[发明专利]基于医疗知识图谱的处方评价方法、系统及计算机设备

说明书

本发明实施例提供了一种基于医疗知识图谱的处方评价方法，所述方法包括：获取医生开具的电子处方信息，所述电子处方信息包括患者信息和用药信息；从所述电子处方信息中提取N个目标数据；将所述N个目标数据输入到知识表示模型中，得到N*d维词向量矩阵，其中每个目标数据映射为一个d维词向量；将所述N*d维词向量矩阵输入到卷积神经网络模型中，通过所述卷积神经网络模型输出分类向量；根据所述分类向量从多个用药类别中筛选出至少一个目标用药类别；根据所述目标用药类别以及预先配置的医疗知识图谱输出处方点评数据。本发明实施例处方数据分析准确率高，计算机设备带来较高的运行负担和维护成本。

技术领域

本发明实施例涉及计算机数据处理领域，尤其涉及一种基于医疗知识图谱的处方评价方法、系统、计算机设备及计算机可读存储介质。

背景技术

处方点评是近年发展起来的用药监管模式，是医院将医生处方用药过程中对临床处方进行综合统计分析，从不同层面和不同角度反映医疗机构处方工作的整体和细分情况，为医疗机构管理层进行决策提供科学的数据支持，以达到合理用药，用药监测、管理的目的。

目前市面上的处方点评系统是基于大量规则制定的。因此，需要配置和维护处方点评规则库，并基于该处方点评规则库的规则来判断医生给出的处方是否合理。然而，药品种类、疾病种类等异常繁多，尤其是随着药品种类的日益增加，想要得到高精度的点评结果，处方点评规则库中的规则句式量可能成指数级增长，且即使写了足够多的规则，准确率也不一定提升。因为每条规则都有其适应条件，当数量到了一定程度之后，就会不可避免的存在大量的冲突。最后冲突带来的准确率的损失，已经抵消规则数量带来的准确率的提升了。另外，如果使用基于规则的方法，当准确率和召回率到达一个瓶颈的时候，增加一条规则或改动一条规则所牵扯到是数据很多，这个过程很耗时。

可知，上述处方点评系统的处方数据分析准确率不高，且大量规则的增长会为计算机设备带来较高的运行负担和维护成本。

发明内容

有鉴于此，本发明实施例的目的是提供一种基于医疗知识图谱的处方评价方法、系统、计算机设备及计算机可读存储介质，用于解决现有处方点评系统的以下问题：处方数据分析准确率不高，大量规则的增长为计算机设备带来较高的运行负担和维护成本。

为实现上述目的，本发明实施例提供了一种基于医疗知识图谱的处方评价方法，所述方法包括：

获取医生开具的电子处方信息，所述电子处方信息包括患者信息和用药信息；

从所述电子处方信息中提取N个目标数据；

将所述N个目标数据输入到知识表示模型中，得到N*d维词向量矩阵，其中每个目标数据映射为一个d维词向量；

将所述N*d维词向量矩阵输入到卷积神经网络模型中，通过所述卷积神经网络模型输出分类向量，所述分类向量包括多个向量参数，每个向量参数用于表示预设多个用药类别中的其中一个用药类别的预测概率；

根据所述分类向量从多个用药类别中筛选出至少一个目标用药类别；及

根据所述目标用药类别以及预先配置的医疗知识图谱输出处方点评数据。

优选地，获取医生开具的电子处方信息的步骤，包括：

获取医生传输的电子处方表单，所述电子处方表单包括多个字段；及

解析所述电子处方表单以得到结构化数据。

优选地，从所述电子处方信息中提取N个目标数据的步骤，包括：

根据预设置的多个字段名称，从所述结构化数据中查找所述多个目标字段；

从所述多个目标字段中获取对应的所述N个目标数据。