[发明专利]药品预测方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种药品预测方法、装置、设备及存储介质，用于解决现有技术中药品预测方法对药品进行预测时准确度较低的技术问题。该方法包括：获取经授权的历史问诊数据中的多条历史问诊记录，并提取其中的第一问诊特征；统计各第一问诊特征对应的历史问诊记录的数量，并生成每种第一问诊特征在历史问诊数据中的分布数据；对历史问诊数据进行清洗，根据分布数据组成的问诊数据训练集对预置的深度学习工具进行训练得到药品预测模型；基于药品预测请求获取问诊信息文本，根据问诊信息文本提取第二问诊特征后输入药品预测模型中进行预测，得到药品预测结果。此外，本发明还涉及区块链技术，药品预测的相关信息可存储于区块链中。

技术领域

本发明涉及人工智能领域，尤其涉及一种药品预测方法、装置、设备及存储介质。

背景技术

患者就诊时，医生需通过患者的病情描述以及检验结果对病情进行综合判断，并根据判断结果对患者的用药进行选择；随着人工智能领域的技术发展，在各行各业中逐渐采用人工智能辅助或替代人们做一些简单的工作，例如：根据问诊信息进行药品预测，医生或患者可以基于预测的结果进行药品选择。

但是，现有药品预测方法中需要进行数据的学习训练，而在目前的学习训练过程中，对于训练数据集的清洗并没有考虑到原本的数据集中的问诊数据具有一定的规律性和特殊性，而是直接对数据集中的问诊数据进行清洗，使得在数据处理的过程中一定程度上破坏了数据集的规律性和特殊性，从而使得训练得出的药品预测模型推荐不准确，进一步导致药品预测的准确度降低。

发明内容

本发明的主要目的在于解决现有技术中药品预测方法预测的准确度较低的技术问题。

本发明第一方面提供了一种药品预测方法，包括：获取经授权的历史问诊数据，并提取所述历史问诊数据中的所有第一问诊特征，其中，所述历史问诊数据包括多条历史问诊记录；根据所述第一问诊特征对所述历史问诊数据中的历史问诊记录进行统计，得到各第一问诊特征对应的历史问诊记录的数量，并基于所述数量生成对应的第一问诊特征在所述历史问诊数据中的分布数据；对各第一问诊特征对应的历史问诊记录进行清洗，并将清洗后的历史问诊记录与其对应的分布数据形成问诊数据训练集；根据所述问诊数据训练集对预置的深度学习工具进行训练，得到药品预测模型；在接收到药品预测请求后，获取与所述药品预测请求对应的问诊信息文本，并提取所述问诊信息文本中的第二问诊特征；将所述第二问诊特征输入所述药品预测模型中进行药品预测，得到所述第二问诊特征对应的药品预测结果。

可选的，在本发明第一方面的第一种实现方式中，所述获取经授权的历史问诊数据，并提取所述历史问诊数据中的所有第一问诊特征包括：获取经授权的历史问诊数据中的多条历史问诊记录，对所述历史问诊记录进行格式转换，得到历史问诊字符串数据；提取所述历史问诊字符串数据中的问诊信息特征以及使用药品信息，并计算所述问诊信息特征与所述使用药品信息之间的相关系数；筛选出相关系数满足预设相关系数条件的问诊信息特征，得到第一问诊特征。

可选的，在本发明第一方面的第二种实现方式中，所述筛选出相关系数满足预设相关系数条件的问诊信息特征，得到第一问诊特征包括：将所述相关系数按相关系数值由高到低进行排序，得到相关系数序列；在所述相关系数序列中按相关系数的排序，顺序筛选出多个问诊信息特征，将所述筛选出的问诊信息特征作为第一问诊特征。

可选的，在本发明第一方面的第三种实现方式中，所述根据所述第一问诊特征对所述历史问诊数据中的历史问诊记录进行统计，得到各第一问诊特征对应的历史问诊记录的数量，并基于所述数量生成对应的第一问诊特征在所述历史问诊数据中的分布数据包括：根据所述使用药品信息对所述历史问诊记录进行分类，得到分类问诊记录集；调用主成分分析法对所述分类问诊记录集中的第一问诊特征进行分析，得到所述分类问诊记录集相关性最大的第一问诊特征，并将所述相关性最大的第一问诊特征标记为所述分类问诊记录相关的主要特征；基于所述历史问诊记录中含有每种所述主要特征的历史问诊记录的数量生成第一问诊特征在所述历史问诊数据中的分布数据。