[发明专利]数据处理方法、装置、计算机设备和存储介质

权利要求书

1.一种数据处理方法，所述方法包括：

获取携带有处方数据的医疗数据；所述处方数据包括药品标识；

获取所述药品标识对应的药品禁忌元数据，调用线程根据所述药品禁忌元数据查询与所述药品标识相匹配的药品禁忌数据；所述药品禁忌数据是基于已训练的药品数据提取模型和人工标注相结合的方式预先提取出的；其中，基于已训练的药品数据提取模型和人工标注相结合的方式提取所述药品禁忌数据的步骤，包括：

获取所述药品标识对应的禁忌文本信息；

将所述禁忌文本信息输入已训练的药品数据提取模型进行预测，得到第一预测药品禁忌数据和第一置信度；

当所述第一置信度大于或等于第一置信度阈值时，将所述第一预测药品禁忌数据确定为从所述禁忌文本信息中提取出的药品禁忌数据；

当所述第一置信度小于所述第一置信度阈值时，将所述禁忌文本信息推送至审核终端进行审核，并将所述审核终端对应反馈的药品禁忌数据确定为从所述禁忌文本信息中提取出的药品禁忌数据；

将所述药品禁忌数据中的限制对象与所述医疗数据进行匹配，以根据匹配结果确定所述处方数据的审核结果；

当所述审核结果为存在药品禁忌用药时，根据所述审核结果确定限制级别，并查询所述限制级别对应的处理策略参数；所述处理策略参数用于指示对所述处方数据进行拦截干预、提醒干预或提醒；

按照所述处理策略参数对所述处方数据进行处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检测预设触发条件；

根据所述预设触发条件查询符合预设条件的历史拦截数据；

根据所述历史拦截数据生成数据报表，将所述数据报表推送至相应终端。

3.根据权利要求1所述的方法，其特征在于，所述药品数据提取模型的训练步骤包括：

获取第一训练样本集；所述第一训练样本集包括目标禁忌文本信息，以及对所述目标禁忌文本信息进行人工标注得到的目标药品禁忌数据；

将所述目标禁忌文本信息作为输入特征，将所述目标药品禁忌数据作为期望的输出特征进行模型训练，得到已训练的药品数据提取模型。

4.根据权利要求3所述的方法，其特征在于，所述药品数据提取模型的优化步骤包括：

获取包括候选药品标识所对应的候选禁忌文本信息的优化样本集；

将所述候选禁忌文本信息输入所述药品数据提取模型进行预测，得到第二预测药品禁忌数据和第二置信度；

根据所述优化样本集中第二置信度大于或等于第二置信度阈值的第二预测药品禁忌数据和相应候选禁忌文本信息得到第二训练样本集；

基于所述第二训练样本集对所述药品数据提取模型进行优化训练，得到优化后的药品数据提取模型。

5.根据权利要求4所述的方法，其特征在于，所述药品数据提取模型的优化步骤还包括：

将所述优化样本集中第二置信度小于所述第二置信度阈值的候选禁忌文本信息推送至多个审核终端，并接收所述多个审核终端针对所述候选禁忌文本信息分别反馈的药品禁忌数据；

对接收的所述药品禁忌数据进行投票得到所述候选禁忌文本信息对应的标准药品禁忌数据；

根据所述候选禁忌文本信息和所述标准药品禁忌数据得到第三训练样本集；

基于所述第三训练样本集对所述药品数据提取模型进行优化训练，得到优化后的药品数据提取模型。

6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：

获取测试样本集；

基于所述测试样本集对优化后的所述药品数据提取模型进行测试，得到准确率和召回率；

当所述准确率和所述召回率符合指定条件时，停止迭代优化；

当所述准确率和所述召回率不符合指定条件时，继续迭代执行上述药品数据提取模型的优化步骤。