[发明专利]药物信息推送方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种药物信息推送方法、装置、计算机设备及存储介质，该方法适用于数字医疗领域，包括：获取目标用户的目标用户属性信息，将目标用户属性信息输入药物奖励预测模型；通过药物奖励预测模型输出目标用户在各药物作用下的各第一目标奖励参数和各第二目标奖励参数；基于目标用户的各第一目标奖励参数和/或目标用户的各第二目标奖励参数，确定目标用户在各药物作用下的各用户奖励参数；从各用户奖励参数中确定出最大用户奖励参数，并将具有最大用户奖励参数的目标药物的药物信息输出至用户界面，以向目标用户展示目标药物。采用本申请实施例，可增强药物奖励预测模型的可扩展性，从而提高了药物信息推送的精准度。

技术领域

本申请涉及计算机技术领域，尤其涉及一种药物信息推送方法、装置、计算机设备及存储介质。

背景技术

目前，运用深度强化学习(deep reinforcement learning，DRL)模型可解决越来越多的实际问题。在运行DRL模型时，可将患者的样本数据输入DRL模型以输出一个Q值(value)，这里的Q值可用于评估不同行动(action，如医生的开药方案)的预期奖励(reward，如药物的影响程度)。由于DRL模型往往会考虑短期结局和长期结局且DRL模型只有一个回传因子，因此Q值会同时评估短期结局的预期奖励和长期结局的预期奖励，从而会导致长期结局的预期奖励和短期结局的预期奖励的本质相同。然而，由于长期结局和短期结局具有本质差异，该本质差异主要体现在长期结局和短期结局的行动距离不同(如短期结局主要受最近时间的药物影响，长期结局主要受更久时间之前的药物影响)，因此导致了DRL模型的可扩展性差。

发明内容

本申请实施例提供一种药物信息推送方法、装置、计算机设备及存储介质，可增强药物奖励预测模型的可扩展性，从而提高了药物信息推送的精准度。

第一方面，本申请提供了一种药物信息推送方法，该方法包括：

获取目标用户的目标用户属性信息，将目标用户属性信息输入药物奖励预测模型，目标用户属性信息包括人口统计学信息、针对目标疾病用药的健康指标以及历史用药信息中的至少一种；

通过药物奖励预测模型输出目标用户在各药物作用下的各第一目标奖励参数和各第二目标奖励参数，其中，药物奖励预测模型包括第一网络参数和第二网络参数，第一网络参数用于确定具有任一用户属性信息的任一用户在各种药物作用下的第一奖励参数，第二网络参数用于确定任一用户在各种药物作用下的第二奖励参数，任一用户在一种药物作用下对应一个第一奖励参数和一个第二奖励参数，第一奖励参数对应的药物作用时长大于第二奖励参数对应的药物作用时长；

基于目标用户的各第一目标奖励参数和/或目标用户的各第二目标奖励参数，确定目标用户在各药物作用下的各用户奖励参数，其中，目标用户在一种药物作用下对应一个用户奖励参数；

从各用户奖励参数中确定出最大用户奖励参数，并将具有最大用户奖励参数的目标药物的药物信息输出至用户界面，以向目标用户展示目标药物。

结合第一方面，在一种可能的实施方式中，方法还包括：

获取至少两个用户的样本数据，一个用户的样本数据包括用户的用户属性信息和样本药物信息；

获取各用户在样本药物信息所指示的样本药物作用下的各第一样本奖励参数和各第二样本奖励参数，并将至少两个用户的样本数据、各第一样本奖励参数以及各第二样本奖励参数输入药物奖励预测模型；

基于至少两个用户的用户属性信息、各第一样本奖励参数以及各第二样本奖励参数训练药物奖励预测模型的第一网络参数和第二网络参数，以获取基于任一用户的用户属性信息预测任一用户在各药物作用下的第一奖励参数和第二奖励参数的能力。

结合第一方面，在一种可能的实施方式中，第一网络参数包括第一模型参数和第一回传参数，第二网络参数包括第二模型参数和第二回传参数；