本發(fā)明涉及智能用藥管理，具體為基于大模型驅(qū)動的患者用藥管理智能對話系統(tǒng)。

背景技術(shù)：

1、患者用藥管理是醫(yī)療護理工作中的關(guān)鍵環(huán)節(jié)，旨在確保患者安全、有效、合理地使用藥物。它涉及提供清晰的用藥指導，定時提醒與監(jiān)督患者服藥，準備與核對藥物，觀察患者服藥后的反應，以及藥物的存儲與管理。

2、而基于醫(yī)療大模型的患者智能用藥管理，是一種創(chuàng)新的醫(yī)療護理模式，它利用先進的醫(yī)療大模型技術(shù)，對患者用藥過程進行智能化、個性化的管理。通過整合和分析患者的醫(yī)療數(shù)據(jù)，該模式能夠提供精準的用藥指導，實時提醒與監(jiān)督患者服藥，預測和監(jiān)測藥物相互作用及不良反應，從而確保患者安全、有效、合理地使用藥物，提升治療效果和患者的生活質(zhì)量。

3、在申請公布號為cn118197533a的中國發(fā)明專利中，一種醫(yī)療用藥信息管理系統(tǒng)及方法，該系統(tǒng)包括用藥信息庫模塊、患者信息獲取模塊、患者信息模板生成模塊、患者信息庫模塊、關(guān)鍵詞檢索模塊、匹配模塊、篩選模塊和用藥指導書生成模塊，用藥信息庫模塊用于存儲藥物信息，患者信息獲取模塊用于獲取患者信息，患者信息模板生成模塊用于生成患者信息模板，患者信息庫模塊用于存儲和修改患者信息模板，關(guān)鍵詞檢索模塊用于進行關(guān)鍵詞檢索，匹配模塊依據(jù)關(guān)鍵詞檢索結(jié)果與藥物信息進行信息匹配，篩選模塊用于基于信息匹配結(jié)果進行患者用藥篩選，用藥指導書生成模塊用于生成患者用藥指導書。

4、結(jié)合以上申請及現(xiàn)有技術(shù)中的內(nèi)容：

5、在流感或者類似傳染病暴發(fā)期間，到醫(yī)院就診的患者會大幅度地增加，考慮到醫(yī)護團隊的接診壓力和工作負荷程度，醫(yī)院可能會難以完成對患者的接待任務，導致患者在醫(yī)院內(nèi)產(chǎn)生滯留；這種情形下，為了降低醫(yī)院的接待負荷，醫(yī)院或者醫(yī)護團隊通常會接入醫(yī)療輔助系統(tǒng)，例如，患者信息管理系統(tǒng)、智能輔助診斷系統(tǒng)以及醫(yī)療診斷大模型等，通過這些智能系統(tǒng)或智能設備，提高接待及診斷的效率。

6、在現(xiàn)有的患者用藥管理智能對話系統(tǒng)中，通常由患者或者醫(yī)生向醫(yī)療大模型輸入癥狀信息后，由醫(yī)療大模型輸出相應的用藥方案或參考性建議，但是，在流感或者類似疫情暴發(fā)期間，一些高風險患者，例如，老年人、孕婦、術(shù)后恢復期患者等，這些高風險患者需要提供高精度的用藥方案，否則可能產(chǎn)生一定的用藥安全隱患，而現(xiàn)有的醫(yī)療大模型在高風險患者的聚集程度較高時，由于對高風險患者缺乏及時的健康監(jiān)控及數(shù)據(jù)采集，導致不能及時發(fā)現(xiàn)和處理高風險患者的用藥風險，導致對高風險患者的健康保障程度存在不足。

7、為此，本發(fā)明提供了基于大模型驅(qū)動的患者用藥管理智能對話系統(tǒng)。

技術(shù)實現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于大模型驅(qū)動的患者用藥管理智能對話系統(tǒng)，通過使用醫(yī)療大模型進行識別后給出醫(yī)療回復信息，匯總生成醫(yī)療回復信息集合；對高風險患者的回訪頻率進行約束，對高風險患者接收到的醫(yī)療回復信息進行優(yōu)化，獲取優(yōu)化后的醫(yī)療回復信息；由觀察周期內(nèi)的高風險患者健康風險值生成康復系數(shù)，若康復系數(shù)不超過預期，對醫(yī)療大模型進行優(yōu)化，并依據(jù)不同高風險患者的康復系數(shù)對維護頻率進行約束。在高風險患者的健康狀態(tài)產(chǎn)生異常時積極介入，給出用藥參考建議實現(xiàn)對高風險患者的健康保障；從而解決了背景技術(shù)中提出的技術(shù)問題。

3、(二)技術(shù)方案

4、為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：

5、基于大模型驅(qū)動的患者用藥管理智能對話系統(tǒng)，包括，

6、聚集分析單元，使用訓練后的患者風險模型在接待患者內(nèi)識別出高風險患者，依據(jù)高風險患者的接待時間節(jié)點分布生成聚集度fto，若聚集度fto超過聚集閾值，采集高風險患者信息并向外部發(fā)出監(jiān)測指令；其中，分析獲取高風險患者的聚集度fto的方式如下：

7、

8、權(quán)重系數(shù)，0≤pi≤1，pi為第i個高風險患者的加權(quán)值，取值落入[0，1]內(nèi)；k為高風險患者個數(shù)，tij是第i次出現(xiàn)高風險患者到第j次出現(xiàn)高風險患者的時間間隔，ta為時間間隔平均值；

9、異常報警單元，采集高風險患者的實時健康反饋數(shù)據(jù)，并在數(shù)據(jù)存在異常時，向外部發(fā)出預警指令；在預警指令無回應時，依據(jù)預警指令的發(fā)出狀態(tài)構(gòu)建緊急度hto，若緊急度hto超過緊急閾值，向外部發(fā)出報警指令；

10、醫(yī)療信息生成單元，以高風險患者的相關(guān)數(shù)據(jù)作為輸入，使用醫(yī)療大模型進行識別后給出醫(yī)療回復信息，匯總生成醫(yī)療回復信息集合；依據(jù)醫(yī)療回復信息生成信息值xso，依據(jù)信息值xso選擇加密方式為醫(yī)療回復信息進行加密；

11、回訪單元，對高風險患者的回訪頻率進行約束，并在向高風險患者采集反饋數(shù)據(jù)后，對高風險患者接收到的醫(yī)療回復信息進行優(yōu)化，獲取優(yōu)化后的醫(yī)療回復信息；

12、康復評估優(yōu)化單元，由觀察周期內(nèi)的高風險患者健康風險值生成康復系數(shù)ktu，若康復系數(shù)ktu不超過預期，對醫(yī)療大模型進行優(yōu)化，并依據(jù)不同高風險患者的康復系數(shù)ktu對維護頻率進行約束。

13、進一步的，對患者進行信息收集，以患者信息作為輸入，使用訓練后的患者風險模型識別患者是否為高風險患者，并在對患者進行風險評估后，獲取高風險患者的健康風險值；

14、記錄接待周期內(nèi)產(chǎn)生高風險患者的時間節(jié)點，分析獲取高風險患者的聚集度fto，若聚集度fto超過聚集閾值，依據(jù)高風險患者檔案信息為高風險患者建立健康信息檔案。

15、進一步的，接收到監(jiān)測指令后，對高風險患者進行健康指標數(shù)據(jù)采集及監(jiān)測，采集高風險患者提供的每日的健康狀況和用藥數(shù)據(jù)，將采集到的各項數(shù)據(jù)匯總作為實時反饋數(shù)據(jù)集合；

16、以實時反饋數(shù)據(jù)集合作為輸入，使用訓練后的異常數(shù)據(jù)識別模型進行識別，當實時反饋數(shù)據(jù)集合內(nèi)存在異常值時向外部發(fā)出預警指令。

17、進一步的，以接收到的預警指令的時間節(jié)點作為預警節(jié)點，在無量綱條件下構(gòu)建預警指令的緊急度hto，方式如下：

18、

19、其中，jyij為第i次預警指令到第j次預警指令的時間間隔，cyij第i次預警指令到第j次預警指令時，高風險患者異常健康指標的異常程度差值；ρ為權(quán)重系數(shù)，0≤ρ≤1；m為發(fā)出預警指令的次數(shù)。

20、進一步的，接收到報警指令后，收集高風險患者的健康信息檔案及實時反饋數(shù)據(jù)集合，以其作為輸入，使用醫(yī)療大模型對其進行識別，識別高風險患者當前的健康及用藥風險，為高風險患者制定個性化用藥方案，生成相應的用藥及相關(guān)建議，在進行審核確認后，匯總后生成醫(yī)療回復信息集合。

21、進一步的，將醫(yī)療回復信息集合內(nèi)的醫(yī)療回復信息向高風險患者發(fā)送時，依據(jù)醫(yī)療回復信息生成對信息密度xt，對信息密度xt做線性歸一化處理，將對應的數(shù)據(jù)值映射至區(qū)間[0,1]內(nèi)，依據(jù)如下方式生成信息值xso：

22、

23、其中，i＝1，2，…p，p為子階段的個數(shù)；xti為第i個子階段內(nèi)的信息密度，xta為信息密度的均值，權(quán)重系數(shù)，0≤f1≤1，0≤f2≤1，且f1+f2＝1；

24、依據(jù)信息值xso與加密難度的正相關(guān)性，從預先構(gòu)建的加密方案庫內(nèi)選擇相應的加密方式。

25、進一步的，若高風險患者接收到的醫(yī)療回復信息，在經(jīng)過觀察階段后對高風險患者進行回訪，采集高風險患者反饋數(shù)據(jù)，匯總后作為對話反饋數(shù)據(jù)集合；

26、獲取高風險患者的反饋數(shù)據(jù)及實時健康指標數(shù)據(jù)，以降低高風險患者的健康風險值作為優(yōu)化目標，使用預訓練的遺傳算法對醫(yī)療回復信息進行優(yōu)化。

27、進一步的，獲取到高風險患者的健康風險值后，對高風險患者的回訪頻率進行約束，在符合約束條件的回訪節(jié)點對高風險患者進行回訪，方式如下：

28、

29、權(quán)重系數(shù)，0≤α≤1，0≤β≤1；fot為高風險患者的健康風險值，n為回訪周期內(nèi)回訪次數(shù)，cij是第i個回訪節(jié)點到第j個回訪節(jié)點的時間間隔，ca為時間間隔平均值。

30、進一步的，在各個子周期內(nèi)采集高風險患者的健康指標及相關(guān)數(shù)據(jù)后，重新生成相應的健康風險值；將連續(xù)若干個子周期內(nèi)高風險患者的健康風險值fot依據(jù)時間軸排序，依據(jù)健康風險值fot的變化生成康復系數(shù)ktu，方式如下：

31、

32、其中，i＝1，2，…,t，t為子周期的個數(shù)，權(quán)重系數(shù)：0≤f1≤1，0≤f2≤1且f2+f1＝1；foti為第i個子周期內(nèi)的健康風險值，foty為健康風險值的初始值，fotp為健康風險值的可接受值；kti為第i個康復中間值，kta為其均值。

33、進一步的，接收到優(yōu)化指令后，采集不同高風險患者的各項反饋數(shù)據(jù)，對反饋數(shù)據(jù)進行識別后獲取待優(yōu)化點，定期依據(jù)待優(yōu)化點對醫(yī)療大模型進行維護，維護頻率依照如下方式確定：

34、

35、權(quán)重系數(shù)，0≤f1≤1，0≤f2≤1，且f1+f2＝1，ktui為第i個高風險患者的康復系數(shù)，ktua為康復系數(shù)均值，i＝1，2，…k，k為高風險患者個數(shù)，hp為維護頻率。

36、(三)有益效果

37、本發(fā)明提供了基于大模型驅(qū)動的患者用藥管理智能對話系統(tǒng)，具備以下有益效果：

38、1、依據(jù)健康風險值在若干個患者內(nèi)篩選出高風險患者，對于高風險患者可以進行針對性處理，提高患者管理的針對性；依據(jù)聚集度fto判斷高風險患者的密集性，實現(xiàn)對高風險患者接待難度進行評估，在接待難度較高時，對高風險患者建立健康信息檔案，實現(xiàn)針對性地信息管理，提高接待效率。

39、2、使用訓練后的異常數(shù)據(jù)識別模型進行識別，在高風險患者的身體健康指標產(chǎn)生異常時，能夠及時進行處理，實現(xiàn)對高風險患者的健康保障；通過依據(jù)發(fā)出預警節(jié)點的分布狀態(tài)構(gòu)建緊急度hto，在高風險患者的健康指標連續(xù)產(chǎn)生異常時，在預警之后再發(fā)出報警指令，實現(xiàn)強制提醒，確保高風險患者能夠得到關(guān)注和處理

40、3、在采集的高風險患者的各項信息后，為高風險患者給出用藥方案及其他類似的參考建議，在高風險患者的健康狀態(tài)產(chǎn)生異常時積極介入，實現(xiàn)對高風險患者的健康保障；依據(jù)醫(yī)療回復信息的內(nèi)容及重要程度，為其選擇相應的加密方案，實現(xiàn)針對性的加密，可以避免重要數(shù)據(jù)的丟失。

41、4、通過采集高風險患者的反饋數(shù)據(jù)，在獲取到的反饋和實際預期不符時，能夠及時進行處理；通過依據(jù)高風險患者的健康風險值對回訪頻率進行約束，使回訪頻率與高風險患者的健康狀態(tài)適配，避免過高或過低頻率的回訪對高風險患者帶來不便。

42、5、通過對回訪信息進行優(yōu)化和調(diào)整，使醫(yī)療回復信息與高風險患者間的適應性更高，在高風險患者處于康復狀態(tài)時，提高康復或者治療的效率。

43、6、依據(jù)高風險患者的健康風險值的變化構(gòu)建康復系數(shù)ktu，依據(jù)康復系數(shù)ktu對高風險患者的健康狀態(tài)變化進行評估，若高風險患者的康復程度未達到預期，對醫(yī)療大模型進行優(yōu)化。

44、7、對醫(yī)療大模型進行針對性的優(yōu)化調(diào)整及補充，在使用醫(yī)療大模型對高風險患者進行針對性管理時，可以取得更好的效果，提高高風險患者的康復效率；在獲取到若干個高風險患者的康復系數(shù)的基礎(chǔ)上，整體上對醫(yī)療大模型的維護頻率優(yōu)化，使醫(yī)療大模型的技術(shù)支持能力實時保持跟進，在用于對高風險用戶進行管理時，能夠取得更好的效果。