一种基于人工智能的用药规则生成方法技术

本发明专利技术实施例涉及一种基于人工智能的用药规则生成方法，包括：将样本训练集导入用药规则模型中；根据已编辑的用药规则信息中的判断类别信息、逻辑判断条件、警示信息和判断类别信息、逻辑判断条件的标记信息对用药规则模型进行训练，得到训练后的用药规则模型；将待编辑用药信息输入训练后的用药规则模型中；训练后的用药规则模型对待编辑用药信息进行标记，得到判断类别标记信息和逻辑判断条件标记信息；根据判断待编辑用药信息和类别标记信息、逻辑判断条件标记信息生成相对应的判断类别信息、逻辑判断条件和警示信息；根据生成的判断类别信息、逻辑判断条件和警示信息进行信息合成，得到待编辑用药信息的用药规则信息。

A Drug Rule Generation Method Based on Artificial Intelligence

The embodiment of the present invention relates to a method for generating medication rules based on artificial intelligence, which includes: importing sample training set into medication rules model; training medication rules model according to judgment category information, logical judgment condition, warning information and marking information of judgment category information and logical judgment condition in edited medication rules information, and obtaining medication after training. Rule model; Input the information to be edited into the model of medication rules after training; Mark the medication information to be edited by the model of medication rules after training, and get the information of judgment category marking and logical judgment condition marking; Generate corresponding judgment category information and logic according to judgment of medication information to be edited and category marking information and logical judgment condition marking information. Judgment conditions and warning information; synthesize information according to the generated judgment category information, logical judgment conditions and warning information, and get the information of medication rules of information to be edited.

【技术实现步骤摘要】
一种基于人工智能的用药规则生成方法
本专利技术涉及数据处理领域，尤其涉及一种基于人工智能的用药规则生成方法。
技术介绍
随着科学社会的发展，人民群众对用药的认知度越来越深刻，合理用药的要求也日益增高。在医疗机构，由于药师专业能力所限以及基础调剂工作繁重，未能很好地将临床用药管控到位，因此，近年来医疗机构相继选择了各种相关的合理用药管控软件来协助医院药师完成合理用药管控的工作。而所有的合理用药管控软件最核心的知识库，就是将用药的各种标准通过一定逻辑的编辑形成规则来实现管控目的。在合理用药的规则(知识)库体系建设中，可以作为用药参考的来源多种多样。比如权威参考书籍资料，像药品说明书、各类疾病的临床用药指南或专家共识、《中华人民共和国药典》、《中华人民共和国临床用药须知》或者政策法规等等，还有通过临床实践验证获得的各种循证医学证据等。这些资料在实际形成规则过程中，都需要经过专业药师理解、提取、总结、归纳然后进行逻辑编辑才能转化为规则形式。显然，审查涉及的药品使用所需的临床治疗及药物使用知识面广而且逻辑非常复杂，我国目前批准临床研究的新药共有5965种，国家批准的上市药品(材)品种158244种，我国自制中成药品种5781个(《中国药品实用手册》(2002年版))，如果加上中药方剂近10万条(中药大辞典近8万条)，中草药11000条，中药化学成份5000种……药品有如此之多，与之相关的用药参考更是海量，如果由专业药师一条一条的去进行规则编辑，实在是一个非常巨大且漫长的工作，更何况医疗的日新月异的发展速度需要不断的进行更新。近年来，人工智能(ArtificialIntelligence，AI)的发展异常迅速，理论和技术日益成熟，应用领域也不断扩大。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。机器学习是AI的实现方法，它是研究如何使用机器来模拟人类学习活动的一门学科。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。因此，如何利用人工智能代替药师完成大量的用药规则的编辑工作，并保证用药规则编辑的标准一致性和准确性，是本专利技术所要解决的难题和挑战。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供一种基于人工智能的用药规则生成方法，基于AI的应用，将大量的用药资源信息以及相对应的药师已编辑的用药规则信息导入用药规则模型中进行学习、训练，从而使模型能够模拟药师理解、分析药学参考资料将其转化为规则的思维过程和行为，可以读取资料自动编辑规则，从而代替药师完成大量的用药规则的编辑工作，并保证用药规则编辑的标准一致性和准确性。有鉴于此，本专利技术实施例提供了一种基于人工智能的用药规则生成方法，包括：将样本训练集导入用药规则模型中；所述样本训练集包括用药资源信息以及相对应的已编辑的用药规则信息；所述已编辑的用药规则信息包括判断类别信息、逻辑判断条件及相对应的警示信息；所述用药规则模型根据所述用药规则信息对所述用药资源信息进行切分、标准化和标记，得到所述判断类别信息和逻辑判断条件相对应的标记信息；根据所述已编辑的用药规则信息中的判断类别信息、逻辑判断条件、警示信息和所述判断类别信息、逻辑判断条件的标记信息对所述用药规则模型进行训练，得到训练后的用药规则模型；将待编辑用药信息输入所述训练后的用药规则模型中；所述训练后的用药规则模型对所述待编辑用药信息进行标记，得到判断类别标记信息和逻辑判断条件标记信息；根据所述判断所述待编辑用药信息和所述类别标记信息、逻辑判断条件标记信息生成相对应的判断类别信息、逻辑判断条件和警示信息；根据所述生成的判断类别信息、逻辑判断条件和警示信息进行信息合成，得到所述待编辑用药信息的用药规则信息。优选的，所述判断类别信息包括用法用量、给药途径、配伍禁忌、相互作用、重复用药、溶媒选择、溶液浓度、过敏、肝肾功能、不良反应、检验值相关及孕产、儿童及老年人用药。进一步优选的，所述判断类别信息具有属性信息，所述属性信息包括必要属性和非必要属性；在所述将样本训练集导入用药规则模型中之前，所述方法还包括：导入必要属性的判断类别信息的判断标准。优选的，所述警示信息包括警示来源信息、提示信息和用药建议信息。优选的，在所述将样本训练集导入用药规则模型中之前，所述方法还包括：将标准字典导入所述用药规则模型中；其中，所述标准字典中包括药品、年龄、性别、体重、肾功能、剂量单位、剂型、给药途径、给药方法、给药频率、资料来源和盐基的定义。进一步优选的，所述根据所述已编辑的用药规则信息中的判断类别信息、逻辑判断条件、警示信息和所述判断类别信息、逻辑判断条件的标记信息对所述用药规则模型进行训练具体包括：根据所述判断类别信息和所述判断类别信息的标记信息建立判断类别信息集；建立所述判断类别信息、逻辑判断条件和警示信息之间的关联关系；建立所述逻辑判断条件与所述逻辑判断条件的标记信息之间的关联关系。进一步优选的，所述训练后的用药规则模型对所述待编辑用药信息进行标记，得到判断类别标记信息和逻辑判断条件标记信息具体包括：所述训练后的用药规则模型对所述待编辑用药信息进行切分、标准化和标记，得到所述待编辑用药信息相对应的判断类别标记信息和逻辑判断条件标记信息。进一步优选的，所述根据判断所述待编辑用药信息和所述类别标记信息、逻辑判断条件标记信息生成相对应的判断类别信息、逻辑判断条件和警示信息具体包括：所述训练后的用药规则模型根据所述判断类别标记信息与所述判断类别信息集进行匹配，得到相匹配的所述判断类别信息。优选的，所述已编辑的用药规则信息还包括编辑符号，用于连接所述已编辑的用药规则信息中的判断类别信息、逻辑判断条件及相对应的警示信息。进一步优选的，所述用药规则模型还用于建立所述编辑符号与所述判断类别信息、逻辑判断条件及相对应的警示信息之间的关联关系；所述根据所述生成的判断类别信息、逻辑判断条件和警示信息进行信息合成，得到所述待编辑用药信息的用药规则信息具体包括：所述训练后的用药规则模型根据生成的判断类别信息、逻辑判断条件和警示信息进行信息获取相对应的编辑符号；通过所述编辑符号将所述生成的判断类别信息、逻辑判断条件和警示信息进行连接，从而得到所述待编辑用药信息的用药规则信息。本专利技术实施例提供的一种基于人工智能的用药规则生成方法，基于AI的应用，将大量的用药资源信息以及相对应的药师已编辑的用药规则信息导入用药规则模型中进行学习、训练，从而使模型能够模拟药师理解、分析药学参考资料将其转化为规则的思维过程和行为，可以读取资料自动编辑规则，从而代替药师完成大量的用药规则的编辑工作，并保证用药规则编辑的标准一致性和准确性。附图说明图1为本专利技术实施例提供的一种基于人工智能的用药规则生成方法流程图；图2为本专利技术实施例提供的一种局部人工编辑的用药规则信息及相对应的用药资源信息的示意图；图3为本专利技术实施例提供的一种孕产判断标准示意图。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进一步本文档来自技高网...

【技术保护点】
1.一种基于人工智能的用药规则生成方法，其特征在于，所述方法包括：将样本训练集导入用药规则模型中；所述样本训练集包括用药资源信息以及相对应的已编辑的用药规则信息；所述已编辑的用药规则信息包括判断类别信息、逻辑判断条件及相对应的警示信息；所述用药规则模型根据所述用药规则信息对所述用药资源信息进行切分、标准化和标记，得到所述判断类别信息和逻辑判断条件相对应的标记信息；根据所述已编辑的用药规则信息中的判断类别信息、逻辑判断条件、警示信息和所述判断类别信息、逻辑判断条件的标记信息对所述用药规则模型进行训练，得到训练后的用药规则模型；将待编辑用药信息输入所述训练后的用药规则模型中；所述训练后的用药规则模型对所述待编辑用药信息进行标记，得到判断类别标记信息和逻辑判断条件标记信息；根据所述判断所述待编辑用药信息和所述类别标记信息、逻辑判断条件标记信息生成相对应的判断类别信息、逻辑判断条件和警示信息；根据所述生成的判断类别信息、逻辑判断条件和警示信息进行信息合成，得到所述待编辑用药信息的用药规则信息。

【技术特征摘要】
1.一种基于人工智能的用药规则生成方法，其特征在于，所述方法包括：将样本训练集导入用药规则模型中；所述样本训练集包括用药资源信息以及相对应的已编辑的用药规则信息；所述已编辑的用药规则信息包括判断类别信息、逻辑判断条件及相对应的警示信息；所述用药规则模型根据所述用药规则信息对所述用药资源信息进行切分、标准化和标记，得到所述判断类别信息和逻辑判断条件相对应的标记信息；根据所述已编辑的用药规则信息中的判断类别信息、逻辑判断条件、警示信息和所述判断类别信息、逻辑判断条件的标记信息对所述用药规则模型进行训练，得到训练后的用药规则模型；将待编辑用药信息输入所述训练后的用药规则模型中；所述训练后的用药规则模型对所述待编辑用药信息进行标记，得到判断类别标记信息和逻辑判断条件标记信息；根据所述判断所述待编辑用药信息和所述类别标记信息、逻辑判断条件标记信息生成相对应的判断类别信息、逻辑判断条件和警示信息；根据所述生成的判断类别信息、逻辑判断条件和警示信息进行信息合成，得到所述待编辑用药信息的用药规则信息。2.根据权利要求1所述的用药规则生成方法，其特征在于，所述判断类别信息包括用法用量、给药途径、配伍禁忌、相互作用、重复用药、溶媒选择、溶液浓度、过敏、肝肾功能、不良反应、检验值相关及孕产、儿童及老年人用药。3.根据权利要求2所述的用药规则生成方法，其特征在于，所述判断类别信息具有属性信息，所述属性信息包括必要属性和非必要属性；在所述将样本训练集导入用药规则模型中之前，所述方法还包括：导入必要属性的判断类别信息的判断标准。4.根据权利要求1所述的用药规则生成方法，其特征在于，所述警示信息包括警示来源信息、提示信息和用药建议信息。5.根据权利要求1所述的用药规则生成方法，其特征在于，在所述将样本训练集导入用药规则模型中之前，所述方法还包括：将标准字典导入所述用药规则模型中；其中，所述标准字典中包括药品、年龄、性别、体重、肾功能、剂量单位、剂型、给药途径、给药方法、给药频率、...

【专利技术属性】
技术研发人员：周晓悦，吴越，吕良忠，
申请(专利权)人：杭州逸曜信息技术有限公司，
类型：发明
国别省市：浙江,33