一种智能处方生成装置和智能处方生成系统的制作方法

1.本发明涉及疾病管理系统领域。更具体地，涉及一种智能处方生成装置和智能处方生成系统。


背景技术：

2.相关技术中，基于互联网的线上医疗进入医生和患者的生活，医生入驻互联网医院平台，利用碎片化的时间，为患者提供线上线上医疗服务。通常情况下，患者提交问诊时，会录入病情描述，附带上传历史病历等材料供医生确认患者病情。为了更充分的了解患者病情，往往医生要花费大量时间查看病历资料，与患者图文或视频沟通聊天，才能得出准确的诊断结论。而到了开处方的时候，医生需要挨个检索药品进行处方录入。因此，完成一次线上诊断，需要花费大量的时间，无论是对于医生还是患者，线上诊疗的效率低下，既不能给患者带来优质的就医体验，也不能方便快捷的开展线上诊疗服务。


技术实现要素：

3.本发明的目的在于提供一种智能处方生成装置和智能处方生成系统，以解决现有技术存在的问题中的至少一个。
4.为达到上述目的，本发明采用下述技术方案：
5.本发明第一方面提供一种智能处方生成装置，包括：
6.数据获取模块，用于获取目标患者上传的症状数据；
7.数据分析模块，用于根据所述症状数据确定所述目标患者的体质证型和症状；
8.处方匹配模块，用于在预设的药品处方库中选择与所述体质证型和症状类型对应的药品处方；
9.处方调整模块，用于对所述药品处方进行调整从而得到对应于所述目标患者的智能处方。
10.进一步的，所述症状数据包括文字形症状数据以及图片形症状数据，
11.所述文字形症状数据包括目标患者基于预设的诊断问题填写的文字内容以及数字分值；
12.所述图片形症状数据为目标患者上传的诊断部位图片，
13.其中，所述诊断问题根据所述目标患者的填写的文字内容不断更新。
14.进一步的，所述数据分析模块包括：
15.症状提取单元，用于基于自然语言处理技术从所述文字形症状数据中的文字内容以及所述诊断问题中提取所述目标患者的填写的症状关键词；
16.分值计算单元，用于根据所述文字形症状数据中的数字分值以及所述诊断问题中得到诊断分值；
17.图片症状确认单元，用于将所述诊断部位图片输入到训练的神经网络诊断模型中得到图片症状；
18.症状确认单元，用于根据所述诊断分值和所述症状关键词确定所述体质证型，根据所述症状关键词和所述诊断问题中确定伴随体质，根据所述体质证型和所述症状关键词确定所述目标患者的主治症状，所述主治症状和所述诊断分值以及和所述体质证型之间的相关性大于所述伴随体质和所述诊断分值以及和所述体质证型之间的相关性。
19.进一步的，所述处方匹配模块包括：
20.体质证型处方单元，用于根据所述体质证型从所述药品处方库中匹配体质证型处方；
21.主治症状处方单元，用于根据所述主治症状从所述药品处方库中匹配主治症状处方；
22.伴随体质处方单元，用于根据所述伴随体质从所述药品处方库中匹配伴随体质处方；
23.图片症状处方单元，用于根据所述图片症状从所述药品处方库中匹配图片症状处方。
24.进一步的，处方调整模块包括自动调整单元，用于识别所述体质证型处方、主治症状处方、伴随体质处方以及图片症状处方中的重复药品，将各个处方中的不良匹配项进行调整，以及根据所述目标患者填写的症状数据调整各个处方中的药品的类型和各个处方中的药品的剂量。
25.进一步的，所述处方调整模块还包括手动调整单元，用于根据所述数据分析模块确定的体质证型和症状对所述自动调整单元调整的处方进行修改，以及根据所述目标患者填写的症状数据和所述调整的处方修改药品的类型和剂量。
26.进一步的，所述智能处方生成装置还包括权限选择模块，用于响应于操作指令开启所述装置，以接收所述数据获取模块传输的症状数据、数据分析模块输出的所述体质证型和症状、所述处方匹配模块输出的所述药品处方，从而进行所述药品处方的调整。
27.进一步的，所述神经网络诊断模型包括
28.特征提取网络，用于通过多个卷积层对所述诊断部位图片进行特征提取，得到所述诊断部位图片的特征图像；
29.池化层，用于压缩所述特征图像；
30.全连接层，用于对压缩的所述特征图像进行分类并输出所述症状图片。
31.进一步的，所述药品处方库包括中医传承知识库系统、现代中医知识与实践数据库、中医机器人诊疗病例数据库、中医诊疗机器人自学习系统数据库以及历史处方数据在一个可选的实施例中，所述药品处方库包括中医传承知识库系统、现代中医知识与实践数据库、中医机器人诊疗病例数据库、中医诊疗机器人自学习系统数据库以及历史处方数据库；
32.或者
33.所述诊断部位图片包括目标患者拍摄的照片或者检测机构的检测图片。
34.本发明第二方面提供一种智能处方生成系统，包括：
35.至少一个本发明第一方面的智能处方生成装置，以及
36.服务器，用于存储智能处方生成装置的各项数据，并利用所述症状数据和智能处方更新所述药品处方库。
37.本发明的有益效果如下：
38.本发明实施例的智能处方装置，利用互联网技术对目标患者提供智能处方，通过数据获取模块接收的目标患者上传的症状数据，数据分析模块对症状数据进行分析确定体质证型和症状，处方匹配模块和处方调整模块根据体质证型和症状能够实现处方的智能匹配和调整，有效提高处方匹配性和处方生成效率。
附图说明
39.下面结合附图对本发明的具体实施方式作进一步详细的说明。
40.图1示出本发明一个实施例的智能处方生成装置的结构示意图；
41.图2示出本发明一个实施例的诊断问题的示意图；
42.图3示出本发明一个实施例的数据分析模块的结构示意图；
43.图4示出本发明一个实施例的处方匹配模块的结构示意图；
44.图5示出本发明一个实施例的处方调整模块的结构示意图；
45.图6示出本发明一个实施例的智能处方生成装置的结构示意图。
具体实施方式
46.为了更清楚地说明本发明，下面结合实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
47.本发明的第一个实施例提出一种智能处方生成装置，如图1所示，包括：
48.数据获取模块，用于获取目标患者上传的症状数据；
49.数据分析模块，用于根据所述症状数据确定所述目标患者的体质证型和症状；
50.处方匹配模块，用于在预设的药品处方库中选择与所述体质证型和症状类型对应的药品处方；
51.处方调整模块，用于对所述药品处方进行调整从而得到对应于所述目标患者的智能处方。
52.本发明实施例的智能处方装置，利用互联网技术对目标患者提供智能处方，通过数据获取模块接收的目标患者上传的症状数据，数据分析模块对症状数据进行分析确定体质证型和症状，处方匹配模块和处方调整模块根据体质证型和症状能够实现处方的智能匹配和调整，提高处方匹配性和处方生成效率。本发明实施例的智能处方生成装置能够便捷高效的生成智能处方，极大的缩短了医患沟通的时间，提高了问诊效率，可最大化的利用有限医疗资源的时间，为更多患者提供线上诊疗服务。
53.在一个可选的实施例中，所述症状数据包括文字形症状数据以及图片形症状数据，
54.如图2所示，所述文字形症状数据包括目标患者基于预设的诊断问题填写的文字内容以及数字分值，所述诊断问题根据所述目标患者的填写的文字内容不断更新。示例性的，文字内容包括记录信息，例如时间、姓名、性别、年龄、体重、编号等用于记录的内容。在另一个示例中，文字内容还包括预防信息，例如患者是否存在既往病史、既往手术史、过敏信息以及耐受信息等预防性文字内容，避免所提供的处方对用户有影响。在另一个具体示
例中，文字内容还包括辅助诊断信息，例如用户通过文字所描述的自身症状等直观的文字内容。
55.在一个具体示例中，目标患者面对的诊断问题如图2所示，诊断问题包括计分型的诊断问题，以及语句型诊断问题，对于不同类型的诊断问题，用户根据对应规则填写从而生成文字症状数据，示例性的，对于计分型的诊断问题，例如：“您的bmi指数＝体重(kg)/身高2(m)]在哪一范围？bmi＜24计1分，24≤bmi＜25计2分，25≤bmi＜26计3分，26≤bmi＜28计4分，bmi≥28计5分”。目标患者根据自身情况选择对应的bmi并进行计分。在一个具体示例中，分值数表示诊断问题对目标患者的影响程度，例如，分值越高，目标患者在该诊断问题的表现越差，又或者，分值越低，目标患者在该诊断问题的表现越差，又或者，诊断问题中的部分问题是反向计分，另一部分的问题是正向计分，保证目标患者答题时不会因为题目过多而混乱答复，从而确保诊断问题的准确性。
56.本实施例中，诊断问题为根据“参考国家基本公共卫生服务规范(第三版)”确定的，其包括33个诊断问题，如图2所示，示出了其中13个诊断问题。在一些具体示例中，该版本的33个诊断问题还包括：(14)您容易患感冒吗？(15)您没有感冒时也会鼻塞、流鼻涕吗？(16)您有口粘口腻，或睡眠打鼾吗？(17)您容易过敏(对药物、食物、气味、花粉或在季节交替、气候变化时)吗？(18)您的皮肤容易起荨麻疹吗？(包括风团、风疹块、风疙瘩)(19)您的皮肤在不知不觉中会出现青紫瘀斑、皮下出血吗？(指皮肤在没有外伤的情况下出现青一块紫一块的情况)(20)您的皮肤一抓就红，并出现抓痕吗？(指被指甲或钝物划过后皮肤的反应)(21)您皮肤或口唇干吗？(22)您有肢体麻木或固定部位疼痛的感觉吗？(23)您面部或鼻部有油腻感或者油亮发光吗？(指脸上或鼻子)(24)您面色或目眶晦黯，或出现褐色斑块/斑点吗？(25)您有皮肤湿疹、疮疖吗？(26)您感到口干咽燥、总想喝水吗？(27)您感到口苦或嘴里有异味吗？(指口苦或口臭)(28)您腹部肥大吗？(指腹部脂肪肥厚)(29)您吃(喝)凉的东西会感到不舒服或者怕吃(喝)凉的东西吗？(指不喜欢吃凉的食物，或吃了凉的食物后会不舒服)(30)您有大便黏滞不爽、解不尽的感觉吗？(大便容易粘在马桶或便坑壁上)(31)您容易大便干燥吗？(32)您舌苔厚腻或有舌苔厚厚的感觉吗？(33)您舌下静脉瘀紫或增粗吗？基于这些诊断问题，可通过最后得分判断目标患者的体质证型。
57.本实施例中，所述诊断问题根据所述目标患者的填写的文字内容不断更新，例如初始版本的诊断问题包括33题，随着获取的文字症状数据的样本增加，诊断问题的数量根据目标患者填写的文字内容而增加，示例性的，在文字症状数据中基于自然语言提取技术提取每一文字症状数据的症状关键词，根据症状关键词的出现频率生成新的诊断问题。
58.本发明实施例中，所述图片形症状数据为目标患者上传的诊断部位图片，在一个可选的实施例中，所述诊断部位图片包括目标患者拍摄的照片或者检测机构的检测图片。本实施例中，通过图片形症状数据作为智能处方生成装置的辅助手段，当诊断部位图片为目标患者自己拍摄的病症图片时，例如舌苔图片，眼耳口鼻图片等能够用于中医诊断的面部图片，又或者伤情图片，例如腿部伤口；当诊断部位图片为目标患者之前的诊断图片，例如医院对患者的检测报告，或者医院提供的心电图、ct图等检测图片，通过将图片形症状数据进一步提高诊断准确性和处方生成效率。
59.在一个可选的实施例中，如图3所示，所述数据分析模块包括症状提取单元、分值计算单元、图片症状确认单元以及症状确认单元。
60.本实施例中，症状提取单元，用于基于自然语言处理技术从所述文字形症状数据中的文字内容以及所述诊断问题中提取所述目标患者的填写的症状关键词。示例性的，若诊断问题包括语句型诊断问题，例如，目标患者对于自己病症的自述，例如“睡一觉后觉得咽喉肿痛，心跳加速”等关于症状描述的词语，则提取“咽喉肿痛”“心跳加速”作为症状关键词。
61.分值计算单元用于根据所述文字形症状数据中的数字分值以及所述诊断问题中得到诊断分值。例如，目标患者通过对如图2所示的多个诊断问题进行计分，最后确定计分值。
62.图片症状确认单元用于将所述诊断部位图片输入到训练的神经网络诊断模型中得到图片症状。本实施例中，通过已经训练好的神经网络诊断模型能够对输入的诊断部位图片进行确认，神经网络诊断模型的输出为图片症状。示例性的，患者上传的诊断部位图片为舌苔图片，通过神经网络诊断模型确定舌苔的症状包括：第一舌苔症状，表现为舌淡红、苔薄白，对应于平和质；第二舌苔症状，表现为舌色淡红，舌体胖大，嫩边有齿痕，对应于气虚质；第三舌苔症状：舌色淡，舌体胖大，嫩边有齿痕，舌苔润，对应于阳虚质；第四舌苔症状：舌红，少津，少苔，对应于阴虚质；第五舌苔症状：舌体胖大，舌苔白腻，对应于痰湿质；第六舌苔症状：舌质偏红，舌苔黄腻，对应于湿热质，第七舌苔症状：口唇黯淡或紫、舌质黯有点、片状瘀斑、舌下静脉曲张，对应于血瘀质，第八舌苔症状：舌淡红或偏暗、苔薄白或偏干、白腻，对应于气郁质；第九舌苔症状：形式多样，可见深大裂纹、花剥苔，对应于特禀质，本实施例通过舌苔图片作为诊断部位图片进一步提高智能处方的准确性和提高诊断效率。
63.症状确认单元，用于根据所述诊断分值和所述症状关键词确定所述体质证型，根据所述症状关键词和所述诊断问题确定伴随体质，其中，所述主治症状和所述诊断分值以及和所述体质证型之间的相关性大于所述伴随体质和所述诊断分值以及和所述体质证型之间的相关性。
64.在一个具体示例中，体质证型和伴随体质包括9项，例如平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质等九个类型，根据分值排序以及分值阈值确定。
65.在一个具体示例中，基于前述的“国家基本公共卫生服务规范(第三版)”诊断问题，计分后患者的诊断得分为：气虚质15分，阳虚质10分，平和质8分，阴虚质5分，痰湿质4分，湿热质6分，血瘀质7分，气郁质2分，特禀质2分。
66.在一个可选的实施例中，当每一体质的诊断得分满足预设分值时，则该满足预设分值的诊断得分对应的体质为体质证型。也就是说，本技术实施例的症状确认单元还用于判断每一体质证型的诊断得分是否满足预设分值，满足第一预设分值的体质为体质证型，满足第二预设分值的体质为伴随体质，第一预设分值大于第二预设分值，以第一预设分值优先第二预设分值的顺序确定体质证型和伴随体质。
67.在一个具体示例中，第一预设分值为11分，第二预设分值为9～10分，则当气虚质的得分大于等于11分时，气虚质为目标患者的体质证型，满足第二预设分值的体质的阳虚质为伴随体质。
68.在一个具体示例中，症状确认单元还用于进行以下的判断：基于前述的“国家基本公共卫生服务规范(第三版)”诊断问题，当对应于平和质的诊断问题的诊断得分和≥17分，
同时其他8种体质的每一体质的诊断得分都≤8分时，则目标患者的体质证型为平和质。
69.在另一个具体示例中，症状确认单元还用于进行以下的判断：基于前述的“国家基本公共卫生服务规范(第三版)”诊断问题，当对应于平和质的诊断问题的诊断得分和≥17分，同时其他8种体质的每一体质的诊断得分都≤10分时，则目标患者的伴随体质是平和质。
70.示例性的，症状确认单元还用于在上述判断条件均不符合时进行标识，以供医生在设备端生成特例化的智能处方。
71.在一个具体示例中，当出现两种及以上满足第一预设分值的诊断得分，则以诊断得分高的体质作为体质证型。
72.在另一个具体示例中，当体质的诊断得分一致时，则症状确认单元在上述判断条件均不符合时进行标识，以供医生在设备端生成特例化的智能处方。
73.在另一个具体示例中，如果出现既是阴虚又是阳虚这样的矛盾体质判定结果，则症状确认单元在上述判断条件均不符合时进行标识，以供医生在设备端生成特例化的智能处方。
74.本发明实施例的症状确认单元根据诊断得分进行体质判断，能够对目标患者的体质证型和伴随体质进行准确地判断，且整个过程快捷高效。
75.值得说明的是，本发明实施例不限制仅以“国家基本公共卫生服务规范(第三版)”为诊断问题，即，本发明实施例可采用不同的体质辨识诊断问题以及设置不同的预设分值，从而实现根据诊断问题的得分判断体质的目的。
76.本实施例中，症状确认单元还根据所述体质证型和所述症状关键词确定所述目标患者的主治症状，示例性的，基于前述可知，在获取的文字形症状数据中，可通过关键字提取的方式从患者自述的文字内容中得到患者当前的症状，并且根据体质证型能够得到当前体质下，患者存在的体质症状，从而确定患者的主治症状。本实施例中，还通过患者上传的诊断部位图片作为症状图片进一步明确患者的症状。因此，通过多种方式对患者的症状进行诊断，提高准确性。
77.在一个可选的实施例中，如图4所示，所述处方匹配模块包括：
78.体质证型处方单元，用于根据所述体质证型从所述药品处方库中匹配体质证型处方；
79.主治症状处方单元，用于根据所述主治症状从所述药品处方库中匹配主治症状处方；
80.伴随体质处方单元，用于根据所述伴随体质从所述药品处方库中匹配伴随体质处方；
81.图片症状处方单元，用于根据所述图片症状从所述药品处方库中匹配图片症状处方。
82.在一个可选的实施例中，所述药品处方库包括中医传承知识库系统、现代中医知识与实践数据库、中医机器人诊疗病例数据库、中医诊疗机器人自学习系统数据库以及历史处方数据库，通过多个数据库确保药品处方的准确性。
83.在一个可选的实施例中，如图5所示，所述处方调整模块包括自动调整单元，用于识别所述体质证型处方、主治症状处方、伴随体质处方以及图片症状处方中的重复药品，将
各个处方中的不良匹配项进行调整，以及根据所述目标患者填写的症状数据调整各个处方中的药品的类型和各个处方中的药品的剂量。
84.在一个具体示例中，所述自动调整单元所遵循的调整原则是：相生相克规则、药物治疗加减规则、中药组方的药性平衡原则、治疗进程的用药规则以及五运六气的量化规则。
85.在一个具体示例中，当体质证型处方、主治症状处方、伴随体质处方以及图片症状处方中存在相同的药品时，优先按照图片症状处方、伴随体质处方、主治症状处方以及体质证型处方的顺序剔除相同的药品。也就是说，本发明实施例的药品处方的优先级顺序为
86.在另一个具体示例中，体质证型处方、主治症状处方、伴随体质处方以及图片症状处方，即体质证型处方为最接近目标患者的药品处方，以主治症状处方为第二级的药品处方，伴随体质处方和图片症状处方为辅助处方，可优先选择从伴随体质处方和图片症状处方中的药品进行调整。
87.在一个具体示例中，本发明实施例的智能调整包括：
①
自动去除重复的药品，
②
根据匹配配伍禁忌规则库，调整药品，
③
根据其他的一些规则(如：性别、身高、体重、是否手术、预防等)自动调整药品及剂量，从而得到智能处方。示例性的，基于前述的调整原则对药品进行调整。
88.在一个具体示例中，去除重复以及根据禁忌匹配规则进行药品调整时可直接对药品处方进行调整，而关于
③
的其他规则进行调整时，可通过目标患者所填写的文字形症状数据进行调整，示例性的，若目标患者对黄芪过敏，可在诊断问题中填写，自动调整单元根据目标患者填写的内容将药品处方中的黄芪删除。
89.在一个可选的实施例中，如图5所示，所述智能处方生成装置还包括手动调整单元，用于根据所述数据分析模块确定的体质证型和症状对所述自动调整单元调整的处方进行修改，以及根据所述目标患者填写的症状数据和所述调整的处方修改药品的类型和剂量。
90.基于前述实施例的自动调整单元进行药品调整的基础上，本发明实施例的药品处方还要进行人工调整，药品处方上传至医生端的界面，医生根据自动调整单元的药品处方以及前述的其他单元的分析进行调整，对药品处方进行人工校验，判断前述数据分析模块所判断的体质证型、主治症状、伴随症状、图片症状是否准确，并根据前述数据分析模块分析的内容以及目标患者上传的症状数据进一步调整和确认处方，例如调整处方，删除药品，添加药品，调整剂量等，通过以上实施步骤，医生能够快速了解病情，自动生成处方，仅需要与患者简单的沟通交流即可完成看诊，在保证智能处方的准确性的基础上，有效提高了在线诊疗的效率。
91.在一个可选的实施例中，如图6所示，所述智能处方生成装置还包括权限选择模块，用于响应于操作指令开启所述装置，以接收所述数据获取模块传输的症状数据、数据分析模块输出的所述体质证型和症状、所述处方匹配模块输出的所述药品处方，从而进行所述药品处方的调整。
92.本发明实施例的智能处方装置可安装于医生的设备端，医生能够自主选择是否开启该智能处方生成装置，当医生不在工作时间或者不在设备端时，可通过显示界面输入操作指令，例如点击操作开启权限选择模块，权限选择模块使得智能处方生成装置处于开启或者关闭的状态，使得医生具有开通智能处方的权限，充分利用医生的时间，提高线上智能
处方的效率和智能处方的准确性。
93.在一个可选的实施例中，所述神经网络诊断模型包括：
94.特征提取网络，用于通过多个卷积层对所述诊断部位图片进行特征提取，得到所述诊断部位图片的特征图像；
95.池化层，用于压缩所述特征图像；
96.全连接层，用于对压缩的所述特征图像进行分类并输出所述症状图片。
97.示例性的，诊断部位图片、症状图片和智能处方形成对应关系，本实施例利用该对应关系以及诊断部位图片作为训练集，并利用另一部分的诊断部位图片作为测试集对神经网络模型进行训练和测试，从而得到本实施例的能够对诊断部位图片进行识别的神经网络诊断模型。
98.本发明实施例的智能处方装置，利用互联网技术对目标患者提供智能处方，在患者线上问诊填写各项症状数据后，通过数据获取模块接收的目标患者上传的症状数据，数据分析模块对症状数据进行分析确定体质证型和症状，处方匹配模块根据体质证型和症状能够实现处方的智能匹配，得到对应的药品处方，处方调整模块对药品处方根据目标患者的体质证型和症状进行药品的调整，得到完整且准确的智能处方，提高处方匹配性和处方生成效率。
99.本发明实施例的智能处方生成装置能够便捷高效的生成智能处方，极大的缩短了医患沟通的时间，提高了问诊效率，可最大化的利用有限医疗资源的时间，为更多患者提供线上诊疗服务。本发明另一个实施例还提出一种智能处方生成系统，包括：
100.本发明上述实施例的智能处方生成装置，以及
101.服务器，用于存储智能处方生成装置的各项数据，并利用所述症状数据和智能处方更新所述药品处方库。
102.示例性的，智能处方装置集成于医生的设备端，最大化利用医生的碎片时间为患者提高就诊效率。服务器用于实现服务器和智能处方生成装置之间的数据交互和存储，以确保智能处方装置的处理效率。
103.值得说明的是，本发明实施例的智能处方生成系统的具体实施例可参见前述实施例的智能处方生成装置，在此不再赘述。
104.在本发明的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
105.显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于本领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。