一种基于血压预测模型的药物推荐方法和装置

本技术涉及医疗信息技术和人工智能领域，尤其涉及一种基于血压预测模型的药物推荐方法和装置。

背景技术：

1、随着人口老龄化和生活方式的改变，高血压在我国的患病率逐年上升。根据统计数据，我国高血压患病率已经超过30%，已经成为我国最沉重的心血管疾病负担之一。此外，高血压对国民健康的影响是多方面的，不仅给个体的生活质量和寿命带来威胁，也对社会经济发展产生重要影响，因此控制高血压对于遏制我国心血管疾病流行，改善国民健康水平至关重要。

2、降压药物是目前公认的高血压治疗的基本手段，在相关技术中，现有的药物推荐方法和装置的原理是基于当前高血压诊疗指南的原则性药物推荐。该推荐方法一般都会出现多种可选的降压药物方案，往往会随机选取一种降压药物方案推荐给患者。

3、然而，在高血压药物的自动化推荐过程中，现有技术的药物推荐方法针对特定患者可能会产生多个可选的降压药物方案，但患者使用各方案的预期疗效不明确，使得患者无法择优进行选择。

技术实现思路

1、本技术提供了一种基于血压预测模型的药物推荐方法和装置，用于在高血压药物的自动化推荐过程中，在对特定高血压患者推荐降压药物时可能会产生多个可选的推荐药物信息时，为患者提供较优的降压药物方案。

2、第一方面，本技术提供了一种基于血压预测模型的药物推荐方法，该方法具体包括：

3、获取患者历史服用的药物信息以及当前的生命特征信息；

4、依据上述药物信息和生命特征信息确定与该患者匹配的至少一个药物推荐信息；

5、将上述药物信息、生命特征信息和药物推荐信息输入到血压预测模型中，得到该患者在使用上述推荐药物信息提供的方案进行治疗后的血压水平的预测值；

6、依据该血压水平的预测值和药物推荐信息确定最终药物推荐信息。

7、通过上述实施例，可以依据患者历史服用的药物信息以及当前的生命特征信息确定多个药物推荐信息，并通过血压预测模型准确地预测患者在使用各个药物推荐信息对应方案后的血压水平，并根据预测的血压水平值从多个药物推荐信息中推荐降压效果最优的药物推荐信息。

8、在一实施例中，在将该药物信息、生命特征信息和药物推荐信息输入到血压预测模型中，得到该患者在使用该推荐药物信息提供的方案进行治疗后的血压水平的预测值的步骤之前，还包括：

9、获取历史真实医疗场景的高血压诊疗数据，并依据该高血压诊疗数据生成训练数据集和测试数据集；

10、使用该训练数据集对该血压预测模型进行训练，并在测试数据集中采用均方误差指标对该血压预测模型进行评估，得到评估结果；

11、若该评估结果不符合要求，则继续对该血压预测模型进行优化和训练。

12、通过上述实施例，可以得到血压预测模型，该血压预测模型可以依据患者历史服用的药物信息、生命特征信息和药物推荐信息准确地预测患者在使用各个药物推荐信息对应方案后的血压水平，为患者推荐高血压降压药物提供参考。

13、在一实施例中，在依据该血压水平的预测值和药物推荐信息确定最终药物推荐信息的步骤之前，还包括：

14、获取该推荐药物信息中每种药物对应的价格和使用剂量；

15、依据上述价格和使用剂量确定该药物推荐信息对应的收费金额。

16、通过上述实施例，可以依据该推荐药物信息中每种药物对应的价格和使用剂量确定该药物推荐信息对应的收费金额，从而让患者了解每种药物推荐信息对应的收费金额，并依据实际需求选择合适的治疗方案，进而节省了医疗费用。

17、在一实施例中，该获取推荐药物信息中每种药物对应的价格和使用剂量的步骤，具体包括：

18、从医疗数据库中获取该推荐药物信息中每种药物对应的价格；

19、获取推荐药物信息中每种药物的使用剂量。

20、通过上述实施例，可以从医疗数据库中获取该推荐药物信息中每种药物对应的价格，并依据医生设定的每种药物的使用剂量进而确定该药物推荐信息对应的收费金额。

21、在一实施例中，该依据该药物信息和生命特征信息确定与该患者匹配的至少一个药物推荐信息的步骤，具体包括：

22、依据该药物信息从预设的用药规则集合中确定与该药用信息相匹配的至少一种用药规则和该患者在该用药规则中所处的的目标用药阶段，该用药规则包括多个用药阶段，该用药阶段至少包括一个药物信息；

23、根据患者的生命特征信息确定在该用药规则中的该目标用药阶段与该患者匹配的药物推荐信息。

24、通过上述实施例，可以依据获取的患者历史服用的药物信息和生命特征信息，从预设的用药规则集合中确定与该患者当前的用药信息相匹配的用药规则，进而确定目标用药阶段对应的推荐药物信息。

25、在一实施例中，在依据该药物信息和生命特征信息确定与该患者匹配的至少一个药物推荐信息的步骤之后，还包括：

26、将该药物推荐信息和生命特征信息输入到疗程预估模型中，得到在该患者按照该药物推荐信息进行治疗后的预估疗程时长；

27、输出该预估疗程时长。

28、通过上述实施例，可以依据该药物推荐信息和生命特征信息确定该患者在按照该药物推荐信息进行治疗后的预估疗程时长，进而为患者推荐高血压降压药物提供参考。

29、在一实施例中，在获取患者历史服用的药物信息以及当前的生命特征信息的步骤之后，还包括：

30、在该患者历史服用的药物的剂量满足预设阈值，且该患者的生命特征信息未在健康范围内的情况下，发送不推荐用药的提示消息。

31、通过上述技术方案，可以在该患者历史服用的药物的剂量满足预设阈值，且该患者的生命特征信息未在健康范围内的情况下，发送不推荐用药的提示消息，进而提醒医生不推荐用药，避免了患者在身体条件不允许的情况下使用降压药造成的安全隐患。

32、为实现上述目的，第二方面，本技术提供一种药物推荐装置，用于实现上述一种基于血压预测模型的药物推荐方法，该药物推荐装置具体包括：

33、信息获取模块，用于获取患者历史服用的药物信息以及当前的生命特征信息；

34、药物推荐模块，用于依据上述药物信息和生命特征信息确定与该患者匹配的至少一个药物推荐信息；

35、血压预测模块，用于将上述药物信息、生命特征信息和药物推荐信息输入到血压预测模型中，得到该患者在使用该推荐药物信息提供的方案进行治疗后的血压水平的预测值；

36、药物确认模块，用于依据该血压水平的预测值和药物推荐信息确定最终药物推荐信息。

37、为实现上述目的，第三方面，本技术实施例提供了一种药物推荐装置，该药物推荐装置包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该药物推荐装置可以实现上述实施例提供的一种基于血压预测模型的药物推荐方法，此处不再赘述。

38、为实现上述目的，第四方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在药物推荐装置上运行时，使得上述药物推荐装置可以实现上述实施例提供的一种基于血压预测模型的药物推荐方法，此处不再赘述。

39、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：

40、1、通过上述技术方案，可以依据患者历史服用的药物信息以及当前的生命特征信息确定多个药物推荐信息，并通过血压预测模型准确地预测患者在使用各个药物推荐信息对应方案后的血压水平，并根据预测的血压水平值从多个药物推荐信息中推荐降压效果最优的药物推荐信息。

41、2、通过上述技术方案，还可以得到血压预测模型，该血压预测模型可以依据患者历史服用的药物信息、生命特征信息和药物推荐信息准确地预测患者在使用各个药物推荐信息对应方案后的血压水平，为患者推荐高血压降压药物提供参考。

42、3、通过上述技术方案，还可以依据该推荐药物信息中每种药物对应的价格和使用剂量确定该药物推荐信息对应的收费金额，从而让患者了解每种药物推荐信息对应的收费金额，并依据实际需求选择合适的治疗方案，进而节省了医疗费用，此外，还可以依据该药物推荐信息和生命特征信息，通过疗程预估模型确定该患者在按照该药物推荐信息进行治疗后的预估疗程时长，进而为患者推荐高血压降压药物提供参考。