[发明专利]基于机器学习的药品质控分析方法、装置、设备及介质

权利要求书

1.一种基于机器学习的药品质控分析方法，其特征在于，包括：

获取患者病历中的疾病标识信息和药品标识信息，并分别确定所述疾病标识信息对应的疾病属性信息和所述药品标识信息对应的药品属性信息；

将所述疾病标识信息和所述药品标识信息输入至预设标识特征提取模型进行特征提取，得到所述疾病标识信息和所述药品标识信息共同对应的标识特征向量；

将所述疾病属性信息和所述药品属性信息特征输入至预设属性特征提取模型进行特征提取，得到所述疾病属性信息和所述药品属性信息共同对应的属性特征向量；

将所述标识特征向量和所述属性特征向量进行合并，得到合并后的特征向量；将合并后的特征向量输入至预设质控分析模型进行质控分析，得到所述患者病历中药品的质控分析结果。

2.根据权利要求1所述的方法，其特征在于，在所述分别确定所述疾病标识信息对应的疾病属性信息和所述药品标识信息对应的药品属性信息之后，所述方法还包括：

若所述预设标识特征提取模型不支持所述疾病标识信息或所述药品标识信息，则将所述疾病属性信息和所述药品属性信息输入至预设属性特征提取模型进行特征提取，得到所述疾病属性信息和所述药品属性信息共同对应的属性特征向量，并根据所述属性特征向量确定所述患者病历中药品的质控分析结果；

若所述预设标识特征提取模型支持所述疾病标识信息和所述药品标识信息，则触发所述将所述疾病标识信息和所述药品标识信息输入至预设标识特征提取模型进行特征提取，得到所述疾病标识信息和所述药品标识信息共同对应的标识特征向量的步骤。

3.根据权利要求1所述的方法，其特征在于，所述分别确定所述疾病标识信息对应的疾病属性信息和所述药品标识信息对应的药品属性信息，包括：

根据所述疾病标识信息查询预设结构化疾病属性表，确定所述疾病标识信息对应的疾病属性信息，所述预设结构化疾病属性表中存储有不同疾病标识信息及其对应的疾病属性信息；

根据所述药品标识信息查询预设结构化药品属性表，确定所述药品标识信息对应的药品属性信息，所述预设结构化药品属性表中存储有不同药品标识信息及其对应的药品属性信息。

4.根据权利要求1所述的方法，其特征在于，在所述获取患者病历中的疾病标识信息和药品标识信息之前，所述方法还包括：

获取各个历史患者病历中的历史疾病标识信息和历史药品标识信息，以及所述各个历史患者病历对应的质控分析结果；

分别确定所述历史疾病标识信息对应的历史疾病属性信息和所述历史药品标识信息对应的历史药品属性信息；

根据所述历史疾病标识信息、所述历史药品标识信息、所述历史疾病属性信息、所述历史药品属性信息和所述质控分析结果，确定样本训练集；

利用预设神经网络算法对所述样本训练集进行训练，构建所述预设标识特征提取模型、所述预设属性特征提取模型和所述预设质控分析模型。

5.根据权利要求4所述的方法，其特征在于，所述样本训练集包括第一样本训练集和第二样本训练集，所述根据所述历史疾病标识信息、所述历史药品标识信息、所述历史疾病属性信息、所述历史药品属性信息和所述质控分析结果，确定样本训练集，包括：

将所述历史疾病标识信息、所述历史药品标识信息、所述历史疾病属性信息、所述历史药品属性信息和所述质控分析结果作为第一样本训练集；

将所述历史疾病属性信息、所述历史药品属性信息和所述质控分析结果作为第二样本训练集；

所述利用预设神经网络算法对所述样本训练集进行训练，构建所述预设标识特征提取模型、所述预设属性特征提取模型和所述预设质控分析模型，包括：

利用预设神经网络算法对所述第一样本训练集进行训练，构建所述预设标识特征提取模型、初步属性特征提取模型和所述预设质控分析模型；

根据所述第二样本训练集对所述初步属性特征提取模型进行训练，构建所述预设属性特征提取模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，得到质控分析结果之后，所述方法还包括：

利用预设异常检测规则对所述疾病标识信息和所述药品标识信息进行异常检测，得到异常检测结果；

根据所述异常检测结果验证所述质控分析结果的准确性。