基于NLP的处方药物依从性管理方法及管理系统与流程

本发明涉及医疗健康系统领域，特别涉及一种基于nlp的处方药物依从性管理方法及管理系统。

背景技术：

患者的药物依从性问题一直以来是全世界医疗领域的难题。“药物依从性”是指患者用药与医生的处方和医嘱的一致性，而从药物治疗的角度，药物依从性是指患者对药物治疗方案的执行程度。药物依从性直接关系到疾病治疗的效果，如降血糖药物、抗凝血药物等，漏服或者重复服药都有可能造成严重的，甚至危及患者生命的反应。但目前我国的药物依从性现状堪忧，患者药依从性差的主要原因有以下几个：

第一、记忆力减退：大部分需要长期持续服药的慢性病患者为老年人，记忆力减退情况显著，因此易发生漏服或重复服药的情况；

第二、生活不规律：中年和青少年患者多由于工作和学习压力大、生活不规律等原因造成用药的不依从性，特别是一些特殊职业者，如常出差的人员、野外工作人员、驾驶员和学生等，由于生活环境经常改变、学习或工作压力大、繁忙，非常容易忘记按时服药；

第三、治疗期望值过高：由于患者感觉非常痛苦，对药物的治疗的期望就非常高，要求药物治疗效果快速，为此，某些患者擅自增加药物剂量、增加服用次数，或者增加治疗药物的品种，结果造成药物不良反应的增加甚至造成严重不良反应事件；

第四、医学知识和意识不足：患者对医学知识不了解，道听途说或片面理解说明书中的药物副作用，因此对服用、注射药物存在抗拒心理，尤其对药物副作用有过度的担忧，导致患者不遵从医生处方和医嘱进行药物治疗，擅自停药或减少剂量；

第五、医务人员缺少与患者的有效沟通：由于医护人员、专业药师人力缺乏的客观情况，与患者缺乏有效的沟通，未能让患者清楚用药方案。特别是药师，长期以来都把主要的工作目标定位于为患者提供安全、有效、准确、无误的药品，不注重提供药物相关信息，缺乏对患者的用药指导。处方管理办法规定，向患者交付药品时，按照药品说明书或处方用法，进行用药交待与指导，包括每种药品的用法、用量、注意事项等。但是在实际工作中，药师仅关注药物是否正确发放，常忽视用药交待，从而影响了患者药物依从性。

综上所述，影响药物依从性的因素众多，涉及患者、医务人员、社会、家庭等各方面。而针对这一问题，传统的解决方案是依靠医生、护士、药师对患者进行处方和医嘱的讲解，并通过定期人工电话沟通或患者到院复诊的方式了解药物依从性，并对不依从的患者进行教育和干预。但这种方式对于人力要求极高，在人力严重缺乏的现实环境中很难大范围应用。

技术实现要素：

为了解决现有技术的问题，本发明提供了一种基于nlp的处方药物依从性管理方法及管理系统，本发明通过基于自然语言的语义搜索，帮助业务人员，快速从数据仓库的海量数据准确定位要找的信息，技术方案如下：

一方面，本发明提供了一种基于nlp的处方药物依从性管理方法，包括：

s1、获取患者的用户信息以及处方和/或医嘱信息；

s2、根据患者的用户信息，向患者发起人工智能电话；

s3、响应于患者接通所述人工智能电话，询问患者是否依从处方和/或医嘱治疗，若是，则执行s4；

s4、询问患者是否有药物不良反应，若否，则执行s5；

s5、在达到预设的时间后，重复执行s2-s3。

进一步地，s4中询问患者是否有药物不良反应，若是，则执行s6；

s6、评估是否需要干预或调整处方，若否，则执行s5，评估过程包括：患者提出与药物不良反应相关的症状说明，则评估结果为需要干预或调整处方，否则评估结果为不需要干预或调整处方。

进一步地，s6中评估是否需要干预或调整处方，若是，则执行s7；

s7、向主治医生发生提醒消息，所述提醒消息包括患者身份、处方和/或医嘱信息、患者提出的药物不良反应的症状说明以及患者依从处方和/或医嘱治疗情况。

进一步地，s3中询问患者是否依从处方和/或医嘱治疗，若否，则执行s8和s9；

s8、询问患者不依从处方和/或医嘱治疗的原因；

s9、获取患者的反馈，判断所述患者的反馈是否可解答，若不可解答，则执行s6；判断所述患者的反馈是否可解答过程包括：分析患者是否提出与治疗方案相关的说明，若是，则判断所述患者的反馈不可解答。

进一步地，s9中判断所述患者的反馈是否可解答，若可解答，则执行s10和s11；

s10、在预建立的知识库中获取与所述患者的反馈相匹配的解答；

s11、询问患者是否接受解答，若接收，则执行s6。

进一步地，s11中询问患者是否接受解答，若不接收，则执行s8和s9。

进一步地，s1中获取患者的用户信息以及处方和/或医嘱信息之前还包括：

在系统数据库中预录入患者的用户信息及该患者的处方和/或医嘱信息，所述患者的用户信息包括联系电话。

进一步地，在执行s5之前还包括：生成患者治疗情况记录。

另一方面，本发明还提供了一种基于nlp的处方药物依从性管理系统，包括服务器、数据库、集成有包括自然语言处理模块、知识库模块的人工智能电话模块，其中，所述数据库、人工智能电话模块均与服务器连接；

所述数据库用于建立医疗档案，包括患者的用户信息以及该患者的处方和/或医嘱信息；

所述知识库用于建立问题库，所述问题库包括与反馈问题相匹配的解答；

所述自然语言处理模块用于在向患者发起的人工智能电话通话中，以自然语言处理技术分析识别患者的反馈语义。

进一步地，所述系统还包括与服务器通信连接的一个或多个医生客户端。

本发明提供的技术方案带来的有益效果如下：

a.采用主动语音呼叫技术，对于患者及其联系人主动进行语音呼叫，对于治疗配合度低的患者管理效果更好；

b.基于自然语言处理的系统，可以大规模的收集并解析患者的反馈，通过分析，可以明确知道影响患者治疗依从性的关键原因及因素，使得医生可以针对性的进行干预或治疗方案调整；

c.基于自然语言处理的系统，与患者或其联系人进行语音交互，对反馈进行解析，对问题进行筛选，并生成报告发送给主治医生，替代现有技术解决方案依靠人力进行的方式，显著提高效率降低成本；

d.基于自然语言处理的系统，患者或其联系人不需要学习如何操作，不需要额外购买设备等，和现有解决方案相比，使用门槛低，更便于推广普及。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于nlp的处方药物依从性管理方法的流程图；

图2是本发明实施例提供的基于nlp的处方药物依从性管理系统的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本发明的一个实施例中，提供了一种基于nlp的处方药物依从性管理方法，参见图1，所述方法包括以下流程：

s1、获取患者的用户信息以及处方和/或医嘱信息。

本发明的药物治疗依从性管理方法/系统的基础是患者的主治医生开具的处方和/或医嘱。处方和医嘱一般包括：药物名称(包括药物的通用名或商品名)、药物使用方法(如药物的使用周期、使用剂量、给药途径(口服、注射、外用等等))、药物使用的注意事项(如药物可能的副作用，药物与其他药物的联用禁忌等等)、生活方式及注意事项(如限制盐的摄入量、糖的摄入量等，如戒烟、戒酒等，如定期运动等)及其它处方和医嘱中所列出的需要患者执行的行为。

获取处方和/或医嘱的方式如下：由患者在系统中自行输入其主治医生为其开具的处方和/或医嘱，或者由医生本人或授权护士等其他人员在系统中输入其为自己诊疗过的患者开具的处方和/或医嘱，优选地，在系统数据库中预录入患者的用户信息及该患者的处方和/或医嘱信息，所述患者的用户信息包括联系电话，然后由数据库中直接导出患者的处方和/或医嘱。

s2、根据患者的用户信息，向患者发起人工智能电话。

在获取到患者的处方或医嘱后，系统呼叫患者或其联系人电话，通过人工智能自然语言处理技术，实现计算机和患者的语音沟通交互，询问患者或其联系人问题，并根据患者或其联系人的语音反馈，记录反馈内容，并进行语音反馈。现有技术中，有采用微信/app等互联网应用进行消息提醒，但这种方式需要在微信或app设置服药提醒，由患者或家属登记患者的服药时间点和服药周期，软件程序按照设定的服药时间进行闹钟、微信、app信息或短信提醒服药，而由于老年患者使用智能手机比率低，很多老人不会使用，学习困难，使用门槛高，并且包括设置服药提醒在内的行为仍然依靠患者自觉，如果患者不会或不愿设置，仍然无法有效达到管理药物依从性的目标。

s3、响应于患者接通所述人工智能电话，询问患者是否依从处方和/或医嘱治疗，若是，则执行s4，若否，则执行s8和s9。

具体地，询问患者是否依从处方和/或医嘱治疗包括：

根据处方和/或医嘱询问是否使用处方或医嘱中开具的药物；

根据处方和/或医嘱询问使用药物的周期\剂量\方法是否和处方或医嘱一致；

根据处方和/或医嘱询问在使用药物期间，是否同时使用其他药物；

根据处方和/或医嘱询问是否按照处方和/或医嘱进行饮食控制，运动康复等。

如果患者未按照处方和/或医嘱中某一条或几条，则进入s8，若完全遵守处方和/或医嘱，则进入s4。

s4、询问患者是否有药物不良反应，若否，则执行s5，若是，则执行s6。

具体地，询问患者是否有因药物引起的不良反应，在询问过程中可参考药物说明书中的常见不良反应进行例举。

s5、在达到预设的时间后，重复执行s2-s3。

如对于治疗依从性较好，没有反馈可能的不良反应，能够按照处方和/或医嘱执行的患者，按照预先设定的间隔时间，再次进入s2，定期使用人工智能电话呼叫患者，具体的再次电话沟通的周期根据患者疾病、质量方案、患者本人或主治医生的要求进行设定及调整。

s6、评估是否需要干预或调整处方，若是，则执行s7，若否，则执行s5。

根据患者或其联系人在之前步骤中的语音反馈，系统进行语音解析，根据反馈的内容，对照患者的处方和/或医嘱，以及患者是否反馈了可能的不良反应，判断其治疗依从性或其治疗方案是否需要医生进行干预或调整，判断标准包括以下:

询问患者本人是否按照处方和/或医嘱执行治疗方案和生活方式，如是否按时使用药物，患者本人是否提出与处方和/或医嘱相关的问题，如服药后的不适等，若患者提出与药物不良反应相关的症状说明(患者主动提出药物不良反应的说明，是得到需要干预的评估结果的主要依据)，则评估结果为需要干预或调整处方，否则评估结果为不需要干预或调整处方。

s7、向主治医生发生提醒消息，所述提醒消息包括患者身份、处方和/或医嘱信息、患者提出的药物不良反应的症状说明以及患者依从处方和/或医嘱治疗情况。

经过s6，系统判断该患者治疗依从性需要主治医生进行干预的，则系统记录患者或其联系人的反馈，生成重点关注提醒报告(电子文档)，发送给系统中记录的该患者的主治医生。

s8、询问患者不依从处方和/或医嘱治疗的原因。

具体地，系统通过语音询问患者或其联系人未执行处方或医嘱的原因。

s9、获取患者的反馈，判断所述患者的反馈是否可解答，若不可解答，则执行s6，若可解答，则执行s10和s11。

系统语音询问后，记录并解析患者或其联系人的语音反馈，判断该反馈是否可由系统解答或给予指导，判断的标准如下：

判断所述患者的反馈是否可解答过程包括：分析患者的反馈是否与患者的主观意愿相关，如不想吃药、不愿意限制盐或糖的摄入等，则判断患者或其联系人的反馈是系统可以进行解答的，则进入s10。反之，分析患者是否提出与治疗方案相关的说明，即是否与疾病诊断与治疗方案本身相关，如可能的药物不良反应、治疗方案无效、疾病进展或发生其他症状等，若是，则判断所述患者的反馈不可解答，则进入s6。

s10、在预建立的知识库中获取与所述患者的反馈相匹配的解答。

如经s9判断是可以有系统解答的，进入步骤10，系统根据患者或其联系人的反馈，进行语音的提醒、教育及问题解答，完毕后进入步骤11。

s11、询问患者是否接受解答，若接收，则执行s6，若不接收，则执行s8和s9。

在本发明的一个优选实施例中，在执行s5之前还包括：生成患者治疗情况记录，具体地，记录电话语音沟通的时间及内容，沟通内容以电子文本形式记录在系统内，生成该患者的治疗依从性记录。

另一方面，本发明还提供了一种基于nlp的处方药物依从性管理系统，参见图2，该系统包括服务器、数据库、集成有包括自然语言处理模块、知识库模块的人工智能电话模块，其中，所述数据库、人工智能电话模块均与服务器连接；

所述数据库用于建立医疗档案，包括患者的用户信息以及该患者的处方和/或医嘱信息；

所述知识库用于建立问题库，所述问题库包括与反馈问题相匹配的解答；

所述自然语言处理模块用于在向患者发起的人工智能电话通话中，以自然语言处理技术分析识别患者的反馈语义。

优选地，所述系统还包括与服务器通信连接的一个或多个医生客户端。

本发明实施例提供的基于nlp的处方药物依从性管理系统，其运作过程参见上述实施例提供的基于nlp的处方药物依从性管理方法，在此系统实施例中对其运作过程不再赘述。

本发明基于成熟的nlp技术，向患者主动发起药物依从性询问电话，不限于智能手机客户端，通过与患者或其联系人进行语音交互，对反馈进行解析，对问题进行筛选，并生成报告发送给主治医生，缓解了医疗人力资源的紧缺压力，有利于提高患者药物依从性，从而改善药物治疗效果。

显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。