药品副作用分析方法、装置、电子设备及计算机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，揭露了一种药品副作用分析方法，包括：获取历史临床数据，利用历史临床数据对预构建的神经网络进行训练，得到药品分析模型；获取病患的个人信息及医学检查数据，生成病例信息，获取医生为所述病患开具的药物信息，并利用药品分析模型对所述病例信息及药物信息进行效果分析，得到第一副作用推断结果；利用预先构建的药物‑药物相互作用关系系统对医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果；根据第一副作用推断结果及第二副作用推断结果，得到最终的副作用推断结果。本发明专利技术还提出了药品副作用分析装置、设备及可读存储介质。本发明专利技术可以将药物差异与个人差异相结合，提高药理诊断的准确性。

【技术实现步骤摘要】
药品副作用分析方法、装置、电子设备及计算机存储介质
本专利技术涉及人工智能领域，尤其涉及一种药品副作用分析方法、装置、电子设备及计算机可读存储介质。
技术介绍
近年来，医疗就诊数量逐渐增加，医疗事故频率也随之而提升。其中，所述医疗事故中有一部分是因为医生为所述病患开具的多种药物之间存在相互作用而导致的病情加重甚至死亡。药物-药物相互作用关系系统(Drug-DrugInteractionModule，简称DDI)可以分析不同药物间的相互作用，减少药物冲突造成的医疗事故。然而，DDI依赖于资料库的体量和准确度，预警判断准确度不高，只针对药物本身，无法对个人差异进行分析，从而造成检测时药物之间没有冲突，但是经过人体仍然会有伤害的事件。因此，目前存在当医护人员只通过DDI判断药品是否对病患有强烈副作用时，产生的判断结果不准确的问题。
技术实现思路
本专利技术提供一种药品副作用分析方法、装置、电子设备及计算机可读存储介质，其主要目的在提高药理诊断的准确性。为实现上述目的，本专利技术提供的一种药品副作用分析方法，包括：获取历史临床数据，利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型；获取病患的个人信息及医学检查数据，生成病例信息，获取医生为所述病患开具的药物信息，并利用所述药品分析模型对所述病例信息及所述药物信息进行效果分析，得到第一副作用推断结果；利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果；根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果。可选的，所述获取历史临床数据，包括：从预构建的医院数据管理系统中获取历史病患的病例信息集及对应开立的病例药物集，以及所述病例信息集与所述病例药物集相对应的临床效果，得到所述历史临床数据。可选的，所述利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型，包括：将所述历史临床数据进行向量化，得到向量化数据，并将所述向量化数据进行清洗，得到清洗后的量化数据；根据所述医院临床数据，构建疾病-药物效果图；根据所述疾病-药物效果图，训练预构建的分类神经网络，得到所述药品分析模型。可选的，所述训练预构建的分类神经网络，得到所述药品分析模型，还包括：利用动量算法，设置所述分类神经网络的梯度下降方向；对所述清洗后的量化数据进行K折交叉验证，搜索得到最优参数，并根据所述最优参数，生成所述药品分析模型。可选的，所述利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果，包括：根据所述药物信息中药物关键字或代号，在所述药物-药物相互作用关系系统中进行搜索，得到在吸收、分布、代谢、排泄四个阶段，所述药物集的相互作用结果，将所述相互作用结果在所述四个阶段进行权值计算并根据计算结果，得到所述第二副作用推断结果。可选的，所述根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果，包括：当所述第一副作用推断结果及所述第二副作用推断结果不大于预设的临界警示值时，提示用户所述医生为所述病患开具的药物信息安全；当所述第一副作用推断结果或所述第二副作用推断结果大于预设的临界警示值时，输出警报信息。可选的，所述根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果之后，还包括：保存所述负面结果对应的病例信息及药物信息，并根据所述负面结果对应的病例信息及所述药物信息更新所述药物-药物相互作用关系系统。为了解决上述问题，本专利技术还提供一种药品副作用分析装置，所述装置包括：模型构建模块：用于获取历史临床数据，利用所述历史临床数据对预构建的神经网络进行训练，得到药品分析模型；检测模块：用于获取病患的个人信息及医学检查数据，生成病例信息，获取医生为所述病患开具的药物信息，并利用所述药品分析模型对所述病例信息及所述药物信息进行效果分析，得到第一副作用推断结果，及利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果；对比模块，用于根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的药品副作用分析方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的药品副作用分析方法。本专利技术实施例利用预先训练的药品分析模型对病例信息及药物信息进行分析，可以得到药物与病患之间是否有负面反应，得到第一副作用推断结果。再通过预构建的药物-药物相互作用关系系统分析，药物与药物间是否有负面反应，得到第二副作用推断结果，通过所述第一副作用推断结果与所述第二副作用推断结果，可以更加准确的分析所述医院开给所述病患的药物是否合理，因此，本专利技术实施例所述药品副作用分析方法、装置、电子设备及存储介质可以将药物差异与个人差异相结合，提高药理诊断的准确性。附图说明图1为本专利技术一实施例提供的药品副作用分析方法的流程示意图；图2为本专利技术一实施例提供的药品副作用分析装置的模块示意图；图3为本专利技术一实施例提供的实现药品副作用分析方法的电子设备的内部结构示意图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本申请实施例提供一种药品副作用分析方法。所述药品副作用分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述药品副作用分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。参照图1所示，为本专利技术一实施例提供的药品副作用分析方法的流程示意图。在本实施例中，所述药品副作用分析方法包括：S1、获取历史临床数据，利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型。详细地，本专利技术实施例中，所述获取历史临床数据，包括：从预构建的医院数据管理系统中获取历史病患的病例信息集及对应开立的病例药物集，以及所述病例信息集与所述病例药物集相对应的临床效果，得到所述历史本文档来自技高网...

【技术保护点】
1.一种药品副作用分析方法，其特征在于，所述方法包括：/n获取历史临床数据，利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型；/n获取病患的个人信息及医学检查数据，生成病例信息，获取医生为所述病患开具的药物信息，并利用所述药品分析模型对所述病例信息及所述药物信息进行效果分析，得到第一副作用推断结果；/n利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果；/n根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果。/n

【技术特征摘要】
1.一种药品副作用分析方法，其特征在于，所述方法包括：
获取历史临床数据，利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型；
获取病患的个人信息及医学检查数据，生成病例信息，获取医生为所述病患开具的药物信息，并利用所述药品分析模型对所述病例信息及所述药物信息进行效果分析，得到第一副作用推断结果；
利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果；
根据所述第一副作用推断结果及所述第二副作用推断结果，得到最终的副作用推断结果。


2.如权利要求1所述的药品副作用分析方法，其特征在于，所述获取历史临床数据，包括：
从预构建的医院数据管理系统中获取历史病患的病例信息集及对应开立的病例药物集，以及所述病例信息集与所述病例药物集相对应的临床效果，得到所述历史临床数据。


3.如权利要求1中所述的药品副作用分析方法，其特征在于，所述利用所述历史临床数据对预构建的分类神经网络进行训练，得到药品分析模型，包括：
将所述历史临床数据进行向量化处理，得到向量化数据，并将所述向量化数据进行清洗，得到清洗后的量化数据；
根据所述医院临床数据，构建疾病-药物效果图；
根据所述疾病-药物效果图，训练预构建的分类神经网络，得到所述药品分析模型。


4.如权利要求3所述的药品副作用分析方法，其特征在于，所述训练预构建的分类神经网络，得到所述药品分析模型，还包括：
利用动量算法，设置所述分类神经网络的梯度下降方向；
对所述清洗后的量化数据进行K折交叉验证，搜索得到最优参数，并根据所述最优参数，生成所述药品分析模型。


5.如权利要求1所述的药品副作用分析方法，其特征在于，所述利用预先构建的药物-药物相互作用关系系统对所述医生为所述病患开具的药物信息进行相互作用分析，得到第二副作用推断结果，包括：
根据所述药物信息中药物关键字或代号，在所述药物-药物相互作用关系系统中进行搜索，得到所述药物集在吸收、分布、代谢、排泄四个阶段的相互作用结果，将所述...

【专利技术属性】
技术研发人员：李佳琳，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44