一种医疗大模型在中医药配伍禁忌的检测方法及系统与流程

本发明涉及数据处理，尤其涉及一种医疗模型、中医药配伍禁忌的方法及系统。

背景技术：

1、在现代医学领域，随着中医药的应用越来越广泛，因此，确保中医药的正确配伍和使用的安全性显得尤为重要。传统上，中医药的配伍禁忌主要依靠中医专家的经验和中医古籍中的记载进行判断，如《本草纲目》、《伤寒杂病论》等经典著作中有大量的配伍禁忌记录。然而，由于人体状况的复杂性和中医药药物作用的多样性，仅仅依靠传统的方法难以全面覆盖和预测所有的配伍禁忌情况。

2、随着人工智能技术的发展，尤其是大型医疗人工智能模型的发展，我们现在可以利用这些模型来辅助检测中医药的配伍禁忌。医疗大模型能够处理和分析大量的中医药数据，包括中医药药物成分、药效、药理作用、临床应用案例等，从而更准确地预测中医药药物之间的相互作用和的副作用。

3、现有的医疗大模型在中医药配伍禁忌的检测方法及系统通过建立数据库，进行数据的处理与分析，根据基于上述数据库和分析结果，开发一个医疗大模型，用于检测中药配伍禁忌，使用人工智能技术让系统更加智能的理解重要的药效，提高配伍禁忌监测点准确性实现。

4、例如公开号为：cn117273167a的专利申请公开的一种医疗模型的训练方法、医疗方法、装置、设备及存储介质，包括：一种医疗模型的训练方法，获取初始数据集，对所述初始数据集进行数据清洗以及观点整理，得到目标数据集，对于预先确定的不同医疗场景中的每个医疗场景，从所述目标数据集中确定该医疗场景对应的训练数据，利用确定的训练数据对初始医疗模型进行训练，得到该医疗场景对应的目标医疗模型。一种医疗方法，获取医疗信息，将所述医疗信息输入至预先训练的医疗模型中，输出得到医疗结果。一种医疗模型训练装置，通过不同模块配置确定的训练数据对医疗模型进行训练。

5、例如公开号为：cn111915000a的专利申请公开的一种用于医疗图像的网络模型的调整方法和装置，包括：利用训练样本训练神经网络模型，得到训练后的神经网络模型，其中该神经网络模型包括多层卷积结构和残差卷积层结构，通过对残差卷积层结构的下一层卷积结构进行检测，得到检测结果，并根据该检测结果调整该神经网络模型，可以在该神经网络模型的运行过程中实时对其进行调整，以提高该神经网络模型应对不同数据的准确性，从而提高了神经网络模型的检测精度和泛化性能。

6、但本技术在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

7、现有技术中，由于疾病的种类和数量的增加，加剧了中医药的需求，但中医药存在不同的药性药理，所以在配置中医药时要着重注意配伍禁忌存在难以提高医疗大模型在中医药的配伍禁忌的检测方法泛化性和准确性的问题。

技术实现思路

1、本技术实施例通过提供一种医疗大模型在中医药配伍禁忌的检测方法及系统，解决了现有技术中，在配置中医药时要着重注意配伍禁忌存在难以提高医疗大模型在中医药的配伍禁忌的检测方法泛化性和准确性的问题，实现了提高医疗大模型在中医药的配伍禁忌的检测方法泛化性和准确性的效果。

2、本技术实施例提供了一种医疗大模型在中医药配伍禁忌的检测方法，包括以下步骤：

3、采集中医药配伍禁忌信息，所述中医药配伍禁忌信息包括中医药药物属性数据、中医药药物相互作用数据和中医药药物剂量配比数据；

4、处理中医药配伍禁忌信息，得到中医药药物评估系数，通过综合评估得到中医药药物配伍禁忌评估系数；

5、将中医药药物配伍禁忌评估系数输入到医疗大模型中进行训练，得到中医药配伍禁忌医疗大模型；

6、对中医药配伍禁忌医疗大模型进行评估，设置一个允许阈值，所述训练后的中医药配伍禁忌医疗大模型的模型参数落在允许阈值内则中医药配伍禁忌医疗大模型训练完成。

7、进一步的，中医药药物配伍禁忌评估系数的具体分析过程为：通过中医药药物属性单元对中医药药物属性进行评估得到中医药药物属性评估系数，通过中医药药物相互作用单元对中医药药物的相互作用进行评估得到中医药药物相互作用评估系数，通过中医药药物剂量配比单元对中医药药物剂量配比进行评估得到中医药药物剂量配比评估系数，通过中医药配伍禁忌评估单元对中医药药物属性评估系数、中医药药物相互作用评估系数和中医药药物剂量配比评估系数三个方面进行约束得到中医药药物配伍禁忌评估系数。

8、进一步的，所述中医药药物属性评估系数的具体约束公式：

9、

10、式中，设置若干温度监测点，并将其依次编号，a0＝1,2,...,a，a0表示温度监测点的编号，a表示温度监测点的编号总数，ψ1表示中医药药物属性评估系数，用于评估中医药药物属性对中医药配伍禁忌的影响，表示第a0个温度监测点下的中医药药物高效液相色谱数据，eρ表示标准温度下的中医药药物高效液相色谱数据，表示第a0个温度监测点下的中医药药物气相色谱数据，fρ表示标准温度下的中医药药物气相色谱数据，表示第a0个温度监测点下的中医药药物质谱数据，gρ表示标准温度下的中医药药物质谱数据，β1表示中医药化学成分的权重因子，β2表示中医药生物活性的权重因子，β3表示中医药环境温度的权重因子，τ为中医药药物的衰变常数，s表示中医药药物的衰减系数。

11、进一步的，所述中医药药物相互作用评估系数的具体约束公式：

12、

13、式中，设置若干时间监测点，并将其依次编号，c0＝1,2,...,c，c0表示时间监测点的编号，c表示时间监测点的编号总数，设置若干浓度监测点，并将其依次编号，b0＝1,2,...,b，b0表示浓度监测点的编号，b表示浓度监测点的编号总数，ψ2表示中医药药物相互作用评估系数，用于评估中医药药物相互作用对中医药配伍禁忌的影响，表示第c0个时间监测点下的中医药药物有效成分数据，表示第c0个时间监测点下的中医药药物无效成分数据，表示第c0个时间监测点下的中医药药物杂质数据，表示第c0个时间监测点第b0个浓度监测点下的中医药药物溶解度数据，表示第c0个时间监测点第b0个浓度监测点下的中医药药物稳定性的数据，表示第c0个时间监测点第b0个浓度监测点下的中医药药物脂溶性的数据，表示第c0个时间监测点下的中医药药物的温度数据，t标表示标准情况下的中医药药物的温度数据。

14、进一步的，所述中医药药物剂量配比评估系数的具体约束公式：

15、

16、式中，设置若干浓度监测点，并将其依次编号，d0＝1,2,...,d，d0表示浓度监测点的编号，d表示浓度监测点的编号总数，ψ3表示中医药药物剂量配比评估系数，用于评估中医药药物剂量配比对中医药配伍禁忌的影响，表示第d0个浓度监测点下的中医药药材规格数据，表示第d0个浓度监测点下的中医药药物成品规格数据，表示第d0个浓度监测点下的中医药药物质量数据，表示第d0个浓度监测点下的中医药药物剂型数据，w表示用户的体重系数，x表示剂量的调整系数。

17、进一步的，所述中医药药物配伍禁忌评估系数的具体约束公式为：

18、

19、式中，ψ4表示中医药药物配伍禁忌评估系数，用于评估中医药药物属性、中医药药物相互作用和中医药药物剂量配比对中医药配伍禁忌的综合影响，ψ1表示中医药药物属性评估系数，ψ2表示中医药药物相互作用评估系数，ψ3表示中医药药物剂量配比评估系数，λ表示中医药配伍禁忌的权重因子。

20、进一步的，所述一种医疗大模型在中医药配伍禁忌的检测方法的模型训练过程为：通过中医药药物配伍禁忌评估系数对医疗大模型进行训练，根据损失函数不断修正得到中医药配伍禁忌医疗大模型,设置一个允许阈值，若中医药配伍禁忌医疗大模型的模型参数落在允许阈值内，则中医药配伍禁忌医疗大模型训练完成，再从数据集中提取测试集对中医药配伍禁忌医疗大模型进行测试修正，得更准确和泛化的成熟中医药配伍禁忌医疗大模型。

21、本技术实施例提供了一种医疗大模型在中医药配伍禁忌的检测系统，所述包括：

22、数据收集模块，用于采集中医药配伍禁忌信息，所述中医药配伍禁忌信息包括中医药药物属性数据、中医药药物相互作用数据和中医药药物剂量配比数据。

23、数据处理模块，用于处理中医药配伍禁忌信息，得到中医药药物评估系数，通过综合评估得到中医药药物配伍禁忌评估系数。

24、模型训练模块，用于将中医药药物配伍禁忌评估系数输入到医疗大模型中进行训练，得到中医药配伍禁忌医疗大模型。

25、模型评估模块，用于对中医药配伍禁忌医疗大模型进行评估，设置一个允许阈值，所述训练中医药配伍禁忌医疗大模型的模型参数落在允许阈值内则中医药配伍禁忌医疗大模型训练完成。

26、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

27、1、通过数据收集模块收集的中医药配伍禁忌信息数据，数据处理模块处理数据，从而计算得到中医药药物配伍禁忌评估系数，进而实现了能精准评估出中医药的中医药药物属性、相互作用和剂量评估的数据，有效解决了现有技术中，中医药配伍禁忌数据不够广泛化的问题。

28、2、通过模型训练模块根据中医药药物配伍禁忌评估系数对医疗大模型进行训练，在开始训练之前，为医疗大模型设置初始参数，将训练数据输入医疗大模型并通过医疗大模型前向传播，根据损失函数对医疗大模型的模型参数进行更新，重复进行上述步骤从而得到中医药配伍禁忌医疗大模型，进而填补了在中医药配伍禁忌方面的医疗大模型的空缺。

29、3、通过模型评估模块对中医药配伍禁忌医疗大模型进行评估是确保其性能满足特定任务需求的关键步骤，根据需求使用测试集来评估模型的性能，并根据评估结果调整模型的参数，从而得到成熟中医药配伍禁忌医疗大模型，进而实现了一种医疗大模型在中医药配伍禁忌的检测方法及系统的准确性。