基于监督学习的用药推荐方法、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人工智能技术领域和数字医疗领域，公开了基于监督学习的用药推荐方法、装置、设备及存储介质，包括：获取用户的案例以及案例的用药推荐请求；获取案例涉及到的病症类型，获取病症类型对应的症状；获取病症类型的第一描述内容和症状的第二描述内容，拆解病症类型的第一描述内容和症状的第二描述内容，得到多个病症类型的用药问题；基于用药问题以及预设的监督学习算法，训练用药推荐模型的医学推理能力；通过用药推荐模型，对用药推荐请求进行分析处理，得到案例的推荐药物；获取案例的实际用药，判断推荐药物和实际用药是否相同；如果相同，就确定用药推荐模型的推荐结果为推荐成功。本发明专利技术能提高用药推荐模型的医学推理能力。推理能力。推理能力。

【技术实现步骤摘要】
基于监督学习的用药推荐方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
和数字医疗领域，尤其涉及基于监督学习的用药推荐方法、装置、设备及存储介质。

技术介绍

[0002]目前的用药推荐模型在涉及到医学的多学科诊断和用药时，无法考虑各种疾病和症状之间的复杂联系，难以满足实际应用需求。
[0003]另外，在处理复杂病例时，传统算法的表现也相对较差，因为它们往往需要手动设计规则，无法自动从数据中学习疾病之间的相互关系。而大模型训练也缺少对医学推理能力的训练。比如，chatgpt、通义千问、文心一言，均缺少对医学推理能力的训练，因为所有类似chatgpt的模型都是基于生成模型，即给定任务，直接输出结果，不考虑中间过程。因此，如何训练用药推荐模型的医学推理能力以及如何确定训练后的用药推荐模型的推荐结果，是一个亟需解决的问题。

技术实现思路

[0004]本专利技术提供一种基于监督学习的用药推荐方法、装置、计算机设备及存储介质，以解决如何训练用药推荐模型的医学推理能力以及如何确定训练后的用药推荐模型的推荐结果的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监督学习的用药推荐方法，其特征在于，包括：获取用户的案例以及所述案例的用药推荐请求；获取所述案例涉及到的病症类型，获取病症类型对应的症状；获取所述病症类型的第一描述内容和所述症状的第二描述内容，拆解所述病症类型的第一描述内容和所述症状的第二描述内容，得到多个所述病症类型的用药问题；基于所述用药问题以及预设的监督学习算法，训练预设的用药推荐模型的医学推理能力；通过训练后的所述用药推荐模型，对所述用药推荐请求进行分析处理，得到所述案例的推荐药物；获取所述案例的实际用药，判断所述推荐药物和所述实际用药是否相同；如果所述推荐药物和所述实际用药相同，就确定所述用药推荐模型的推荐结果为推荐成功。2.如权利要求1所述的用药推荐方法，其特征在于，所述获取所述案例涉及到的病症类型，获取病症类型对应的症状，包括：获取所述案例涉及到的病症类型的数量，判断所述案例涉及到的病症类型的数量是否大于预设数量；如果所述案例涉及到的病症类型的数量大于所述预设数量，就获取病症类型对应的症状。3.如权利要求1所述的用药推荐方法，其特征在于，所述多个用药问题包括第一用药问题、第二用药问题和所述其它用药问题，所述其它用药问题为所述多个用药问题中除所述第一用药问题和所述第二用药问题以外的用药问题；所述基于所述用药问题以及预设的监督学习算法，训练预设的用药推荐模型的医学推理能力，包括：利用所述第一用药问题训练所述用药推荐模型的所述医学推理能力，训练完毕后，将所述第二用药问题输入到训练完毕后的用药推荐模型中，获取所述用药推荐模型通过所述医学推理能力输出的第一用药推荐结果；判断所述第一用药推荐结果是否为正反馈结果，所述正反馈结果为推荐的药物符合用药方案的结果；如果所述第一用药推荐结果为正反馈结果，就利用所述其它用药问题以及所述预设的监督学习算法，训练所述用药推荐模型的所述医学推理能力，直至利用完所述其它用药问题中的最后一个用药问题，才停止训练所述用药推荐模型的所述医学推理能力。4.如权利要求1所述的用药推荐方法，其特征在于，所述通过训练后的所述用药推荐模型，对所述用药推荐请求进行分析处理，得到所述案例的推荐药物，包括：通过训练后的所述用药推荐模型，对所述用药推荐请求进行分析处理，得到所述案例的用药推荐结果；在所述用药推荐结果中获取推荐的药物类别，根据所述药物类别得到所述案例的推荐药物。5.如权利要求1所述的用药推荐方法，其特征在于，在所述获取所述案例...

【专利技术属性】
技术研发人员：李春宇，郝碧波，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：