断结果。

【技术特征摘要】
1.一种用药异常反应监测的方法,其特征在于，所述方法包括：接收医生输入的患者的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议；在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型,获取患者是否出现用药异常反应的判断结果。2.根据权利要求1所述的方法，其特征在于，所述第一机器学习模型通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现用药异常反应的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型，由第一机器学习模型给出是否出现用药异常反应的判断结果，将第一机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第一机器学习模型，使第一机器学习模型给出的判断结果与医生给出的判断结果一致。3.根据权利要求1所述的方法，其特征在于，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，所述方法还包括：将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果。4.根据权利要求3所述的方法，其特征在于，所述第二机器学习模型预先通过以下方式训练：针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现并发症和何种并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果，将第二机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第二机器学习模型，使第二机器学习模型给出的判断结果与医生给出的判断结果一致。5.根据权利要求1所述的方法，其特征在于，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，所述方法还包括：将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间...

【专利技术属性】
技术研发人员：彭小亮，邹洪伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44