基于人工智能的药品推荐方法、装置及相关设备制造方法及图纸

本发明专利技术涉及人工智能技术，公开了一种基于人工智能的药品推荐方法、装置及相关设备，应用于医疗信息化技术领域。本发明专利技术提供的方法包括：获取患者的本次诊断信息，并从所述本次诊断信息中获取症状描述；将所述病症描述输入到所述神经网络模型，生成与所述病症描述对应的病症信息；基于所述病症信息，在预设的药品知识库中查找对应的药品，得到候选药品清单；获取所述患者的历史诊断信息，根据所述本次诊断信息与所述历史诊断信息，生成所述患者的患者画像；基于所述患者画像，通过关键词提取算法，生成所述患者的用药禁忌规则，并基于所述用药禁忌规则，对所述候选药品清单中的药品进行筛选，得到推荐药品清单。本发明专利技术用于排除对患者有风险的药品，提高生成药品推荐信息的准确性。性。性。

【技术实现步骤摘要】
基于人工智能的药品推荐方法、装置及相关设备


[0001]本专利技术涉及医疗信息化
，尤其涉及一种基于人工智能的药品推荐方法、装置及相关设备。

技术介绍

[0002]患者在就诊时，医生会根据患者病情进行诊治，并为患者开出药品处方，让患者取开药，医生在开药的时候，需要综合考虑各个方面的因素，如年龄、体质特点等，即使是同一种疾病，不同的患者个体不同，使用的药品也会不相同，同一种药品的剂量也不同，因此，如何从众多药物中选出适合患者使用的药品，成为一个亟待解决的问题。
[0003]现有技术中，通过机器学习方法，获取患者的诊疗信息生成患者处方，这种方法没有全面考虑药品之间的禁忌关系以及相同或者相似功效的药品对患者的影响，推荐得到的药品清单中，对排除药物风险的准确度不高。

技术实现思路

[0004]本专利技术提供一种基于人工智能的药品推荐方法、装置、计算机设备及存储介质，以提高生成药品推荐信息的准确性，排除对患者有风险的药品。
[0005]一种基于人工智能的药品推荐方法，包括：
[0006]获取患者的本次诊断信息，并从所述本次诊断信息中获取患者信息与诊断结果，所述诊断结果包括症状描述；
[0007]基于神经网络学习算法构建神经网络模型，将所述病症描述输入到所述神经网络模型，生成与所述病症描述对应的病症信息；
[0008]基于所述病症信息，在预设的药品知识库中查找与所述病症信息对应的药品，得到候选药品清单，其中，所述候选药品清单至少包括一种药品；
[0009]基于所述患者信息，从医院电子系统中获取所述患者的历史诊断信息，根据所述本次诊断信息与所述历史诊断信息，通过预设的分类模型，生成所述患者的患者画像；
[0010]基于所述患者画像，通过关键词提取算法，生成所述患者的用药禁忌规则，并基于所述用药禁忌规则，对所述候选药品清单中的药品进行筛选，得到推荐药品清单。
[0011]一种基于人工智能的药品推荐装置，包括：
[0012]症状描述获取模块，用于获取患者的本次诊断信息，并从所述本次诊断信息中获取患者信息与诊断结果，所述诊断结果包括症状描述；
[0013]病症信息生成模块，用于基于神经网络学习算法构建神经网络模型，将所述病症描述输入到所述神经网络模型，生成与所述病症描述对应的病症信息；
[0014]候选药品生成模块，用于基于所述病症信息，在预设的药品知识库中查找与所述病症信息对应的药品，得到候选药品清单，其中，所述候选药品清单至少包括一种药品；
[0015]患者画像生成模块，用于基于所述患者信息，从医院电子系统中获取所述患者的历史诊断信息，根据所述本次诊断信息与所述历史诊断信息，通过预设的分类模型，生成所
述患者的患者画像；
[0016]推荐药品生成模块，用于基于所述患者画像，通过关键词提取算法，生成所述患者的用药禁忌规则，并基于所述用药禁忌规则，对所述候选药品清单中的药品进行筛选，得到推荐药品清单。
[0017]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的药品推荐方法的步骤。
[0018]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的药品推荐方法的步骤。
[0019]本专利技术提供的基于人工智能的药品推荐方法、装置、计算机设备及存储介质，通过患者本次诊治的病症描述，通过神经网络模型生成对应的病症信息，基于病症信息在预设的药品知识库中查找治疗该病症信息的药品，得到候选药品清单；通过对患者画像进行文本匹配，生成用药禁忌规则，通过用药禁忌规则排除候选药品清单中对患者存在风险的药品，得到推荐药品清单，基于病症描述，通过神经网络模型生成病症信息，提高病症分析的效率，基于知识图谱构建预设的药品知识库，丰富了药品的多样性并提高查找到药品的效率，根据文本匹配查找患者画像中的用药禁忌规则，以排除候选药品清单中对患者有风险的药品，提高生成药品推荐信息的准确性。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术一实施例中基于人工智能的药品推荐方法的一应用环境示意图；
[0022]图2是本专利技术一实施例中基于人工智能的药品推荐方法的一流程图；
[0023]图3是本专利技术一实施例中药品推荐装置的结构示意图；
[0024]图4是本专利技术一实施例中计算机设备的一示意图。
具体实施方式
[0025]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。
[0026]本专利技术实施例提供的基于人工智能的药品推荐方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0027]系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电
缆等等。
[0028]用户可以使用终端设备通过网络与服务器交互，以接收或者发送消息等。
[0029]终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Eperts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Eperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
[0030]服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
[0031]需要说明的是，本专利技术实施例所提供的基于人工智能的药品推荐方法由服务器执行，相应地，基于人工智能的药品推荐装置设置于服务器中。
[0032]应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本专利技术实施例中的终端设备具体可以对应的是实际生产中的应用系统。
[0033]在一实施例中，如图2所示，提供一种基于人工智能的药本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的药品推荐方法，其特征在于，所述方法包括：获取患者的本次诊断信息，并从所述本次诊断信息中获取患者信息与诊断结果，所述诊断结果包括症状描述；基于神经网络学习算法构建神经网络模型，将所述病症描述输入到所述神经网络模型，生成与所述病症描述对应的病症信息；基于所述病症信息，在预设的药品知识库中查找与所述病症信息对应的药品，得到候选药品清单，其中，所述候选药品清单至少包括一种药品；基于所述患者信息，从医院电子系统中获取所述患者的历史诊断信息，根据所述本次诊断信息与所述历史诊断信息，通过预设的分类模型，生成所述患者的患者画像；基于所述患者画像，通过关键词提取算法，生成所述患者的用药禁忌规则，并基于所述用药禁忌规则，对所述候选药品清单中的药品进行筛选，得到推荐药品清单。2.根据权利要求1所述的基于人工智能的药品推荐方法，其特征在于，所述基于神经网络学习算法构建神经网络模型，将所述病症描述输入到所述神经网络模型，生成与所述病症描述对应的病症信息步骤包括：从所述医院电子系统中获取诊断训练数据，并基于所述诊断训练数据，通过神经网络学习算法构建疾病分类模型；获取所述症状描述，作为待处理文本，对待处理文本进行分词，得到症状描述词集；对所述症状描述词集进行编码，得到症状编码向量，并将所述症状编码向量输入到所述病症分类模型中，生成与所述症状描述对应的病症信息。3.根据权利要求1所述的基于人工智能的药品推荐方法，其特征在于，所述基于所述病症信息，在预设的药品知识库中查找与所述病症信息对应的药品，得到候选药品清单的步骤包括：对所述病症信息进行编码，得到病症向量；读取药品在所述预设的药品知识库的药品主治信息，计算所述病症向量与所述药品主治信息的相似度值；若相似度值超过预设阈值，则将所述药品作为候选药品，得到所述候选药品清单。4.根据权利要求1所述的基于人工智能的药品推荐方法，其特征在与，在基于所述病症信息，在预设的药品知识库中查找与所述病症信息对应的药品，得到候选药品清单的步骤之前，所述方法还包括：根据药品知识确定药品属性，将所述药品属性作为药品的属性实体，所述属性实体包括药品名称、药品主治、药品禁忌；获取药品数据，并根据预设的匹配方式，在所述药品数据中查找与所述属性实体匹配的内容，生成每种药品的药品三元组，其中，所述药品三元组包括所述属性实体以及所述属性实体之间的关系；融合所有的所述药品三元组，构建药品知识图谱，并将所述药品知识图谱作为预设的药品知识库。5.根据权利要求1所述的基于人工智能的药品推荐方法，其特征在于，所述基于所述患者信息，从医院电子系统中获取所述患者的历史诊断信息，根据所述本次诊断信息与所述历史诊断信息，通过预设的分类模型，生成所述患者的患者画像的步骤包括：
从所述患者信息中获取患者...

【专利技术属性】
技术研发人员：任君珍，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：