用药推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理领域，公开了一种用药推荐方法、装置、设备及存储介质，应用于智慧医疗领域。该方法通过将诊断结果输入到药品推荐模型中进行药品的匹配，得到候选药品列表，基于候选药品列表结合问诊数据进行筛选，得到推荐药品，最后基于患者的实际情况来选择符合条件的药品，并保存在问诊单中，以供后续的使用查阅；这样的方式不仅实现了药品的自动推荐，还是避免了医生由于对药品药性的错误记忆而导致无用药品的现象，在开具药方时，医师根据问诊单中的推荐药品可以快速确定对应的治疗药方，从而提高了医师的诊断效率。此外，本发明专利技术还涉及区块链技术，诊断结果、候选药品列表和药品推荐结果可存储于区块链中。

【技术实现步骤摘要】
用药推荐方法、装置、设备及存储介质
本申请涉及数据处理领域，具体涉及一种用药推荐方法、装置、设备及存储介质。
技术介绍
随着人工智能技术的不断发展，该技术在各个领域得到关注和使用，各领域针对不同的应用场景，基于人工智能技术开发了对应的智能系统来帮助人们提升工作效率，在医院的医疗系统也不例外。由于医院中的药品存储是以万级的数量来计算的，而每次医生在选择满足患者情况和诊断结果的药品时，需要在大规模的药品库中找出满足患者当前治疗需求的药品以及药品的药名、说明、库存情况等信息，对此，为了帮助医生从药品库中查询药品，当前使用的方法是依据药品的关键词在药品管理系统中查询药品相关信息，该查询功能只能依据药品名称或者特定关键词来查询，查询过程全凭医生的经验和记忆，对此在如此大规模的药品库中，医生很难记清楚每个药品的药名、药效、用量等药品信息，医生采用这种依据药名或者关键词查询的方法选药，开药的效率低，开药的针对性和准确性也难以保证。
技术实现思路
本专利技术的主要目的是为了解决现有的医疗系统中，由于医生查询药品困难，而导致开药效率较低的技术问题。本专利技术第一方面提供了一种用药推荐方法，所述用药推荐方法包括：通过数据爬虫工具从多个医疗数据库中获取历史药方，并采用机器学习算法对所述历史药方进行药性和用药规则的学习，构建药品推荐模型；获取当前患者的问诊单，并提取所述问诊单中的诊断结果和问诊数据；将所述诊断结果输入至所述药品推荐模型中进行药品匹配，生成候选药品列表；根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果；根据接收到的药品使用请求，从所述药品推荐结果中，选择满足患者的药品，并生成药方保存至所述问诊单中。可选地，在本专利技术第一方面的第一种实现方式中，所述提取所述问诊单中的诊断结果和问诊数据包括：利用文字识别算法提取所述问诊单中所记载的患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果；按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表；将所述查询条件列表中除了所述诊断结果之外的条件，按照优先级级别进行组合，得到所述特征词组。可选地，在本专利技术第一方面的第二种实现方式中，所述根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果包括：根据所述特征词组中条件对所述候选药品列表进行筛选过滤，剔除药品不满足所述患者信息的药品，得到新药品序列；根据药品与问诊单的匹配情况对所述新药品序列中的每个药品进行打分排序，得到候选药品序列；从所述候选药品序列中选择排序靠前的N个药品，得到药品推荐结果。可选地，在本专利技术第一方面的第三种实现方式中，在所述按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表之前，还包括：根据所述患者信息从医院诊断系统的诊断数据库中，查询对应的患者诊断历史记录；根据所述诊断历史记录，确定所述患者的过敏史和禁忌信息。可选地，在本专利技术第一方面的第四种实现方式中，所述根据药品与问诊单的匹配情况对所述新药品序列中的每个药品进行打分排序，得到候选药品序列包括：根据所述过敏史和禁忌信息对所述新药品序列进行二次筛选过滤，得到第二药品序列；利用预置的打分模型对所述第二药品序列中的每个药品的匹配度进行打分，并按照分数从高到低进行排序，得到候选药品序列。可选地，在本专利技术第一方面的第五种实现方式中，所述通过数据爬虫工具从多个医疗数据库中获取历史药方，并采用机器学习算法对所述历史药方进行药性和用药规则的学习，构建药品推荐模型包括：通过数据爬虫工具从多个医疗数据库中获取医生的历史问诊数据，并从所述历史问诊数据中提取历史药方，构建推药数据集；提取所述推药数据集中的药品以及药品对应的药品特征信息，生成训练集；利用机器学习算法对所述训练集中的药品以及药品对应的药品特征信息进行深度学习，构建药品推荐模型。可选地，在本专利技术第一方面的第六种实现方式中，在所述根据接收到的药品使用请求，从所述药品推荐结果中，选择满足患者的药品，并生成药方保存至所述问诊单中之后，还包括：随机抽取若干张所述问诊单，并提取每张所述问诊单中对所述药品推荐结果的使用情况；若所述使用情况不满足预设的采纳率，读取所有未被采用药品推荐结果中的药品的问诊单，并基于所述问诊单对所述药品推荐模型进行重新训练，得到迭代优化后的药品推荐模型。本专利技术第二方面提供了一种用药推荐装置，所述用药推荐装置包括：训练模块，用于通过数据爬虫工具从多个医疗数据库中获取历史药方，并采用机器学习算法对所述历史药方进行药性和用药规则的学习，构建药品推荐模型；提取模块，用于获取当前患者的问诊单，并提取所述问诊单中的诊断结果和问诊数据；匹配模块，用于将所述诊断结果输入至所述药品推荐模型中进行药品匹配，生成候选药品列表；筛选模块，用于根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果；推荐模块，用于根据接收到的药品使用请求，从所述药品推荐结果中，选择满足患者的药品，并生成药方保存至所述问诊单中。可选地，在本专利技术第二方面的第一种实现方式中，所述提取模块包括：识别单元，用于利用文字识别算法提取所述问诊单中所记载的患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果；配置单元，用于按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表；组合单元，用于将所述查询条件列表中除了所述诊断结果之外的条件，按照优先级级别进行组合，得到所述特征词组。可选地，在本专利技术第二方面的第二种实现方式中，所述筛选模块包括：过滤单元，用于根据所述特征词组中条件对所述候选药品列表进行筛选过滤，剔除药品不满足所述患者信息的药品，得到新药品序列；排序单元，用于根据药品与问诊单的匹配情况对所述新药品序列中的每个药品进行打分排序，得到候选药品序列；选择单元，用于从所述候选药品序列中选择排序靠前的N个药品，得到药品推荐结果。可选地，在本专利技术第二方面的第三种实现方式中，所述用药推荐装置还包括查询模块，其具体用于：根据所述患者信息从医院诊断系统的诊断数据库中，查询对应的患者诊断历史记录；根据所述诊断历史记录，确定所述患者的过敏史和禁忌信息。可选地，在本专利技术第二方面的第四种实现方式中，所述排序单元具体用于：根据所述过敏史和禁忌信息对所述新药品序列进行二次筛选过滤，得到第二药品序列；利用预置的打分模型对所述第二药品序列中的每个药品的匹配度进行打分，并按照分数从高到低进行排序本文档来自技高网...

【技术保护点】
1.一种用药推荐方法，其特征在于，所述用药推荐方法包括：/n通过数据爬虫工具从多个医疗数据库中获取历史药方，并采用机器学习算法对所述历史药方进行药性和用药规则的学习，构建药品推荐模型；/n获取当前患者的问诊单，并提取所述问诊单中的诊断结果和问诊数据；/n将所述诊断结果输入至所述药品推荐模型中进行药品匹配，生成候选药品列表；/n根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果；/n根据接收到的药品使用请求，从所述药品推荐结果中，选择满足患者的药品，并生成药方保存至所述问诊单中。/n

【技术特征摘要】
1.一种用药推荐方法，其特征在于，所述用药推荐方法包括：
通过数据爬虫工具从多个医疗数据库中获取历史药方，并采用机器学习算法对所述历史药方进行药性和用药规则的学习，构建药品推荐模型；
获取当前患者的问诊单，并提取所述问诊单中的诊断结果和问诊数据；
将所述诊断结果输入至所述药品推荐模型中进行药品匹配，生成候选药品列表；
根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果；
根据接收到的药品使用请求，从所述药品推荐结果中，选择满足患者的药品，并生成药方保存至所述问诊单中。


2.根据权利要求1所述的用药推荐方法，其特征在于，所述提取所述问诊单中的诊断结果和问诊数据包括：
利用文字识别算法提取所述问诊单中所记载的患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果；
按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表；
将所述查询条件列表中除了所述诊断结果之外的条件，按照优先级级别进行组合，得到所述特征词组。


3.根据权利要求2所述的用药推荐方法，其特征在于，所述根据所述问诊数据对所述候选药品列表中的药品进行排序筛选过滤，得到最终的药品推荐结果包括：
根据所述特征词组中条件对所述候选药品列表进行筛选过滤，剔除药品不满足所述患者信息的药品，得到新药品序列；
根据药品与问诊单的匹配情况对所述新药品序列中的每个药品进行打分排序，得到候选药品序列；
从所述候选药品序列中选择排序靠前的N个药品，得到药品推荐结果。


4.根据权利要求3所述的用药推荐方法，其特征在于，在所述按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表之前，还包括：
根据所述患者信息从医院诊断系统的诊断数据库中，查询对应的患者诊断历史记录；
根据所述诊断历史记录，确定所述患者的过敏史和禁忌信息。


5.根据权利要求4所述的用药推荐方法，其特征在于，所述根据药品与问诊单的匹配情况对所述新药品序列中的每个药品进行打分排序，得到候选药品序列包括：
根据所述过敏史和禁忌信息对所述新药品序列进行二次筛选过滤，得到第二药品序列；
利用预置的打分模型对所述第二药品序列中的每...

【专利技术属性】
技术研发人员：侯永帅，王垂新，赵建双，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：广东;44