基于人工智能的用药推荐方法、装置、电子设备及介质与流程

本发明涉及数字医疗技术领域，具体涉及一种基于人工智能的用药推荐方法、装置、电子设备及介质。

背景技术：

目前基层医疗条件匮乏，患者的就医问题极为困难，特别是大部分的患者不识字，不会讲普通话，甚至只会方言，在生病后，很多患者都无法就医，只能去药房买药，现有技术通过在药房配置医师进行药品推荐，但是乡村药房的医师可能都不是专业的业务人员，对于具体疾病和用药，药品间搭配是否有存在相互作用根本不了解，无法进行正确的药品推荐，导致患者的疾病无法得到正确及时的治疗。

此外，针对只会方言的患者，现有的在线语音推荐药品仅识别普通话，不支持方言识别，对患者输入的语音信息识别的正确率低，导致药品推荐的准确率低。

技术实现要素：

鉴于以上内容，有必要提出一种基于人工智能的用药推荐方法、装置、电子设备及介质，通过将患者的语音信息输入至对应的方言识别模型中进行识别，并将识别到的实体输入至药品知识图谱中筛选出推荐药品，提高了药品推荐的准确率。

本发明的第一方面提供一种基于人工智能的用药推荐方法，所述方法包括：

响应于患者的用药推荐请求，接收患者输入的语音信息；

根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中；

获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果；

根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单；

根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单；

当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

可选的，所述根据所述患者的用药推荐请求获得患者的目标方言类型包括：

解析所述患者的用药推荐请求获得患者的基本信息及语言偏好；

根据所述患者的基本信息确定患者的第一方言类型及根据所述患者的语言偏好确定患者的第二方言类型；

合并所述第一方言类型及所述第二方言类型得到所述患者的目标方言类型。

可选的，所述方言识别模型的训练过程包括：

获取多个文本语料并采用多种方言类型录取每个文本语料的音频；

将所述多个文本语料及对应的音频作为样本数据集；

从所述样本数据集中划分出训练集和测试集；

将所述训练集输入预设神经网络中进行训练，得到方言识别模型；

将所述测试集输入至所述方言识别模型中进行测试，并计算测试通过率；

若所述测试通过率大于预设通过率阈值，确定所述方言识别模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行方言识别模型的训练。

可选的，所述根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单包括：

获取所述实体识别结果中所有的实体；

以每个实体为关键词查询所述药品知识图谱得到目标药品；

根据所有的实体对应的目标药品生成初始用药推荐清单。

可选的，所述根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单包括：

根据预设的药物相互作用检测规则对所述初始用药推荐清单中的所有药品进行药物相互作用检测得到第一检测结果；

根据预设的禁忌检测规则对所述初始用药推荐清单中的所有药品进行禁忌检测得到第二检测结果；

根据预设的药品过敏检测规则对所述初始用药推荐清单中的所有药品进行药品过敏检测得到第三检测结果；

根据所述第一检测结果、所述第二检测结果和所述第三检测结果获得最终用药推荐清单。

可选的，在所述获得最终用药推荐清单之后，所述方法还包括：

识别所述最终用药推荐清单中是否存在所述患者当前服用的药品；

当在所述最终用药推荐清单不存在所述患者当前服用的药品时，从所述药品知识图谱中获取所述当前服用的药品对应的药品信息，并发送服药禁忌至所述患者。

可选的，在所述根据所述最终用药推荐清单生成所述患者的目标用药清单之后，所述方法还包括：

获取所述目标用药清单中每种药品的多个出售点的名称及每个出售点的位置坐标；

获取所述患者的出发点的位置坐标；

计算所述患者的出发点的位置坐标与每种药品的每个出售点之间的距离；

显示所述目标用药清单中的每种药品的多个出售点的名称及所述患者与所述每种药品的每个出售点之间的距离。

本发明的第二方面提供一种基于人工智能的用药推荐装置，所述装置包括：

接收模块，用于响应于患者的用药推荐请求，接收患者输入的语音信息；

输入模块，用于根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中；

识别模块，用于获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果；

确定模块，用于根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单；

检测模块，用于根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单；

生成模块，用于当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

本发明的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述的基于人工智能的用药推荐方法。

本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于人工智能的用药推荐方法。

综上所述，本发明所述的基于人工智能的用药推荐方法、装置、电子设备及介质，一方面，通过将所述患者的语音信息输入至所述目标方言类型对应的方言识别模型中获得目标文本信息，将不同的方言类型对应的语音信息输入至对应的方言识别模型中进行语音识别，提高了获得目标文本信息的正确率；另一方面，由于所述药品知识图谱是根据医学文献知识和临床真实世界数据构建的，从所述实体识别结果中获取所有实体并输入至药品知识图谱中，在所述药品知识图谱中将所述所有实体的关联信息进行查询，筛选出所有目标药品，并生成初始用药推荐清单，提高了药品推荐的准确率；最后，通过对所述初始推荐用药清单中的所有药品按照多个预设的安全用药检测规则进行检测之后，所述多个预设的安全用药检测规则是从多个维度进行设置的，且每个预设的安全用药检测规则得到的检测结果不同，根据所述不同的检测结果得到最终推荐用药清单，提高了最终用药推荐的准确率及安全性。

此外，根据所述患者输入的语言偏好确定所述患者使用的方言的语种，合并所述第一方言类型和所述第二方言类型得到所述患者的目标方言类型，提高了确认得到的患者的目标方言类型的正确性。

附图说明

图1是本发明实施例一提供的基于人工智能的用药推荐方法的流程图。

图2是本发明实施例二提供的基于人工智能的用药推荐装置的结构图。

图3是本发明实施例三提供的电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

实施例一

图1是本发明实施例一提供的基于人工智能的用药推荐方法的流程图。

在本实施例中，所述基于人工智能的用药推荐方法可以应用于电子设备中，对于需要进行用药推荐的电子设备，可以直接在电子设备上集成本发明的方法所提供的基于人工智能的用药推荐的功能，或者以软件开发工具包(softwaredevelopmentkit，skd)的形式运行在电子设备中。

如图1所示，所述基于人工智能的用药推荐方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。

s11，响应于患者的用药推荐请求，接收患者输入的语音信息。

本实施例中，当患者在不方便就诊的情况下，可以使用智能疾病合理用药盒子获取推荐的药品，具体地，所述用药盒子内置上网卡或者与电子设备进行网络连接，通过在所述用药盒子内置上网卡或者与电子设备进行网络连接，接收患者输入的语音信息实现用药推荐。

本实施例中，所述语音信息包括患者的当前病情、历史病史、过敏史、在服药品等，例如，患者输入的语音信息为：“我65岁了，最近感冒，并且自身对青霉素过敏，请推荐我可以使用的药品”；或者患者输入的语音信息“我28岁了，最近感冒，怀孕2个月，请推荐我可以使用的药品”。

s12，根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中。

本实施例中，方言指的是一个某种语言的变体，所述方言也可以指地方上使用的语言，不同地方使用语言不同，其中，方言类型可以用于区分患者使用的语言，具体地，所述方言类型包括汉语、英语、德语、法语、日语、汉语及小语种等，所述汉语包括地方方言和普通话，所述地方方言用于表示不同地方使用的不同的语言，不同的地方可以具体到某市、某县、某镇、某村。

本实施例中，目标方言类型为确定所述患者输入的语言信息所使用的语言，例如，患者输入的语言信息所使用的语言为：汉语-w省-x市-y县-z镇-q村的语言，则对应的目标方言类型为：汉语-w省-x市-y县-z镇-q村方言。

可选地，所述根据所述患者的用药推荐请求获得患者的目标方言类型包括：

解析所述患者的用药推荐请求获得患者的基本信息及语言偏好；

根据所述患者的基本信息确定患者的第一方言类型及根据所述患者的语言偏好确定患者的第二方言类型；

合并所述第一方言类型及所述第二方言类型得到所述患者的目标方言类型。

本实施例中，所述患者的基本信息包括，但不限于，患者的姓名、年龄、性别、籍贯、户口所在地、家庭住址、身份证号，根据所述患者的基本信息确定患者可能使用的第一方言类型，具体地，所述第一方言类型可以结合所述患者的年龄和户口所在地确定所述患者可能使用的第一方言类型，在其他一些实施例中，第一方言类型也可以根据所述患者的出生地确定，还可以根据所述患者的家庭住址进行确定，根据不同的情况按照不同的规则确定第一方言类型。

本实施例中，所述语言偏好用于表示患者输入所述语音信息所使用的方言的语种，患者在发送用药推荐请求时，在所述用药推荐请求中携带有所述患者输入的语言偏好，根据所述患者输入的语言偏好确定所述患者使用的方言的语种，合并所述第一方言类型和所述第二方言类型得到所述患者的目标方言类型，提高了确认得到的患者的目标方言类型的正确性。

本实施例中，所述方言识别模型是预先训练好的，在得到所述患者的语音信息之后，将所述语音信息输入至所述目标方言类型对应的方言识别模型中进行语言信息识别得到目标文本信息。

可选的，所述方言识别模型的训练过程包括：

21)获取多个文本语料并采用多种方言类型录取每个文本语料的音频；

22)将所述多个文本语料及对应的音频作为样本数据集；

23)从所述样本数据集中划分出训练集和测试集；

24)将所述训练集输入预设神经网络中进行训练，得到方言识别模型；

25)将所述测试集输入至所述方言识别模型中进行测试，并计算测试通过率；

26)若所述测试通过率大于预设通过率阈值，确定所述方言识别模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行方言识别模型的训练。

本实施例中，提取多种方言类型的多个文本语料，将每种方言类型的每个文本语料及对应的音频输入至方言识别模型中，识别出每种方言类型的每个音频对应的文本信息，并且在后续的预测过程中，将每种方言类型的每个文本语料及对应的音频作为新的数据，以增加所述数据集的数量，并基于新的数据集来重新训练语言识别模型，及不断的更新语言识别模型，从而不断的提高方言识别率。

s13，获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果。

本实施例中，在获取所述方言识别模型输出的目标文本信息之后，将所述目标文本输入至预设的实体识别模型中，获得所述实体识别模型输出的实体识别结果，具体地，所述实体识别结果中包括患者的疾病实体及药品实体。

本实施例中，通过将所述患者的语音信息输入至所述目标方言类型对应的方言识别模型中获得目标文本信息，将不同的方言类型对应的语音信息输入至对应的方言识别模型中进行语音识别，提高了获得目标文本信息的正确率。

s14，根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单。

本实施例中，通过网络爬虫技术采集药品知识，所述药品知识图谱由非结构化、半结构化、结构化药品知识组成，药品知识包括，但不限于，药品名称、成份、性状、适应症、功能主治、规格、用法用量、不良反应、禁忌、注意事项、药物相互作用、药物毒理、儿童用药、老年患者用药、妊娠期妇女及哺乳期妇女用药、药物过量、贮藏、包装、有效期、批准文号和企业名称等信息。

本实施例中，将所述药品知识利用图逻辑算法进行关联处理构建药品知识图谱，具体地，所述药品知识图谱中存储有疾病名称实体与药品名称实体之间的治疗关系、药品名称实体与药品使用的注意事项实体之间的使用说明关系等。

可选地，所述根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单包括：

获取所述实体识别结果中所有的实体；

以每个实体为关键词查询所述药品知识图谱得到目标药品；

根据所有的实体对应的目标药品生成初始用药推荐清单。

本实施例中，由于所述药品知识图谱是根据医学文献知识和临床真实世界数据构建的，从所述实体识别结果中获取所有实体并输入至药品知识图谱中，在所述药品知识图谱中将所述所有实体的关联信息进行查询，筛选出所有目标药品，并生成初始用药推荐清单，提高了药品推荐的准确率。

s15，根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单。

本实施例中，发送至患者的最终用药推荐清单是通过多个预设的安全检测规则检测之后得到的，具体地，所述多个预设的安全用药检测规则是预先根据医疗界规定的用药规则进行设置的，所述预设的安全用药检测规则包括预设的药物相互作用检测规则、预设的禁忌检测规则及预设的药品过敏检测规则。

可选地，所述根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单包括：

根据预设的药物相互作用检测规则对所述初始用药推荐清单中的所有药品进行药物相互作用检测得到第一检测结果；

根据预设的禁忌检测规则对所述初始用药推荐清单中的所有药品进行禁忌检测得到第二检测结果；

根据预设的药品过敏检测规则对所述初始用药推荐清单中的所有药品进行药品过敏检测得到第三检测结果；

根据所述第一检测结果、所述第二检测结果和所述第三检测结果获得最终用药推荐清单。

本实施例中，所述最终用药清单中包括：a药品、b药品、c药品、d药品和f药品，根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单，具体地，根据所述药物相互作用检测用于检测所述最终用药清单中药品之间是否存在相互作用的药品，例如，检测到所述最终用药清单中的a药品和b药品存在相互作用，不能同时服用，若同时服务，可能会给患者造成不可预料的损伤，故所述第一检测结果为a药品和b药品不能同时服用；所述禁忌检测规则用于检测服用所述最终用药清单中每个药品期间的禁忌事项，例如，服用c药品时忌辛辣；所述过敏检测规则用于根据所述患者的过敏源信息对所述最终用药清单中的所有药品进行药物检测，例如，患者的过敏原为蛋白质，在进行过敏检测时检测到d药品含有蛋白质，则所述第三检测结果为所述患者对药品d过敏，根据所述第一检测结果a药品和b药品不能同时服用、所述第二检测结果服用c药品时和所述第三检测结果药品d过敏获得最终用药推荐清单：a药品，c药品(忌辛辣)和f药品或者b药品，c药品(忌辛辣)和f药品。

本实施例中，通过对所述初始推荐用药清单中的所有药品按照多个预设的安全用药检测规则进行检测之后，所述多个预设的安全用药检测规则是从多个维度进行设置的，且每个预设的安全用药检测规则得到的检测结果不同，根据所述不同的检测结果得到最终推荐用药清单，提高了最终用药推荐的准确率及安全性。

在其他一些实施例中，所述预设的安全用药检测规则还可以包括肝功能异常检测规则、老年患者用药检测规则、儿童用药检测规则、妊娠期妇女用药检测规则、哺乳期妇女用药检测规则等，在进行安全用药检测时，可以根据不同的场景应用不同的预设的安全用药检测规则进行安全用药检测，提高了用药推荐的安全性。

在其他一些实施例中，当在患者输入的语音信息中识别到所述患者当前服用药品时，在所述根据多个预设的安全检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单之后，所述方法还包括：

识别所述最终用药推荐清单中是否存在所述患者当前服用的药品；

当在所述最终用药推荐清单不存在所述患者当前服用的药品时，从所述药品知识图谱中获取所述当前服用的药品对应的药品信息，并发送服药禁忌至所述患者。

本实施例中，识别所述最终用药推荐清单中是否存在所述患者当前服用的药品，若不存在所述患者当前服用的药品，确定所述患者当前服用的药品可能与最终用药推荐清单中的药品存在禁忌关系或者所述患者当前服用的药品可能与患者的疾病不相符，故为了确保患者正确的服药，在识别到不存在所述患者当前服用的药品，从所述药品知识图谱中获取所述当前服用的药品对应的药品信息，并告知所述患者停止所述当前服用的药品，避免患者在服用最终推荐药品的时候同时服用当前服用的药品的现象，提高了用户用药的安全性。

s16，当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

本实施例中，当患者对所述最终用药推荐清单中的药品确认无误后，接收所述患者输入的最终用药推荐清单的确认操作，并根据所述最终用药推荐清单生成所述患者的目标用药清单，具体地，所述目标用药清单中包括用药禁忌、用药时间、用药剂量及用药注意事项等。

进一步的，在所述根据所述最终用药推荐清单生成所述患者的目标用药清单之后，所述方法还包括：

根据所述患者的用药清单生成用药提醒。

本实施例中，所述用药提醒用于提醒患者按时用药，提高了用药的及时性。

进一步地，在根据所述最终用药推荐清单生成所述患者的目标用药清单之后，所述方法还包括：

获取所述目标用药清单中每种药品的多个出售点的名称及每个出售点的位置坐标；

获取所述患者的出发点的位置坐标；

计算所述患者的出发点的位置坐标与每种药品的每个出售点之间的距离；

显示所述目标用药清单中的每种药品的多个出售点的名称及所述患者与所述每种药品的每个出售点之间的距离。

本实施例中，由于不同的药品对应多个出售点，每个出售点可能只出售所述用药清单中多种药品，故需要所述患者去多个出售点进行购买药品，通过将所述用药清单中的每种药品的多个出售点的名称及所述患者与所述每种药品的多个出售点之间的距离在终端设备中进行显示，患者在所述终端设备的显示屏上可以根据需求进行选择，确定去购买药品的出售点，提高了患者购买药品的效率。

进一步，在将所述最终推荐清单中的每种药品的出售点的名称及所述患者与所述每种药品的出售点之间的距离发送至所述患者之后，所述方法还包括：

根据所述患者与所述每种药品的出售点之间的距离提供多种出行方式及出行路径。

本实施例中，在生成用药清单后，获取所述用药清单中每种药品的出售点的名称及位置信息，并计算所述患者与所述每种药品的出售点之间的距离发送至所述患者，同时，根据所述患者与所述每种药品的出售点之间的距离提供多种出行方式及出行路径，患者可以根据需求选择最适合的出行方式，获取药品并及时服用，提高了患者的疾病治疗的及时性，提高了患者的满意度及体验度。

综上所述，本实施例所述的基于人工智能的用药推荐方法，响应于患者的用药推荐请求，接收患者输入的语音信息；根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中；获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果；根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单；根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单；当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

本实施例，一方面，通过将所述患者的语音信息输入至所述目标方言类型对应的方言识别模型中获得目标文本信息，将不同的方言类型对应的语音信息输入至对应的方言识别模型中进行语音识别，提高了获得目标文本信息的正确率；另一方面，由于所述药品知识图谱是根据医学文献知识和临床真实世界数据构建的，从所述实体识别结果中获取所有实体并输入至药品知识图谱中，在所述药品知识图谱中将所述所有实体的关联信息进行查询，筛选出所有目标药品，并生成初始用药推荐清单，提高了药品推荐的准确率；最后，通过对所述初始推荐用药清单中的所有药品按照多个预设的安全用药检测规则进行检测之后，所述多个预设的安全用药检测规则是从多个维度进行设置的，且每个预设的安全用药检测规则得到的检测结果不同，根据所述不同的检测结果得到最终推荐用药清单，提高了最终用药推荐的准确率及安全性。

此外，根据所述患者输入的语言偏好确定所述患者使用的方言的语种，合并所述第一方言类型和所述第二方言类型得到所述患者的目标方言类型，提高了确认得到的患者的目标方言类型的正确性。

实施例二

图2是本发明实施例二提供的基于人工智能的用药推荐装置的结构图。

在一些实施例中，所述基于人工智能的用药推荐装置20可以包括多个由程序代码段所组成的功能模块。所述基于人工智能的用药推荐装置20中的各个程序段的程序代码可以存储于电子设备的存储器中，并由所述至少一个处理器所执行，以执行(详见图1描述)基于人工智能的用药推荐功能。

本实施例中，所述基于人工智能的用药推荐装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：接收模块201、输入模块202、识别模块203、确定模块204、检测模块205、生成模块206、获取模块207、计算模块208及显示模块209。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

接收模块201，用于响应于患者的用药推荐请求，接收患者输入的语音信息。

本实施例中，当患者在不方便就诊的情况下，可以使用智能疾病合理用药盒子获取推荐的药品，具体地，所述用药盒子内置上网卡或者与电子设备进行网络连接，通过在所述用药盒子内置上网卡或者与电子设备进行网络连接，接收患者输入的语音信息实现用药推荐。

本实施例中，所述语音信息包括患者的当前病情、历史病史、过敏史、在服药品等，例如，患者输入的语音信息为：“我65岁了，最近感冒，并且自身对青霉素过敏，请推荐我可以使用的药品”；或者患者输入的语音信息“我28岁了，最近感冒，怀孕2个月，请推荐我可以使用的药品”。

输入模块202，用于根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中。

本实施例中，方言指的是一个某种语言的变体，所述方言也可以指地方上使用的语言，不同地方使用语言不同，其中，方言类型可以用于区分患者使用的语言，具体地，所述方言类型包括汉语、英语、德语、法语、日语、汉语及小语种等，所述汉语包括地方方言和普通话，所述地方方言用于表示不同地方使用的不同的语言，不同的地方可以具体到某市、某县、某镇、某村。

本实施例中，目标方言类型为确定所述患者输入的语言信息所使用的语言，例如，患者输入的语言信息所使用的语言为：汉语-w省-x市-y县-z镇-q村的语言，则对应的目标方言类型为：汉语-w省-x市-y县-z镇-q村方言。

可选地，所述输入模块202根据所述患者的用药推荐请求获得患者的目标方言类型包括：

解析所述患者的用药推荐请求获得患者的基本信息及语言偏好；

根据所述患者的基本信息确定患者的第一方言类型及根据所述患者的语言偏好确定患者的第二方言类型；

合并所述第一方言类型及所述第二方言类型得到所述患者的目标方言类型。

本实施例中，所述患者的基本信息包括，但不限于，患者的姓名、年龄、性别、籍贯、户口所在地、家庭住址、身份证号，根据所述患者的基本信息确定患者可能使用的第一方言类型，具体地，所述第一方言类型可以结合所述患者的年龄和户口所在地确定所述患者可能使用的第一方言类型，在其他一些实施例中，第一方言类型也可以根据所述患者的出生地确定，还可以根据所述患者的家庭住址进行确定，根据不同的情况按照不同的规则确定第一方言类型。

本实施例中，所述语言偏好用于表示患者输入所述语音信息所使用的方言的语种，患者在发送用药推荐请求时，在所述用药推荐请求中携带有所述患者输入的语言偏好，根据所述患者输入的语言偏好确定所述患者使用的方言的语种，合并所述第一方言类型和所述第二方言类型得到所述患者的目标方言类型，提高了确认得到的患者的目标方言类型的正确性。

本实施例中，所述方言识别模型是预先训练好的，在得到所述患者的语音信息之后，将所述语音信息输入至所述目标方言类型对应的方言识别模型中进行语言信息识别得到目标文本信息。

可选的，所述方言识别模型的训练过程包括：

21)获取多个文本语料并采用多种方言类型录取每个文本语料的音频；

22)将所述多个文本语料及对应的音频作为样本数据集；

23)从所述样本数据集中划分出训练集和测试集；

24)将所述训练集输入预设神经网络中进行训练，得到方言识别模型；

25)将所述测试集输入至所述方言识别模型中进行测试，并计算测试通过率；

26)若所述测试通过率大于预设通过率阈值，确定所述方言识别模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行方言识别模型的训练。

本实施例中，提取多种方言类型的多个文本语料，将每种方言类型的每个文本语料及对应的音频输入至方言识别模型中，识别出每种方言类型的每个音频对应的文本信息，并且在后续的预测过程中，将每种方言类型的每个文本语料及对应的音频作为新的数据，以增加所述数据集的数量，并基于新的数据集来重新训练语言识别模型，及不断的更新语言识别模型，从而不断的提高方言识别率。

识别模块203，用于获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果。

本实施例中，在获取所述方言识别模型输出的目标文本信息之后，将所述目标文本输入至预设的实体识别模型中，获得所述实体识别模型输出的实体识别结果，具体地，所述实体识别结果中包括患者的疾病实体及药品实体。

本实施例中，通过将所述患者的语音信息输入至所述目标方言类型对应的方言识别模型中获得目标文本信息，将不同的方言类型对应的语音信息输入至对应的方言识别模型中进行语音识别，提高了获得目标文本信息的正确率。

确定模块204，用于根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单。

本实施例中，通过网络爬虫技术采集药品知识，所述药品知识图谱由非结构化、半结构化、结构化药品知识组成，药品知识包括，但不限于，药品名称、成份、性状、适应症、功能主治、规格、用法用量、不良反应、禁忌、注意事项、药物相互作用、药物毒理、儿童用药、老年患者用药、妊娠期妇女及哺乳期妇女用药、药物过量、贮藏、包装、有效期、批准文号和企业名称等信息。

本实施例中，将所述药品知识利用图逻辑算法进行关联处理构建药品知识图谱，具体地，所述药品知识图谱中存储有疾病名称实体与药品名称实体之间的治疗关系、药品名称实体与药品使用的注意事项实体之间的使用说明关系等。

可选地，所述确定模块204根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单包括：

获取所述实体识别结果中所有的实体；

以每个实体为关键词查询所述药品知识图谱得到目标药品；

根据所有的实体对应的目标药品生成初始用药推荐清单。

本实施例中，由于所述药品知识图谱是根据医学文献知识和临床真实世界数据构建的，从所述实体识别结果中获取所有实体并输入至药品知识图谱中，在所述药品知识图谱中将所述所有实体的关联信息进行查询，筛选出所有目标药品，并生成初始用药推荐清单，提高了药品推荐的准确率。

检测模块205，用于根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单。

本实施例中，发送至患者的最终用药推荐清单是通过多个预设的安全检测规则检测之后得到的，具体地，所述多个预设的安全用药检测规则是预先根据医疗界规定的用药规则进行设置的，所述预设的安全用药检测规则包括预设的药物相互作用检测规则、预设的禁忌检测规则及预设的药品过敏检测规则。

可选地，所述检测模块205根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单包括：

根据预设的药物相互作用检测规则对所述初始用药推荐清单中的所有药品进行药物相互作用检测得到第一检测结果；

根据预设的禁忌检测规则对所述初始用药推荐清单中的所有药品进行禁忌检测得到第二检测结果；

根据预设的药品过敏检测规则对所述初始用药推荐清单中的所有药品进行药品过敏检测得到第三检测结果；

根据所述第一检测结果、所述第二检测结果和所述第三检测结果获得最终用药推荐清单。

本实施例中，所述最终用药清单中包括：a药品、b药品、c药品、d药品和f药品，根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单，具体地，根据所述药物相互作用检测用于检测所述最终用药清单中药品之间是否存在相互作用的药品，例如，检测到所述最终用药清单中的a药品和b药品存在相互作用，不能同时服用，若同时服务，可能会给患者造成不可预料的损伤，故所述第一检测结果为a药品和b药品不能同时服用；所述禁忌检测规则用于检测服用所述最终用药清单中每个药品期间的禁忌事项，例如，服用c药品时忌辛辣；所述过敏检测规则用于根据所述患者的过敏源信息对所述最终用药清单中的所有药品进行药物检测，例如，患者的过敏原为蛋白质，在进行过敏检测时检测到d药品含有蛋白质，则所述第三检测结果为所述患者对药品d过敏，根据所述第一检测结果a药品和b药品不能同时服用、所述第二检测结果服用c药品时和所述第三检测结果药品d过敏获得最终用药推荐清单：a药品，c药品(忌辛辣)和f药品或者b药品，c药品(忌辛辣)和f药品。

本实施例中，通过对所述初始推荐用药清单中的所有药品按照多个预设的安全用药检测规则进行检测之后，所述多个预设的安全用药检测规则是从多个维度进行设置的，且每个预设的安全用药检测规则得到的检测结果不同，根据所述不同的检测结果得到最终推荐用药清单，提高了最终用药推荐的准确率及安全性。

在其他一些实施例中，所述预设的安全用药检测规则还可以包括肝功能异常检测规则、老年患者用药检测规则、儿童用药检测规则、妊娠期妇女用药检测规则、哺乳期妇女用药检测规则等，在进行安全用药检测时，可以根据不同的场景应用不同的预设的安全用药检测规则进行安全用药检测，提高了用药推荐的安全性。

在其他一些实施例中，当在患者输入的语音信息中识别到所述患者当前服用药品时，在所述根据多个预设的安全检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单之后，所述识别模块203，还用于识别所述最终用药推荐清单中是否存在所述患者当前服用的药品；当在所述最终用药推荐清单不存在所述患者当前服用的药品时，从所述药品知识图谱中获取所述当前服用的药品对应的药品信息，并发送服药禁忌至所述患者。

本实施例中，识别所述最终用药推荐清单中是否存在所述患者当前服用的药品，若不存在所述患者当前服用的药品，确定所述患者当前服用的药品可能与最终用药推荐清单中的药品存在禁忌关系或者所述患者当前服用的药品可能与患者的疾病不相符，故为了确保患者正确的服药，在识别到不存在所述患者当前服用的药品，从所述药品知识图谱中获取所述当前服用的药品对应的药品信息，并告知所述患者停止所述当前服用的药品，避免患者在服用最终推荐药品的时候同时服用当前服用的药品的现象，提高了用户用药的安全性。

生成模块206，用于当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

本实施例中，当患者对所述最终用药推荐清单中的药品确认无误后，接收所述患者输入的最终用药推荐清单的确认操作，并根据所述最终用药推荐清单生成所述患者的目标用药清单，具体地，所述目标用药清单中包括用药禁忌、用药时间、用药剂量及用药注意事项等。

进一步的，在所述生成模块206所述根据所述最终用药推荐清单生成所述患者的目标用药清单之后，根据所述患者的用药清单生成用药提醒。

本实施例中，所述用药提醒用于提醒患者按时用药，提高了用药的及时性。

进一步地，在所述生成模块206根据所述最终用药推荐清单生成所述患者的目标用药清单之后，获取模块207，用于获取所述目标用药清单中每种药品的多个出售点的名称及每个出售点的位置坐标。

所述获取模块207，还用于获取所述患者的出发点的位置坐标。

计算模块208，用于计算所述患者的出发点的位置坐标与每种药品的每个出售点之间的距离。

显示模块209，用于显示所述目标用药清单中的每种药品的多个出售点的名称及所述患者与所述每种药品的每个出售点之间的距离。

本实施例中，由于不同的药品对应多个出售点，每个出售点可能只出售所述用药清单中多种药品，故需要所述患者去多个出售点进行购买药品，通过将所述用药清单中的每种药品的多个出售点的名称及所述患者与所述每种药品的多个出售点之间的距离在终端设备中进行显示，患者在所述终端设备的显示屏上可以根据需求进行选择，确定去购买药品的出售点，提高了患者购买药品的效率。

进一步，在将所述最终推荐清单中的每种药品的出售点的名称及所述患者与所述每种药品的出售点之间的距离发送至所述患者之后，根据所述患者与所述每种药品的出售点之间的距离提供多种出行方式及出行路径。

本实施例中，在生成用药清单后，获取所述用药清单中每种药品的出售点的名称及位置信息，并计算所述患者与所述每种药品的出售点之间的距离发送至所述患者，同时，根据所述患者与所述每种药品的出售点之间的距离提供多种出行方式及出行路径，患者可以根据需求选择最适合的出行方式，获取药品并及时服用，提高了患者的疾病治疗的及时性，提高了患者的满意度及体验度。

综上所述，本实施例所述的基于人工智能的用药推荐装置，响应于患者的用药推荐请求，接收患者输入的语音信息；根据所述患者的用药推荐请求获得患者的目标方言类型，并将所述语音信息输入至所述目标方言类型对应的方言识别模型中；获取所述方言识别模型输出的目标文本信息，对所述目标文本信息进行实体识别获得实体识别结果；根据所述实体识别结果和药品知识图谱确定出初始用药推荐清单；根据多个预设的安全用药检测规则对所述初始用药推荐清单中的所有药品进行安全用药检测获得最终用药推荐清单；当接收到所述患者对所述最终用药推荐清单的确认操作时，根据所述最终用药推荐清单生成所述患者的目标用药清单。

本实施例，一方面，通过将所述患者的语音信息输入至所述目标方言类型对应的方言识别模型中获得目标文本信息，将不同的方言类型对应的语音信息输入至对应的方言识别模型中进行语音识别，提高了获得目标文本信息的正确率；另一方面，由于所述药品知识图谱是根据医学文献知识和临床真实世界数据构建的，从所述实体识别结果中获取所有实体并输入至药品知识图谱中，在所述药品知识图谱中将所述所有实体的关联信息进行查询，筛选出所有目标药品，并生成初始用药推荐清单，提高了药品推荐的准确率；最后，通过对所述初始推荐用药清单中的所有药品按照多个预设的安全用药检测规则进行检测之后，所述多个预设的安全用药检测规则是从多个维度进行设置的，且每个预设的安全用药检测规则得到的检测结果不同，根据所述不同的检测结果得到最终推荐用药清单，提高了最终用药推荐的准确率及安全性。

此外，根据所述患者输入的语言偏好确定所述患者使用的方言的语种，合并所述第一方言类型和所述第二方言类型得到所述患者的目标方言类型，提高了确认得到的患者的目标方言类型的正确性。

实施例三

参阅图3所示，为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中，所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。

本领域技术人员应该了解，图3示出的电子设备的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。

在一些实施例中，所述电子设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。

需要说明的是，所述电子设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。

在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述电子设备3中的基于人工智能的用药推荐装置20，并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(read-onlymemory，rom)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammableread-onlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子擦除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(controlunit)，利用各种接口和线路连接整个电子设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行电子设备3的各种功能和处理数据。

在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。

尽管未示出，所述电子设备3还可以包括给各个部件供电的电源(比如电池)，可选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。

在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的基于人工智能的用药推荐装置20)、程序代码等，例如，上述的各个模块。

所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到基于人工智能的用药推荐的目的。

在本发明的一个实施例中，所述存储器31存储多个指令，所述多个指令被所述至少一个处理器32所执行以实现基于人工智能的用药推荐的功能。

具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。