一种药品进院遴选管理系统

本技术涉及医疗辅助系统，具体涉及一种药品进院遴选管理系统。

背景技术：

1、随着医学的进步和发展，不断涌现的新药对提高疾病治疗成效存在重要意义。同时，新药的进院遴选作为医疗机构改善和提高医疗水平的一项重要配套措施，如何对药品进行全面、科学和客观的综合评价成为亟需解决的重点和难点问题。新药遴选评价相较于药品质量评价而言，新药遴选评价需要关注的标准数量更多，除了药品本身对适应症的治疗效果、不良反应等以外，还需要从药品的经济性、可替代性和安全性等方面进行综合考量。同时，不同的医疗机构由于自身的专科优势、经费预算和组织结构等方面存在差异，在进行新药进院遴选的评价方法和标准上也存在差异，难以找到通用有效的新药遴选体系。

2、目前，传统的新药进院遴选工作主要采取专家打分方法，虽然由于其权威性导致在药品质量评价过程中具有良好表现，但是此评价方法一方面带有强烈主观意识和一定的主观随机性，另一方面难以根据医疗机构的实际诊疗需求从药品的经济性、可替代性和安全性等方面进行综合打分，同时还受到医疗机构自身组织结构的限制，对于医疗机构的专家人数有要求，医疗机构专家人数越少，专家打分结果中包含的个人主观因素越多，不利于新药进院遴选的长期运行。

3、专利号为cn201810496481.8的基于循证医学原理的新药进院遴选方法在新药遴选中根据临床需求因素、治疗风险及受益因素、药品品种合理性以及操作便利性因素进行评估打分，根据打分与各因素对应的权重系数进行加权后与阈值进行比较，从而将新药进行分类为不考虑、待权衡区和优先考虑区，最终选择优先考虑区对应的新药作为新药引进目录。此方法提出了多个评价标准以及评价标准之间通过权重系数进行加权计算，但是并未涉及利用现代计算机技术对药品的各项标准进行评估，也未对各评价标准的评分标准进行进一步限制。

技术实现思路

1、本发明的目的在于解决难以在药品进院时进行多维度的综合评估的技术问题，提供了一种药品进院遴选管理系统，利用计算机系统获取目标药品的第一药品信息，对评估标准进行获取和配置，根据第一药品信息对目标药品按照每一评估标准进行打分，得到第一评估结果，通过对于第一评估结果和第一预设阈值，判断目标药品是否通过第一次遴选评估，对通过第一次遴选评估的目标药品进行第二次遴选评估，根据目标药品的第二药品信息按照每一评估标准进行打分，得到第二评估结果。将药品的基础信息、说明书信息和实际使用数据相结合进行进院遴选评估，在通过系统评估实现评估自动化的同时，更加符合医疗机构的实际需求。

2、本发明请求保护一种药品进院遴选管理系统，包括第一获取模块、第一查询模块、第二获取模块、第一评估模块、第三获取模块和第二评估模块；

3、其中，所述第一获取模块用于获取目标药品的第一药品信息，所述第一药品信息为所述目标药品的基础信息，包括通用名称、批准文号、价格和说明书信息；

4、其中，所述第一查询模块用于根据所述第一药品信息对第一数据库进行查询以判断所述目标药品是否属于第一参考药品，所述第一参考药品为医疗机构现存临床用药，若所述目标药品不属于所述第一参考药品，则将所述第一药品信息发送给所述第一评估模块；

5、其中，所述第二获取模块用于获取和配置所述第一评估模块和所述第二评估模块对所述目标药品进行评估的评估标准；

6、其中，所述第一评估模块用于根据所述第一药品信息，分别按照每一所述评估标准对所述目标药品进行评估打分，得到所述评估标准对应的评估子结果，根据所有所述评估子结果计算得到第一评估结果；若所述第一评估结果大于第一预设阈值，则所述目标药品的遴选结果为通过，若所述第一评估结果不大于所述第一预设阈值，则所述目标药品的遴选结果为不通过；

7、其中，所述第三获取模块用于获取遴选结果为通过的所述目标药品的第二药品信息，所述第二药品信息为所述目标药品在预设时间段中的使用信息，包括使用频次、异常事件的严重程度和异常事件发生频次；

8、其中，所述第二评估模块用于根据所述第一药品信息，分别按照所述评估标准对所述目标药品进行评估打分，得到所述评估标准对应的所述评估子结果，根据所有所述评估子结果计算得到第二评估结果；若所述第二评估结果大于第二预设阈值，则所述目标药品的遴选结果为通过，若所述第二评估结果不大于第二预设阈值，则所述目标药品的遴选结果为不通过。

9、在本技术一实施例中，所述第一评估模块预设有第一子模块，所述第一子模块用于对所述目标药品进行预设证据的量化评估，所述第一子模块根据所述第一药品信息对第二数据库进行查询以得到对应的第一评估子结果；

10、其中，所述预设证据包括国内外指南推荐用药名录、随机对照研究数据、真实世界研究数据、国家标准、挂网类别以及生产企业的行业排名。

11、在本技术一实施例中，所述第一评估模块预设有第二子模块，所述第二子模块用于根据所述目标药品与所述第一参考药品的相似度进行评估，所述第二子模块根据所述第一药品信息对第三数据库进行匹配，得到所述相似度最大值对应的第二参考药品，所述第二子模块根据所述相似度最大值进行评估打分，所述相似度最大值越大的所述目标药品对应采用分值越小的第二评估子结果。

12、在本技术一实施例中，所述第二子模块设置有第一标准，所述第一标准包括成分相似度、适应症相似度和药理相似度；

13、所述第二子模块根据所述第一药品信息对所述第三数据库进行匹配，分别计算所述目标药品与每一所述第一参考药品的药品成分的所述成分相似度，分别计算所述目标药品与每一所述第一参考药品的药品适应症的所述适应症相似度，分别计算所述目标药品与每一所述第一参考药品的药理的所述药理相似度，根据所述成分相似度、所述适应症相似度和所述药理相似度计算得到所述第二评估子结果。

14、在本技术一实施例中，所述第二评估子结果的计算方法为：

15、

16、其中，q2为所述第二评估子结果，m2为所述第二子模块的分数最大值，n为所述第一标准的数量，xi为所述目标药品在第i个所述第一标准的取值，yi为所述第一参考药品在第i个所述第一标准的取值，ωi为第i个所述第一标准对应权重，ωi需满足。

17、在本技术一实施例中，所述第一评估模块预设有第三子模块，所述第三子模块用于对所述目标药品的安全性进行评估，所述第三子模块根据说明书中收载的不良反应的严重程度和/或发生概率对所述目标药品进行评估，得到第三评估子结果，严重程度越高的所述目标药品对应采用取值越小的所述第三评估子结果，发生概率越高的所述目标药品对应采用取值越小的所述第三评估子结果。

18、在本技术一实施例中，所述第三子模块设置有第二标准，所述第二标准包括药物相互作用，所述第三子模块根据说明书对第四数据库进行匹配以得到第三参考药品，所述第三参考药品为所述第一参考药品和/或其他所述目标药品中会与所述目标药品产生相互作用的药品，根据所述第三参考药品的数量对所述目标药品进行评估打分，所述第三参考药品的数量越多的所述目标药品对应采用分值越小的所述第三评估子结果。

19、在本技术一实施例中，所述第二标准还包括缓解药物；所述第三子模块根据所述第一药品信息对第五数据库进行查询以得到第四参考药品，所述第四参考药品为所述第一参考药品和其他所述目标药品中对所述目标药品的不良反应和/或药物相互作用产生缓解作用的药品，根据所有所述第四参考药品能够缓解的不良反应和相互作用的类型数量进行评估打分，得到第一数值；

20、所述第三子模块根据所述第一药品信息对第六数据库进行查询以得到第五参考药品，所述第五参考药品为所述目标药品能够缓解的不良反应和/或药物相互作用对应的所述第一参考药品和/或其他所述目标药品，根据所有所述第五参考药品的数量进行评估打分，得到第二数值；

21、根据所述第一数值和所述第二数值计算得到所述第三评估子结果。

22、在本技术一实施例中，所述第二获取模块设置有第四子模块，所述第四子模块用于根据所述目标药品的类型对所述评估标准进行筛选，将所述第一药品信息输入预先训练好的卷积神经网络模型以得到所述目标药品的所述类型，根据所述类型对应选择评估模型，所述评估模型的输出为所述目标药品对应的所述评估标准；

23、其中，所述评估模型的建立方法具体如下：

24、根据所有所述评估标准对所述第一数据库中所述类型对应的每一所述第一参考药品进行评估打分，得到对应的第三药品信息；

25、分别去除每一所述评估标准后分别计算每一所述第一参考药品在去除所述评估标准前和去除所述评估标准后所述第三药品信息的相似度；

26、将所有所述第一参考药品去除同一所述评估标准对应的所述相似度的最小值作为第三数值，判断所述第三数值是否大于第三预设阈值，若所述第三数值大于所述第三预设阈值，则去除所述评估标准，若所述第三数值大于所述第三预设阈值，则保留所述评估标准。

27、在本技术一实施例中，所述第二评估模块还包括将所述第二药品信息输入滤波模型，所述滤波模型用于判断所述目标药品的异常事件的发生原因是否存在人为因素，所述滤波模型的输出为经过滤波筛选后的所述第二药品信息，若滤波筛选后的所述第二药品信息与滤波筛选前的所述第二药品信息一致，则所述目标药品的异常事件的发生原因不存在人为因素，若滤波筛选后的所述第二药品信息与滤波筛选前的所述第二药品信息不一致，则所述目标药品的异常事件的发生原因存在人为因素；

28、所述第二评估模块根据所述评估标准对滤波筛选后的所述第二药品信息进行评估打分。

29、本技术具有以下有益效果：

30、1、本技术的系统通过第二获取模块从预设的所有评估标准中，根据实际使用场景的需要选取和配置评估标准，第一评估模块根据评估标准预设有对应的子模块，子模块中预设所述评估子模块的量化评估细则，第二获取模块将获取的评估标准发送给第一评估模块，第一评估模块调用对应的子模块对目标药品进行评估，所述系统将药品进院遴选进行功能封装，根据目标药品的基础信息和评估标准进行系统评估打分，输出评估结果，从而实现药品进院遴选的自动化，减低人工成本的同时还减低人为主观因素对评估结果的影响，提高评估效率。另外，由于计算机系统自身的优势特点，能够多线程同时执行多个相互独立的评估任务，提高评估效率，对于特定的紧急用药类别而言，降低由于药品评估流程导致对病情的延误影响。

31、2、客观性标准利用证据量化的方式间接利用国际和/或国内和/或行业的标准和专家对药品进行评估，代替特定专家的打分，得到的评估结果能够更加全面、客观和权威地反映所述目标药品在药品质量方面的性能，降低了药品评估的难度，扩大了医疗机构的适用性，避免由于医疗机构的组织结构中缺少任职专家或专家人数过少导致药品评估难以实施。

32、3、第二子模块通过对目标药品与第一参考药品的相似度进行评估，在保证药品成本不变和药品质量符合标准的条件下，优先选择与第一参考药品的相似度小的目标药品能够提高资源利用效率，使院内的药品治疗覆盖更加全面，优化药物采购和库存管理。

33、4、第三子模块利用药品说明书中收载的不良反应进行安全性评估，通过说明书中收载的不良反应的明确性对目标药品进行评估，降低目标药品在使用过程中可能带来的不确定、不可控的风险，保证了医生用药的准确性，说明书中收载了明确的不良反应症状和明确的不良反应发生概率，使医生在用药时能够对不良反应进行提前预判，提高了医生用药的安全性。

34、5、第三子模块还根据不良反应的发生概率对目标药品进行评估，在说明书明确记载了发生概率的不良反应中，不良反应发生概率越高的目标药品安全性越低，患者在使用所述目标药品时的风险更大，第一评估子结果的分值应该更低，从而实现在其他条件相同或相近的条件下，优先原则不良反应发生概率越低的目标药品，提高用药的安全性。

35、6、目标药品对应的不良反应可能存在多个，选择所有不良反应中发生概率最高的不良反应作为评估依据，其他不良反应的发生概率必定低于最高值，能够全面的代表所述不良反应的发生概率，使目标药品安全性能够量化评估的同时降低评估难度。

36、7、将特殊人群的适应性纳入目标药品的安全性评估范围，一方面避免特定的专科医疗机构的现有药品名录中存在过多与医疗机构的专科特色相冲突的药品，例如：儿科医院的现有药品名录中不应存在过多儿童不可使用的药品，或儿童使用会产生严重不良反应的药品，提高了药品进院遴选的重用性；另一方面辅助医生在用药时选择更合适的药物治疗方案，提高治疗效果。

37、8、第五子模块根据药品的日均费用进行经济性的评估，医疗机构可以根据自身的专科特点选择价格合理的药物，提高资源利用率，优化药物采购和库存管理。

38、9、将各项所述评估标准通过可以量化评估的方式，利用计算机系统对遴选流程中的众多评估标准进行评估打分，一方面可以使药品进院评估可量化，减小评估难度，另一方面减少由于人工打分导致主观因素对药品评估的干扰，同时，将传统评估方式中采用人工方式对所有标准打分替换为通过计算机系统打分进行初步筛选，由工作人员根据初步筛选结果进行二次校验，降低了工作人员的工作量，节约人工成本，提高遴选效率。

39、10、在遴选过程中以设置所述第一预设阈值为基础的方式，从所有遴选的目标药品中进行选取，使得通过遴选的药品至少符合医疗机构的用药的最低标准，保证用药安全。在此基础上继续设置预设通过数量和/或预设通过率，在保证符合最低标准的条件下根据当前批次参加遴选的目标药品数量进行择优录取，实现优化药品结构。

40、11、所述人工审核可以由医疗结构的专家和/或药学评估人员和/或临床科室人员进行二次校验，在保证药品遴选质量的同时，根据医疗机构的组织结构维持信息同步。另外人工审核结果可以对第一评估模块的评分结果和第二获取模块的评估标准的选择进行反馈，对于不过时的评分标准和评分细则进行及时的更新。

41、12、第三获取模块对目标药品进行使用数据的评估，使目标药品在满足综合评估的前提下，在实际临床使用过程中也能表现良好，提高药品遴选的质量。

42、13、第二子模块将目标药品的相似度评估通过现代计算机技术实现量化评估，利用神经网络模型，根据所述目标药品和所述第一参考药品之间的欧几里得距离相似度进行量化评价，同时将成分相似度、适应症相似度和药品相似度的分量加权下，对目标药品进行全面的量化评估，降低人工评估的难度，降低人工成本，提高遴选效率。

43、14、改进的欧几里得距离相似度算法在原本的基础上增加各分量的权重，同时使所述第二评估结果随着所述相似度的增大而减小，所述相似度越大的目标药品采用分值越小的所述第二评估结果，优化医疗机构的药品结构。

44、15、将不良反应的发生概率和严重程度相结合进行评估，使多个不良反应的加权平均评估结果能够更加全面的反映目标药品的安全性。

45、16、根据医疗机构现有药品名录中会与目标药品产生相互作用的数量进行评估，避免新增药品对过多的现有药品存在不良反应，降低用药不规范导致病情恶化、复发和不良反应的用药风险，规范医生用药。同时，将同批次参加遴选的其他目标药品作为评估依据，避免同时新增相互之间会产生严重不良反应的目标药品。

46、17、将缓解药物纳入目标药品的评估标准，避免通过遴选的目标药品在实际使用过程中产生不良反应和/或相互作用后，医疗机构缺少对应的缓解药品，从而造成医疗事故增加的风险。

47、18、根据所有第一参考药品对评选标准进行筛选，所述第一参考药品为医疗机构的现存临床用药，其特征反映了医疗机构通过遴选的特征标准，通过卷积神经网络对所有第一参考药品的特征进行学习和分析，从而得到该医疗机构的评估标准。同时，不同药品的适应症不同，其遴选标准也会产生差异，进一步地，不同适应症对应的第一参考药品所反映的特征也会不同，例如，由于感冒类的疾病发生概率相对特殊疾病而言更高，患病人群的范围更广，其在进行进院评估时经济性的评估应该更高，而特殊疾病的患病人群范围较窄，其在进行进院评估时经济性的权重应该更低，甚至不考虑经济性标准。因此根据目标药品的适应症进行分类，得到对应的类型，根据类型选择对应的评估模型。

48、19、评估标准的筛选将所有预设的评估标准逐一去除后，计算去除每一评估标准前后，根据所述第一参考药品的特征向量的变化量确定是否去除当前评估标准，每次选择特征向量的变化量最小对应的评估标准进行删除，从而实现评估标准的筛选，每次仅去除一个评估标准，提高筛选的质量，利用计算机技术对评估标准进行选择，以及权重系数的取值，实现药品进院遴选的自动化。

49、20、将第二参考信息进行滤波筛选，排除由于人为用药不规范导致的异常事件数据，根据人为用药不规范导致的异常事件对医生进行警示，对不是由于人为用药不规范导致的异常事件进行进一步评估打分，从而评估所述目标药品在实际临床用药的数据表现情况。