处方推荐方法、装置、电子设备及非易失性存储介质

本技术涉及智能推荐，具体而言，涉及一种处方推荐方法、装置、电子设备及非易失性存储介质。

背景技术：

1、中医理论的核心是辨证论治，由于疾病和证候的复杂多样，加之辨证论治的过程依赖于病人的主诉和医生的主观判断，中医诊断要求医生掌握更丰富的理论知识，拥有更广泛的临床经验。目前，相关技术中的中医处方推荐系统对医生的诊断和处方确定的帮助十分有限，主要原因在于相关技术中的处方推荐系统未引入医生的反馈结果，以及缺少对中医理论的引入，存在处方推荐准确度差的技术问题。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种处方推荐方法、装置、电子设备及非易失性存储介质，以至少解决由于相关技术中的处方推荐系统未引入医生的反馈结果，以及缺少对中医理论的引入，造成的处方推荐准确度差的技术问题。

2、根据本技术实施例的一个方面，提供了一种处方推荐方法，包括：通过目标处方生成模型对病历信息进行编解码处理，得到与病历信息对应的第一处方，其中，第一处方中至少包括多种目标药物；在第一处方中存在第一药物和第二药物的情况下，在第一处方中删除第一药物，得到第二处方，以及在第一处方中删除第二药物，得到第三处方，其中，第一药物和第二药物为属于同一预设药物对的药物，预设药物对中的药物为不能同时使用的药物；通过目标处方评价模型和病历信息，确定第二处方对应的第一评分和第三处方对应的第二评分，其中，目标处方评价模型为依据历史处方、与历史处方对应的病历信息、以及与历史处方对应的人工评分训练得到的评价模型；依据第一评分和第二评分，确定目标处方。

3、可选地，病历信息包括：个人信息和问诊信息，其中，个人信息中至少包括身份标识；第一处方中还包括各个目标药物对应的药物剂量；依据第一评分和第二评分，确定目标处方包括：在第一评分大于第二评分的情况下，将第二处方确定为候选处方，在第一评分不大于第二评分的情况下，将第三处方确定为候选处方；确定身份标识对应的禁忌药物和限制药物，其中，禁忌药物为身份标识的目标对象禁止使用的目标药物，限制药物为身份标识的目标对象使用时药物剂量不能超出对应剂量阈值的目标药物；在候选处方中存在身份标识对应的禁忌药物的情况下，在候选处方中删除禁忌药物，以及，在候选处方中存在限制药物并且限制药物的药物剂量超出对应的剂量阈值的情况下，在候选处方中将为身份标识的目标对象调整至剂量阈值以下，得到目标处方。

4、可选地，目标处方生成模型通过以下方式训练得到：获取历史处方，并对历史处方进行规范化；依据规范化后的历史处方，对初始处方生成模型中的目标参数进行训练，并在目标参数对应的第一似然函数值最大的情况下，将初始处方生成模型确定为第一处方生成模型；依据规范化后的历史处方，以及与历史处方对应的病历信息，对第一处方生成模型中的目标参数进行训练，并在第二似然函数值最大的情况下，将第一处方生成模型确定为第二处方生成模型，其中，第二似然函数值由第一似然函数值确定；依据第二处方生成模型和目标处方评价模型，确定目标处方生成模型。

5、可选地，依据第二处方生成模型和目标处方评价模型，确定目标处方生成模型包括：获取训练数据集中的历史病历信息；依据第二处方生成模型，确定与历史病历信息对应的第四处方；依据目标处方评价模型，确定第四处方对应的第三评分；依据第三评分对第二处方生成模型进行训练，得到目标处方生成模型。

6、可选地，目标处方评价模型通过以下方式训练得到：获取第四处方对应的人工评分，其中，人工评分是由目标对象依据第四处方，以及第四处方对应的历史病历信息确定后在前端交互界面输入；确定与第四处方，以及第四处方对应的历史病历信息对应的模型评分，其中，模型评分由初始处方评价模型依据第四处方，以及第四处方对应的历史病历信息确定；依据人工评分、模型评分和损失函数进行训练，得到目标处方评价模型。

7、可选地，对历史处方进行规范化包括：依据历史处方中各个目标药物对应的药物等级，将目标药物划分为四个子序列，其中，每个子序列对应一个药物等级，药物等级用于表征目标药物在历史处方中的重要程度，药物等级按照重要程度从大到小依次包括：第一等级、第二等级、第三等级和第四等级；在第一等级对应子序列的首位添加第一等级标识，得到第一子序列，在第二等级对应子序列的首位添加第二等级标识，得到第二子序列，在第三等级对应子序列的首位添加第三等级标识，得到第三子序列，在第四等级对应子序列的首位添加第四等级标识，得到第四子序列；将第一子序列、第二子序列、第三子序列和第四子序列串联，得到目标序列，并在目标序列的末尾添加结束标识。

8、可选地，通过目标处方生成模型对病历信息进行编解码处理，得到与病历信息对应的第一处方：将病历信息进行序列化，得到病历信息序列依据病历信息序列进行编解码处理，确定第一处方元素，其中，第一处方元素为紧邻病历信息序列末尾后的目标处方元素，目标处方元素包括：目标药物、标识元素，标识元素包括：第一等级标识、第二等级标识、第三等级标识、第四等级标识、以及结束标识；依据病历信息和第一处方元素进行编解码处理，确定第二处方元素，其中，第二处方元素为紧邻第一处方元素后的目标处方元素；重复上述确定目标处方元素的步骤，直至目标处方元素为结束标识，得到第一处方。

9、可选地，确定目标处方之后，方法还包括：依据目标处方中第一等级和第二等级的目标药物对应的药物名称，与预设处方库中历史处方中第一等级和第二等级的目标药物对应的药物名称进行比较，得到第一相似系数；依据目标处方中全部的目标药物对应的药物名称，与历史处方中全部的目标药物对应的药物名称进行比较，得到第二相似系数；依据第一相似系数和第二相似系数，确定目标相似度；将目标相似度大于预设相似度阈值的历史处方按照目标相似度从大到小的顺序排序后，发送至前端交互界面进行展示。

10、根据本技术实施例的另一个方面，还提供了一种处方推荐装置，包括：处方生成模块，用于通过目标处方生成模型对病历信息进行编解码处理，得到与病历信息对应的第一处方，其中，第一处方中至少包括多种目标药物；处方校验模块，用于在第一处方中存在第一药物和第二药物的情况下，在第一处方中删除第一药物，得到第二处方，以及在第一处方中删除第二药物，得到第三处方，其中，第一药物和第二药物为属于同一预设药物对的药物，预设药物对中的药物为不能同时使用的药物；处方评分模块，用于通过目标处方评价模型和病历信息，确定第二处方对应的第一评分和第三处方对应的第二评分，其中，目标处方评价模型为依据历史处方、与历史处方对应的病历信息、以及与历史处方对应的人工评分训练得到的评价模型；处方确定模块，用于依据第一评分和第二评分，确定目标处方。

11、根据本技术实施例的又一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行处方推荐方法。

12、根据本技术实施例的再一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的计算机程序，其中，非易失性存储介质所在设备通过运行计算机程序执行处方推荐方法。

13、在本技术实施例中，采用通过目标处方生成模型对病历信息进行编解码处理，得到与病历信息对应的第一处方，其中，第一处方中至少包括多种目标药物；在第一处方中存在第一药物和第二药物的情况下，在第一处方中删除第一药物，得到第二处方，以及在第一处方中删除第二药物，得到第三处方，其中，第一药物和第二药物为属于同一预设药物对的药物，预设药物对中的药物为不能同时使用的药物；通过目标处方评价模型和病历信息，确定第二处方对应的第一评分和第三处方对应的第二评分，其中，目标处方评价模型为依据历史处方、与历史处方对应的病历信息、以及与历史处方对应的人工评分训练得到的评价模型；依据第一评分和第二评分，确定目标处方的方式，通过在处方生成中引入了中医理论，君臣佐使的配方原则以及“十八反十九畏”的用药禁忌原则，以及使用了基于医生人工反馈的结果对处方推荐系统进行强化学习训练，达到了提高处方生成的质量，提升处方推荐准确度的目的，进而解决了由于相关技术中的处方推荐系统未引入医生的反馈结果，以及缺少对中医理论的引入，造成的处方推荐准确度差技术问题。