一种处方用药审核方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种处方用药审核方法、装置、设备及存储介质，本申请预先配置了药品知识库用于存储医学领域药品相关知识信息，对于待审核的病例

【技术实现步骤摘要】
一种处方用药审核方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，更具体的说，是涉及一种处方用药审核方法、装置、设备及存储介质。

技术介绍

[0002]国家药监部门为规范临床用药行为、促进合理用药，对处方用药进行审核，以保障公共健康、促进药品安全，特别是对于一些国家重点监控药品，需要对处方中涉及的国家重点监控药品进行用药审核。其中，国家重点监控药品是指一批由国家药监部门实现定期、定量、定点、定质量、定价格、定批号等监控措施的药品，包含了多种类型的药品。
[0003]传统的用药审核系统一般都是基于规则推理，将一系列审核规则集中在系统中，根据患者的病情和药品使用情况，系统自动判断处方是否合理。示例如，规定最大剂量、最大疗程、用药禁忌等审核规则，系统自动判断药方合理性。但是，因为药品使用条件的特殊性、使用场景的复杂性、使用方式的多样性，基于规则推理的用药审核系统需要大量专科医生的人力构建药品使用规则，即便如此，简单规则的罗列和组合往往也难以详尽药品使用场景的全部细节，导致处方用药审核结果的准确性不够高。此外，还有部分现有技术基于深度学习算法，使用历史处方数据训练神经网络模型，之后采用模型对新的处方进行用药审核。这种方式需要大量的历史处方数据进行训练，如果数据量不足或者数据质量不好，会影响模型的性能，进而影响用药审核结果的准确性。

技术实现思路

[0004]鉴于上述问题，提出了本申请以便提供一种处方用药审核方法、装置、设备及存储介质，用于解决传统基于规则推理的方案需要大量人力构建药品使用规则，且无法穷尽规则导致审核结果不准确，基于深度学习的算法依赖大量历史处方数据进行训练，在训练数据量不足或质量不好时，影响最终用药审核结果准确性的问题。具体方案如下：第一方面，提供了一种处方用药审核方法，包括：获取待审核的病例
‑
处方数据；在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合；调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合；调用第二生成式语言模型，基于所述病例
‑
处方数据及所述处理后药品知识集合，生成处方用药审核结果。
[0005]优选地，所述预配置的药品知识库中包含的是药品知识的编码向量，则在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合，包括：获取所述病例
‑
处方数据的编码向量；基于所述病例
‑
处方数据的编码向量，在所述药品知识库中检索相关的药品知识的编码向量；
由检索到的编码向量组成所述药品知识集合，或，由检索到的编码向量所对应的药品知识组成所述药品知识集合。
[0006]优选地，所述预配置的药品知识库中包含的是药品知识的索引信息，则在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合，包括：对所述病例
‑
处方数据进行分词，并按照分词结果及所述索引信息在药品知识库中检索相关的药品知识，组成药品知识集合；或，对所述病例
‑
处方数据进行分词，并按照分词结果及所述索引信息在药品知识库中检索相关的药品知识，并获取检索到的药品知识的编码向量，组成药品知识集合。
[0007]优选地，所述药品知识集合具体为药品知识的编码向量集合，则调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合的过程，包括：生成第一提示指令prompt，所述第一提示指令prompt用于指示生成式语言模型对给定的药品知识进行处理；对所述第一提示指令prompt进行向量编码；将所述第一提示指令prompt的编码向量与所述药品知识的编码向量集合进行拼接，并将拼接后编码向量输入第一生成式语言模型的解码网络，得到第一生成式语言模型输出的处理后药品知识集合。
[0008]优选地，所述第一提示指令prompt具体用于，指示生成式语言模型对给定的药品知识进行处理，保留并整合与给定的病例
‑
处方数据相关的药品知识，该方法还包括：获取所述病例
‑
处方数据的编码向量；则，将所述第一提示指令prompt的编码向量与所述药品知识的编码向量集合进行拼接的过程，包括：将所述第一提示指令prompt的编码向量、所述药品知识的编码向量集合及所述病例
‑
处方数据的编码向量进行拼接。
[0009]优选地，所述药品知识集合中包含的是药品知识，则调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合的过程，包括：基于所述药品知识集合生成第二提示指令prompt，所述第二提示指令prompt用于指示生成式语言模型对所述药品知识集合中的药品知识进行处理；将所述第二提示指令prompt输入第一生成式语言模型，得到模型输出的处理后药品知识集合。
[0010]优选地，所述第二提示指令prompt中还包含所述病例
‑
处方数据，则所述第二提示指令prompt具体用于指示生成式语言模型参考所述病例
‑
处方数据对所述药品知识集合中的药品知识进行处理，保留并整合与所述病例
‑
处方数据相关的药品知识。
[0011]优选地，调用第二生成式语言模型，基于所述病例
‑
处方数据及所述处理后药品知识集合，生成处方用药审核结果的过程，包括：基于所述病例
‑
处方数据及所述处理后药品知识集合，生成第三提示指令prompt，所述第三提示指令prompt用于指示生成式语言模型参考所述处理后药品知识集合，确定所述病例
‑
处方数据中的用药审核结果；
将所述第三提示指令prompt输入第二生成式语言模型，得到模型输出的处方用药审核结果。
[0012]优选地，所述药品知识库中包含的是指定的重点监控药品的相关知识；检索的与病例
‑
处方数据相关的药品知识集合，具体包括：病例
‑
处方数中与所述重点监控药品相关的药品知识；生成的所述处方用药审核结果具体包括：处方的重点监控药品的用药审核结果。
[0013]优选地，所述第一生成式语言模型及所述第二生成式语言模型均采用大语言模型。
[0014]第二方面，提供了一种处方用药审核装置，包括：数据获取单元，用于获取待审核的病例
‑
处方数据；药品知识检索单元，用于在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合；药品知识处理单元，用于调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合；审核结果确定单元，用于调用第二生成式语言模型，基于所述病例
‑
处方数据及所述处理后药品知识集合，生成处方用药审核结果。
[0015]第三方面，提供了一种处方用药审核设备，包括：存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种处方用药审核方法，其特征在于，包括：获取待审核的病例
‑
处方数据；在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合；调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合；调用第二生成式语言模型，基于所述病例
‑
处方数据及所述处理后药品知识集合，生成处方用药审核结果。2.根据权利要求1所述的方法，其特征在于，所述预配置的药品知识库中包含的是药品知识的编码向量，则在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合，包括：获取所述病例
‑
处方数据的编码向量；基于所述病例
‑
处方数据的编码向量，在所述药品知识库中检索相关的药品知识的编码向量；由检索到的编码向量组成所述药品知识集合，或，由检索到的编码向量所对应的药品知识组成所述药品知识集合。3.根据权利要求1所述的方法，其特征在于，所述预配置的药品知识库中包含的是药品知识的索引信息，则在预配置的药品知识库中检索与所述病例
‑
处方数据相关的药品知识集合，包括：对所述病例
‑
处方数据进行分词，并按照分词结果及所述索引信息在药品知识库中检索相关的药品知识，组成药品知识集合；或，对所述病例
‑
处方数据进行分词，并按照分词结果及所述索引信息在药品知识库中检索相关的药品知识，并获取检索到的药品知识的编码向量，组成药品知识集合。4.根据权利要求1所述的方法，其特征在于，所述药品知识集合具体为药品知识的编码向量集合，则调用预配置的第一生成式语言模型，对所述药品知识集合进行处理，得到处理后药品知识集合的过程，包括：生成第一提示指令prompt，所述第一提示指令prompt用于指示生成式语言模型对给定的药品知识进行处理；对所述第一提示指令prompt进行向量编码；将所述第一提示指令prompt的编码向量与所述药品知识的编码向量集合进行拼接，并将拼接后编码向量输入第一生成式语言模型的解码网络，得到第一生成式语言模型输出的处理后药品知识集合。5.根据权利要求4所述的方法，其特征在于，所述第一提示指令prompt具体用于，指示生成式语言模型对给定的药品知识进行处理，保留并整合与给定的病例
‑
处方数据相关的药品知识，该方法还包括：获取所述病例
‑
处方数据的编码向量；则，将所述第一提示指令prompt的编码向量与所述药品知识的编码向量集合进行拼接的过程，包括：将所述第一提示指令prompt的编码向量、所述药品知识的编码向量集合及所述病例
‑
处方数据的编码向量进行拼接。6.根据权利要求1所述的方法，其特征在于，所述药品知识集合中包含的是药品知识，则调用预配置的第一生成式语言模...

【专利技术属性】
技术研发人员：胡加学，刘雅婧，戴瑾，赵景鹤，贺志阳，鹿晓亮，刘权，魏思，王士进，刘聪，胡国平，
申请(专利权)人：讯飞医疗科技股份有限公司，
类型：发明
国别省市：