[发明专利]用药异常反应监测的方法、装置、电子设备和存储介质

权利要求书

1.一种用药异常反应监测的方法,其特征在于，所述方法包括：

接收医生输入的患者的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议；

在接收医生输入的患者的诊断信息后每隔预定时间周期，接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值；

将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型,获取患者是否出现用药异常反应的判断结果；

所述第一机器学习模型通过以下方式训练：

针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现用药异常反应的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第一机器学习模型，由第一机器学习模型给出是否出现用药异常反应的判断结果，将第一机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第一机器学习模型，使第一机器学习模型给出的判断结果与医生给出的判断结果一致。

2.根据权利要求1所述的方法，其特征在于，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，所述方法还包括：

将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果。

3.根据权利要求2所述的方法，其特征在于，所述第二机器学习模型预先通过以下方式训练：

针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现并发症和何种并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第二机器学习模型，由第二机器学习模型给出是否出现并发症和何种并发症的判断结果，将第二机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第二机器学习模型，使第二机器学习模型给出的判断结果与医生给出的判断结果一致。

4.根据权利要求1所述的方法，其特征在于，在接收患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值后，所述方法还包括：

将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第三机器学习模型，由第三机器学习模型给出是否出现并发症的判断结果；

如果第三机器学习模型给出出现并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第四机器学习模型，由第四机器学习模型给出并发症的判断结果。

5.根据权利要求4所述的方法，其特征在于，所述第三机器学习模型通过以下方式训练：

针对样本患者集合中的每个样本患者，接收医生为该样本患者输入的诊断信息，所述诊断信息包括诊断出的疾病和给出的用药建议，在接收医生输入的样本患者的诊断信息后随机一段时间后的时间点，接收样本患者佩戴或家庭中放置的各测量设备测量并上报的各生理指标值，接收在该时间点医生给出的该样本患者是否出现并发症的判断结果，将诊断出的疾病、用药建议、接收的各生理指标值、以及从接收诊断信息的时间到接收各生理指标值的时间之间的时间差输入第三机器学习模型，由第三机器学习模型给出是否出现并发症的判断结果，将第三机器学习模型给出的判断结果与医生给出的判断结果进行比较，如不一致，则调整第三机器学习模型，使第三机器学习模型给出的判断结果与医生给出的判断结果一致。