基于机器学习辅助的住院期间药物跟进管理系统

本发明涉及人工智能，尤其涉及基于机器学习辅助的住院期间药物跟进管理系统。

背景技术：

1、快速康复(enhanced recovery after surgery，eras)是一种区别于传统的全新的康复模式和贯穿整个治疗过程的康复理念，最早在1997年由丹麦外科医师kehlet首次提出。

2、快速是eras路径的最大特点之一，这样区别于传统术后康复的理念和模式更容易引起患者及家属的质疑，导致患者配合度降低。在一些区域中，eras路径的实施正面临困境。一方面是因为多学科团队的临床协作概念并未得到广泛推广；另一方面是因为无法对患者术后康复在住院期间产生的用户数据及时做出智能化分析以及时调整用户用药方案，也就无法对患者用户的住院期间进行有效跟进管理。

技术实现思路

1、鉴于以上内容，有必要提供一种基于机器学习辅助的住院期间药物跟进管理系统，旨在解决现有技术中无法对患者术后康复在住院期间产生的用户数据及时做出智能化分析以及时调整用户用药方案，也就无法对患者用户的住院期间进行有效跟进管理的问题。

2、本发明的实施例提供了一种基于机器学习辅助的住院期间药物跟进管理系统，包括：一个或多个数据获取或储存模块，一个或多个分析模块、一个或多个报警模块以及一个或多个管理平台，所述报警模块至少包括有一个药物相关问题发生风险等级确定单元，所述分析模块中部署有用户个体化标签确定模型；

3、所述数据获取或储存模块，用于响应于药物跟进管理指令，获取与所述药物跟进管理指令对应的目标用户，并采集获取所述目标用户的目标生理数据、目标情境数据和目标临床数据，以组成与所述目标用户对应的目标用户初始数据；

4、所述分析模块，用于基于预先设置的数据切割策略对所述目标用户初始数据进行数据分割和筛选得到目标分割后数据，并将所述分割后数据输入至所述用户个体化标签确定模型以得到目标用户标签预测结果值；

5、所述报警模块，用于基于所述药物相关问题发生风险等级确定单元及所述目标用户标签预测结果值确定目标用户个体化标签；其中，所述目标用户个体化标签包括术后肠外营养方案管理标签、术后病疼痛管理标签、术后恶心与呕吐管理标签；

6、所述管理平台，用于基于所述目标用户个体化标签及历史用户用药方案数据，生成目标用户当前用药方案数据，并发送至与所述管理平台通讯连接且与所述目标用户对应的目标用户终端；

7、所述管理平台，还用于基于所述目标用户当前用药方案数据生成用户个人宣教材料数据和药物监护计划数据，并发送至所述目标用户终端。

8、根据本发明优选实施例，所述分析模块包括信号预处理分析单元、特征融合单元和预测结果输出单元；其中，所述数据切割策略部署于所述信号预处理分析单元；所述特征融合单元中部署有第一卷积神经网络模型、长短时记忆网络模型和第二卷积神经网络模型和多源特征深度神经网络模型；所述预测结果输出单元输出的所述目标用户标签预测结果值在0-1之间。

9、根据本发明优选实施例，所述信号预处理分析单元，用于基于预先设置的数据切割策略对所述目标用户初始数据进行数据分割和筛选得到目标分割后数据；其中，所述数据切割策略中与所述目标用户对应的筛选时间段以所述目标用户的入院日期为起始日期、且以所述目标用户的出院日期为终止日期；

10、所述特征融合单元，用于基于所述第一卷积神经网络模型获取与所述目标分割后数据中的生理数据所对应的第一特征向量，基于所述长短时记忆网络模型获取与所述目标分割后数据中的情景数据所对应的第二特征向量，基于所述第二卷积神经网络模型获取与所述目标分割后数据中的临床数据所对应的第三特征向量，并将所述第一特征向量、所述第二特征向量和所述第三特征向量输入至所述多源特征深度神经网络模型得到融合特征向量；

11、所述预测结果输出单元，用于基于用户个体化标签确定模型获取与所述融合特征向量对应的所述目标用户标签预测结果值。

12、根据本发明优选实施例，所述用户个体化标签确定模型对应的公式为：

13、v(result|dcnn-lstm)＝t(wp*dcnn-lstm+bp)；

14、其中，v(result|dcnn-lstm)表示所述目标用户标签预测结果值；dcnn-lstm表示所述融合特征向量；wp表示所述用户个体化标签确定模型中的第一预设分类器参数；bp表示所述用户个体化标签确定模型中的第二预设分类器参数；t表示激活函数。

15、根据本发明优选实施例，所述目标用户标签预测结果值所属的0-1的取值区间中包括第一预设取值区间和第二预设取值区间；当目标用户标签预测结果值取值属于所述第一预设取值区间时对应于第一用户评估风险等级，当目标用户标签预测结果值取值属于所述第二预设取值区间时对应于第二用户评估风险等级。

16、根据本发明优选实施例，还包括药物治疗管理随访模块，用于采集目标用户的目标生理数据、目标情境数据和目标临床数据；其中，所述目标生理数据为目标用户所佩戴且与所述药物治疗管理随访模块通讯连接的患者监测装置在所述筛选时间段所采集的用户数据；所述目标情境数据为目标用户所使用且与所述药物治疗管理随访模块通讯连接的用户终端在所述筛选时间段所采集的用户数据；所述目标临床数据为与所述药物治疗管理随访模块通讯连接的医院信息平台在所述筛选时间段所采集与目标用户对应的用户数据。

17、根据本发明优选实施例，所述管理平台还用于接收临床医师终端发送的与所述目标用户对应的注释数据，并将所述注释数据发送至所述分析模块以更新所述目标用户标签预测结果值。

18、根据本发明优选实施例，所述管理平台还用于接收所述目标用户终端发送的与所述目标用户当前用药方案数据对应的目标用户反馈数据，并将所述目标用户反馈数据发送至所述分析模块以更新所述目标用户标签预测结果值。

19、根据本发明优选实施例，所述分析模块在接收到所述目标用户反馈数据时，将所述目标用户反馈数据与所述目标分割后数据融合后输入至所述用户个体化标签确定模型以得到当前目标用户标签预测结果值，以更新所述目标用户标签预测结果值。

20、根据本发明优选实施例，所述管理平台还用于接收其他医院管理平台发送的与所述目标用户对应的目标用户其他个体化标签，基于所述目标用户其他个体化标签更新所述目标用户个体化标签，并基于所述目标用户个体化标签更新所述目标用户当前用药方案数据，并发送至所述目标用户终端。

21、由以上技术方案可以看出，本发明的技术方案带来的有益效果包括：

22、1、是通过提取情境数据和生理数据，间接估计患者的疼痛，从而优化多模态镇痛方案。对比目前已有的技术方案，本发明技术方案的有益效果在于，一方面，基于情境数据，及时监测患者的疼痛程度，便于临床护理人员进行及时的处理；

23、2、类似于eras术后患者的多模态疼痛管理，提取情境数据和生理数据，优化恶心与呕吐的预防方案，及时监测呕吐预防药物的使用以及患者情况的变化；

24、3、术后患者的肠外营养方案一般是根据患者基本生化指标进行制定的，对于进行腹部手术的患者，在术后康复期间营养方案会根据实际所需进行动态调整，肠外营养方案同样涉及多种药物的联合使用，故涉及的mrp风险较高。值得注意的是，eras管理模式中提倡患者尽早停止肠外营养方案，开展肠内营养方案，本发明技术方案可以根据个体化标签的动态更新提示营养方案转换的有益时间点。