一种在线医疗处方用药智能检查方法及系统

技术领域

本发明属于医疗保健学领域，具体的说是一种在线医疗处方用药智能检查方法及系统。

背景技术

患者在实体医院就诊过程中，医生与患者是面对面形式问诊，医生掌握患者的情况更加详细，医生开出的处方针对性更强；在取药阶段，患者需要到医院药房取药，药房的医生会对开出处方用药做出审核，保障患者用药的安全性。而在在线医疗问诊场景中，只能进行诊断、开处方，患者在取药环节有多项选择：可以通过互联网药房、实体药店等多种途径取药，从而缺少药房药剂医生对处方审核这一环节，导致患者用药风险提高，所以对在线医疗场景中处方用药检查尤为重要；

现有技术在进行用药检查时无法通过对患者的病情相似其他患者和病情的匹配情况进行分析，进而无法对医疗处方与患者病情进行匹配度的准确分析，降低了医疗处方的智能检查准确性，易发生开错药方导致患者发生意外的情况，现有技术中均存在上述问题（例如在授权公布号为CN113674858A和CN111128333A的发明专利中）；

为了解决这些问题，本申请设计了一种在线医疗处方用药智能检查方法及系统。

发明内容

针对现有技术的不足，本发明提出了一种在线医疗处方用药智能检查方法及系统，本发明获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据，获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析，根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析，通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析，根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警，通过对患者的病情相似其他患者和病情的匹配情况进行分析，对医疗处方与患者病情进行匹配度的准确分析，提高了医疗处方的智能检查准确性，避免了发生开错药方导致患者发生意外的情况。

为实现上述目的，本发明提供如下技术方案：一种在线医疗处方用药智能检查方法，其包括以下具体步骤：

获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据；

获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析；

根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析；

通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析；

根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警。

在此需要具体说明的是，所述获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据包括以下具体步骤：

S11、获取需要进行核对的医疗处方数据，同时获取患者的病情数据，所述医疗处方数据包括药物种类和含量数据，其中，患者的病情数据为患者的患处信息和患者的身体体质信息，在此需要说明的是，身体体质信息包括就诊过程中患者的血压、体温、肥胖程度和心率信息，患者的患处信息包括患处的位置和患处的病症数据，在此需要说明的是，这里的患处的位置按照身体构造划分，具体划分为：四肢、头部、五官和心脏等，这里的病症数据为病症面积和病症表现，病症表现例如：溃疡、脓包和伤口等；

S12、同时从历史患者用药数据库中获取使用医疗处方的其他患者病情变化数据，其中患者病情变化数据为患者服用定量药物后的身体体质信息变化数据和使用医疗处方的其他患者的开药时的病情数据。

在此需要具体说明的是，所述获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析包括以下具体内容：

S21、获取患者的患处信息和患者的身体体质信息，同时获取使用医疗处方的其他患者的开药时的患处信息和身体体质信息；

S22、将患者患处信息和其他患者的开药时的患处信息代入患处信息分析系数计算公式中计算患处信息分析系数，其中，患者和第z个其他患者的开药时的患处信息分析系数计算公式为：

S23、将患者的身体体质信息和使用医疗处方的其他患者的开药时的身体体质信息代入身体体质分析系数计算公式中计算身体体质分析系数，其中，患者和使用医疗处方的第z个其他患者的身体体质分析系数计算公式为：

S24、将计算得到的身体体质分析系数与设定的身体体质占比相乘得到第一乘积，将得到的患处信息分析系数与设定的患处信息占比相乘得到第二乘积，将得到的第一乘积与第二乘积相加得到病情相似分析值；

在此需要说明的是，这里的患处信息占比和身体体质占比相加值为1。

在此需要具体说明的是，所述根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析包括如下具体步骤：

S31、获取历史使用该处方一个周期后的其他患者的病情变化数据；

S32、将获取的历史使用该处方一个周期后的其他患者的病情变化数据代入病情变化数据分析值计算公式中计算病情变化数据分析系数，其中，第z个其他患者的病情变化数据分析系数计算公式为：

在此需要具体说明的是，所述通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析包括如下具体步骤：

S41、获取病情相似分析值大于等于设定的病情相似分析阈值的对应历史使用该处方的其他患者，设为相似患者，获取相似患者的病情相似分析值和病情变化数据分析系数；

S42、将相似患者的病情相似分析值和病情变化数据分析系数代入处方匹配值计算公式中进行处方匹配值的计算，其中处方匹配值计算公式为：

此需要具体说明的是，所述根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警的具体内容如下：

将计算得到的处方匹配值与设定的处方匹配阈值进行对比，若得到的处方匹配值大于等于设定的处方匹配阈值，则说明医疗处方与患者病情匹配，若得到的处方匹配值小于设定的处方匹配阈值，则说明医疗处方与患者病情不匹配，向医护人员发布医疗处方与患者病情不匹配预警。

在此需要说明的是，这里的第i个身体体质信息的占比系数、身体体质占比、患处信息占比、病情相似分析阈值和处方匹配阈值的取值方式为：获取至少五千组医疗处方开错和开对数据、患者的病情数据、历史使用该处方的其他患者的病情变化数据，将患者的病情数据和历史使用该处方的其他患者的病情变化数据代入处方匹配值计算公式中计算处方匹配值，将计算得到的处方匹配值和医疗处方开错判断结果导入拟合软件中，输出符合最高判断准确度的第i个身体体质信息的占比系数、身体体质占比、患处信息占比、病情相似分析阈值和处方匹配阈值的取值。

一种在线医疗处方用药智能检查系统，其基于上述一种在线医疗处方用药智能检查方法实现，其具体包括：

数据获取模块，用于获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据；

病情相似分析模块，用于获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析；

治疗效果分析模块，用于根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析；

匹配分析模块，用于通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析；

医疗处方异常预警模块，用于根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警；

控制模块，用于控制数据获取模块、病情相似分析模块、治疗效果分析模块、匹配分析模块和医疗处方异常预警模块的运行。

一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种在线医疗处方用药智能检查方法。

一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种在线医疗处方用药智能检查方法。

与现有技术相比，本发明的有益效果是：

本发明获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据，获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析，根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析，通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析，根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警，通过对患者的病情相似其他患者和病情的匹配情况进行分析，对医疗处方与患者病情进行匹配度的准确分析，提高了医疗处方的智能检查准确性，避免了发生开错药方导致患者发生意外的情况。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明一种在线医疗处方用药智能检查方法整体流程示意图；

图2为本发明一种在线医疗处方用药智能检查方法中获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析步骤流程示意图；

图3为本发明一种在线医疗处方用药智能检查系统整体框架示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。

实施例1

请参阅图1-图2，本发明提供的一种实施例：本实施例解决的技术问题为：现有技术在进行用药检查时无法通过对患者的病情相似其他患者和病情的匹配情况进行分析，进而无法对医疗处方与患者病情进行匹配度的准确分析，降低了医疗处方的智能检查准确性，易发生开错药方导致患者发生意外的情况；

一种在线医疗处方用药智能检查方法，其包括以下具体步骤：

获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据；

在此具体说明本步骤：S11、获取需要进行核对的医疗处方数据，同时获取患者的病情数据，医疗处方数据包括药物种类和含量数据，其中，患者的病情数据为患者的患处信息和患者的身体体质信息，在此需要说明的是，身体体质信息包括就诊过程中患者的血压、体温、肥胖程度和心率信息，患者的患处信息包括患处的位置和患处的病症数据，在此需要说明的是，这里的患处的位置按照身体构造划分，具体划分为：四肢、头部、五官和心脏等，这里的病症数据为病症面积和病症表现，病症表现例如：溃疡、脓包和伤口等；

在此需要说明的是，这里的获取病人信息只在医院内部系统中计算使用，外部人员不通过黑客入侵等方式无法获取，同时也不涉及任何名称等信息，因此不需要考虑其隐私问题；

在此通过代码实现上述步骤：

# 获取医疗处方数据

def get_medical_prescription_data(patient_id):

# 从医疗系统中获取医疗处方数据

prescription_data = medical_system.get_prescription_data(patient_id)

return prescription_data

# 获取患者的病情数据

def get_patient_health_data(patient_id):

# 从健康档案系统中获取患者的病情数据

health_data = health_records_system.get_health_data(patient_id)

return health_data

# 主程序

if __name__ == "__main__":

patient_id = "12345"

# 获取医疗处方数据

prescription_data = get_medical_prescription_data(patient_id)

drugs = prescription_data.get("drugs")

# 获取患者的病情数据

patient_health_data = get_patient_health_data(patient_id)

condition = patient_health_data.get("condition")

body_physique = patient_health_data.get("body_physique")

# 打印获取的数据

print("药物种类和含量数据：", drugs)

print("患处信息：", condition)

print("身体体质信息：", body_physique)

S12、同时从历史患者用药数据库中获取使用医疗处方的其他患者病情变化数据，其中患者病情变化数据为患者服用定量药物后的身体体质信息变化数据和使用医疗处方的其他患者的开药时的病情数据；

获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析；

在此具体说明本步骤：S21、获取患者的患处信息和患者的身体体质信息，同时获取使用医疗处方的其他患者的开药时的患处信息和身体体质信息；

S22、将患者患处信息和其他患者的开药时的患处信息代入患处信息分析系数计算公式中计算患处信息分析系数，其中，患者和第z个其他患者的开药时的患处信息分析系数计算公式为：

S23、将患者的身体体质信息和使用医疗处方的其他患者的开药时的身体体质信息代入身体体质分析系数计算公式中计算身体体质分析系数，其中，患者和使用医疗处方的第z个其他患者的身体体质分析系数计算公式为：

S24、将计算得到的身体体质分析系数与设定的身体体质占比相乘得到第一乘积，将得到的患处信息分析系数与设定的患处信息占比相乘得到第二乘积，将得到的第一乘积与第二乘积相加得到病情相似分析值；

在此需要说明的是，这里的患处信息占比和身体体质占比相加值为1；

根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析；

在此具体说明本步骤：S31、获取历史使用该处方一个周期后的其他患者的病情变化数据；

S32、将获取的历史使用该处方一个周期后的其他患者的病情变化数据代入病情变化数据分析值计算公式中计算病情变化数据分析系数，其中，第z个其他患者的病情变化数据分析系数计算公式为：

通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析；

在此具体说明本步骤：S41、获取病情相似分析值大于等于设定的病情相似分析阈值的对应历史使用该处方的其他患者，设为相似患者，获取相似患者的病情相似分析值和病情变化数据分析系数；

S42、将相似患者的病情相似分析值和病情变化数据分析系数代入处方匹配值计算公式中进行处方匹配值的计算，其中处方匹配值计算公式为：

根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警；

在此具体说明本步骤：

将计算得到的处方匹配值与设定的处方匹配阈值进行对比，若得到的处方匹配值大于等于设定的处方匹配阈值，则说明医疗处方与患者病情匹配，若得到的处方匹配值小于设定的处方匹配阈值，则说明医疗处方与患者病情不匹配，向医护人员发布医疗处方与患者病情不匹配预警。

在此需要说明的是，这里的第i个身体体质信息的占比系数、身体体质占比、患处信息占比、病情相似分析阈值和处方匹配阈值的取值方式为：获取至少五千组医疗处方开错和开对数据、患者的病情数据、历史使用该处方的其他患者的病情变化数据，将患者的病情数据和历史使用该处方的其他患者的病情变化数据代入处方匹配值计算公式中计算处方匹配值，将计算得到的处方匹配值和医疗处方开错判断结果导入拟合软件中，输出符合最高判断准确度的第i个身体体质信息的占比系数、身体体质占比、患处信息占比、病情相似分析阈值和处方匹配阈值的取值；

在此需要说明的是，本实施例实现的技术效果相对于现有技术的好处为：获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据，获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析，根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析，通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析，根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警，通过对患者的病情相似其他患者和病情的匹配情况进行分析，对医疗处方与患者病情进行匹配度的准确分析，提高了医疗处方的智能检查准确性，避免了发生开错药方导致患者发生意外的情况。

实施例2

如图3所示，一种在线医疗处方用药智能检查系统，其基于上述一种在线医疗处方用药智能检查方法实现，其具体包括： 数据获取模块，用于获取医疗处方数据，同时获取患者的病情数据，获取历史使用该处方的其他患者的病情变化数据；

病情相似分析模块，用于获取患者的病情数据和历史使用该处方的其他患者的病情变化数据进行患者的病情相似分析；

治疗效果分析模块，用于根据历史使用该处方的其他患者的病情变化数据对处方进行治疗效果分析；

匹配分析模块，用于通过得到病情相似分析结果和治疗效果分析结果进行医疗处方与患者病情的匹配分析；

医疗处方异常预警模块，用于根据分析得到的医疗处方与患者病情的匹配分析结果进行医疗处方异常预警；

控制模块，用于控制数据获取模块、病情相似分析模块、治疗效果分析模块、匹配分析模块和医疗处方异常预警模块的运行。

实施例3

本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；

处理器通过调用存储器中存储的计算机程序，执行上述的一种在线医疗处方用药智能检查方法。

该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种在线医疗处方用药智能检查方法。

实施例4

本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；

当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种在线医疗处方用药智能检查方法。

例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。