[发明专利]一种基于机器学习的智能审方开方方法

说明书

本发明公开了一种基于机器学习的智能审方开方模型，属于机器学习模型的技术领域，通过分类算法对模型进行求解，并基于贝叶斯算法将历史处方数据和审方数据学习得到模型的概率矩阵，最终通过药品与初步诊断的概率矩阵建立了智能审方模型，通过建立同一种初步诊断下的用药关联性分析，建立药品关联性模型，解决初步诊断与药品之间的关联性分析，在分析制定初步诊断的前提下，推荐的药品是否是符合该初步诊断；通过初步诊断与药品的药品成分之间的关联性分析，对药品成分数据规范化；在用户症状数据规范化和药品适用症数据规范化后，分析用户症状和对应药品成分的关联性。

技术领域

本发明属于机器学习模型的技术领域，具体涉及一种基于机器学习的智能审方开方方法。

背景技术

随着现有互联网远程问诊的广泛应用，病人问诊流程大致简化为：病人来到PC机接通视屏通过语音描述病情，医生获知病情的症状以及其病情的严重程度，医生依据医学相关知识确定病因得到初步诊断从而获知疾病类型，然后医生根据症状和疾病类型对症下药，从药品数据库中选择对应相关药品形成处方。而后此处方由系统发给药师进行处方审核，药师根据处方的用药搭配、患者信息描述、初步诊断、药品剂量完成处方审核。

在一般情况下，用户咨询医生描述病情(即症状)和过敏史等相关资料。然后医生得出初步诊断，依据初步诊断和用户的症状开具处方，而处方一般包含一到多个药品，而这些药品都具有属性：药品成分、适用症状、药品禁忌。不同药品之间的药品成分，需要做成分冲突分析，而不同药品之间的适用症状对应用户症状可做药品是否适用用户症状即是否对症下药的分析，而药品的药品禁忌和用户的过敏史和遗传病史等可构成用药安全的验证。

由于产品发展需要，需建立一套基于机器学习的智能审方开方系统，用于辅助医生药师进行快速、准确、高效的为病人诊断和服务。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种基于机器学习的智能审方开方方法以达到用于辅助医生药师进行快速、准确、高效的为病人诊断和服务的目的。

本发明所采用的技术方案为：提供一种基于机器学习的智能审方开方方法，其包括以下内容：

(一)将药品的所有成分列表为{a₁，a₂，a₃....a_w}，共计w种成分，w种成分的集合用A表示，对于选定的药品i，其包含的成分列表为{x₁,x₂.....,x_k}(k≤w)，将第i种药品的k种成分列表用集合X表示，X∈A，其中，i为变量，取值为1-n，表示电子处方中列明的n种药品中的第i种药品；

(二)基于分类算法的关联性分析模型，得到总体关联性大小为F(y_j)，采用如下函数公式：

其中，w_i表示药品i的代价系数且w_i∈[0，1]，P1_ij表示药品i属于初步诊断分组j的概率大小且P_ij∈[0，1]；则P2_kj表示药品成分x_k属于初步诊断分组j的概率大小，则得到以下函数公式：

其中，P2_qj表示药品成分q属于初步诊断分组j的概率大小；

综合(2-1)和(2-2)，则得到以下函数公式：

其目标函数为：