[发明专利]基于机器学习和知识图谱的处方推荐方法和系统

权利要求书

1.一种基于机器学习和知识图谱的处方推荐方法，其特征在于，包括以下步骤：

获取诊断信息并进行解析，得到一条或多条诊断明细，包括患者信息、医生信息及疾病诊断；

将所述诊断明细输入预先构建的机器学习模型进行推理，得到针对所述诊断明细的初始推荐列表，所述预先构建的机器学习模型包括基于协同过滤的推荐模型、基于知识的推荐模型和基于神经网络的推荐模型，分别通过协同过滤算法、基于知识的推荐算法和神经网络学习算法进行训练，得到这三个基础推荐模型；所述初始推荐列表的获得方法为：将诊断明细信息分别输入三个基础推荐模型，得到各自推荐的处方药品，去掉重复项并根据预测的采纳概率排序，得到初始推荐列表；

根据所述初始推荐列表中包含的药品信息，从药品知识图谱中获取与所述药品相关联的关系图网络，所述从药品知识图谱中获取与所述药品相关联的关系图网络包括：获取初始推荐列表，对每一处方提取包含的所有药品，根据药品名称在知识图谱中获取该药品对应实体的记录，以及与该药品相关联的实体及关系集合，即药品的适应症、药品所属、药物相互作用、禁忌症属性的集合，如果同一处方的多种药品可以通过相互作用关联起来，则形成一个连通的图谱子集并说明子集内的药品存在相互作用关系，否则说明该处方的药品不存在相互作用；

根据所述关系图网络筛选并排除禁忌药品后给出最终推荐列表；

其中，所述协同过滤算法进行原始模型的训练包括：

S21、将患者基本信息中性别、诊断时的年龄、是否怀孕的字段值映射到16位数的空间作为患者指纹，并使用“与”关系计算患者的相对距离；

S22、按照患者指纹、处方药品、疾病诊断三元组的方式对数据进行整理，计算患者基本情况与疾病诊断的评分数据，然后以评分数据作为衡量患者疾病之间相似程度的指标，通过距离计算方法得到患者相似矩阵；其中，所述患者基本情况与疾病诊断的评分数据的计算步骤为：

a)读取存储的患者指纹、处方药品、疾病诊断三元组数据；

b)启动归并过程，提取处方药品编号作为主键，患者与疾病诊断作为值，将存储中具有相同处方药品编号的数据按照处方药品、疾病诊断、患者指纹序列对的格式进行归并；

c)对同一主键的数据进行归并操作，并输出最终结果，该结果以处方药品编号为主键，患者指纹、疾病诊断序列对为值，并保存在数据库中，作为处方药品评分数据。

2.根据权利要求1所述的处方推荐方法，其特征在于，所述患者相似矩阵计算的步骤为：

a)读取本地存储的患者指纹与疾病诊断的评分数据；

b)以患者指纹对为主键，患者指纹与疾病诊断的评分对为值进行数据的重新整理，计算患者指纹之间患者与疾病诊断的评分距离，输出主键为患者指纹对，值为两两患者指纹对于相同疾病诊断的评分距离；

c)启动归并过程，将相同患者指纹对的数据进行合并，得到两个患者指纹所有相同疾病诊断评分的距离值，归并结果的主键为待治疗患者，值为已治疗患者和其与待治疗患者之间的评分距离，保存归并结果，作为患者相似矩阵数据。

3.根据权利要求1所述的处方推荐方法，其特征在于，所述基于知识的推荐算法进行原始模型的训练包括：根据最新的临床指南和专家共识，形成固定的诊断ICD10编码与处方的推荐关系。