[发明专利]一种基于机器学习的智能审方开方方法

权利要求书

1.一种基于机器学习的智能审方开方方法，其特征在于，其包括以下内容：

（一）将药品的所有成分列表为，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，将第i种药品的k种成分列表用集合表示，，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，采用如下函数公式：

（2-1）

其中，表示药品i的代价系数且，表示药品i属于初步诊断分组j的概率大小且；表示药品成分属于初步诊断分组j的概率大小，则得到以下函数公式：

（2-2）

其中，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：

（2-3）

其目标函数为：

；（2-4）

其中，ε表示总体关联性大小的阈值，ε为（0，1]的常数；

所述初步诊断分组j属于总体的m种初步诊断分组，则，各个药品i属于各个初步诊断分组j的概率大小为，则概率矩阵为n × m维的数组，即：

；（2-5）

（三）将审方的过程简化为：处方中开具的n种药品中每一第i种药品分别与疾病的初步诊断分组j的关联性大小的加权和为总体关联性大小，当总体关联性大小小于ε时表示开出的n种药品与疾病的初步诊断关系分组j为强关系，则处方对诊；当总体关联性大小不小于ε时表示开出的n种药品与该疾病的初步诊断关系分组j为弱关系，则处方不对诊。

2.根据权利要求1所述的基于机器学习的智能审方开方方法，其特征在于，所述公式（2-1）中的代价系数计算公式如下：

（2-8）

其中，代价系数初步与药品的适用性成反比，则药品的适用性越强，用错药的代价就越小，k表示矫正参数，其中，用表示药品可出现在多少种不同的初步诊断中，用以衡量药品的适用性，则。