[發明專利]一種基于醫療大數據的用藥預測方法及系統

在審

• 申請號: 202010569868.9
• 申請日: 2020-06-20
• 公開（公告）號: CN111914164A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 黎云;袁沖;余軍;沈章;呂靜
• 申請（專利權）人: 武漢海云健康科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06Q10/04;G06Q10/10;G06Q30/06;G16H20/10
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 嚴超

本發明提供一種基于醫療大數據的用藥預測方法及系統，方法包括：基于訓練好的二分類模型，預測出藥品用完且未進行新一次買藥的目標用戶，所述二分類模型是根據歷史用戶買藥數據進行訓練得到，并實現購買時間未到導出時間的數據與購買時間超過數據導出時間的數據的分類篩選；關聯所述目標用戶和藥品數據，將關聯結果推送給所述目標用戶。本發明實施例提供的一種基于醫療大數據的用藥預測方法及系統，通過針對性的分析慢病藥品購買規律，能更加準確的預測出購買慢病藥品的用戶下次購買的時間，進而找出已經用完藥品但還沒有再次購買的人；并且通過模型訓練中得出的各特征的占比，可以更準確的計算出最有可能再次回藥店購買的用戶。

技術領域

本發明涉及大數據技術領域，更具體地，涉及一種基于醫療大數據的用藥預測方法及系統。

背景技術

目前我國慢病患者非常多，全國有超過三億人都是慢病患者，慢病致死人數已經占到我國因病死亡人數的80％。大多數慢病都需要長期用藥，而患有慢病的人群平均年齡都比較大，經常會出現藥物已經用完而忘記再次去購買的情況，用藥中斷將會嚴重威脅患者的身體健康，藥店也會因此流失用戶并減少藥品銷量。因此，如果藥店能夠預測在本藥店購買過慢病藥品的用戶的用藥時間，并在合適的時間對其做出提醒，那么這不僅有利于患者及時用藥，確保生命安全，同時還能提高藥店的藥品銷量，維系買藥的用戶。

目前通用的商品購買預測是通過分析用戶的購買的所有商品和用戶瀏覽點擊行為來做預測的，而這種預測方法并不適用于慢病藥品的預測，它存在一下的不足：1、商品之間存在較大差異，慢病藥品是一種特別的商品，其購買人群、購買頻率和購買時間間隔等都和其他商品不同；2、通用的商品購買預測可以通過購買的商品來預測購買其他商品，而慢病藥品一般都只會一直購買一種；3、通用的商品購買預測可以有多數據來源，而慢病藥品的購買預測數據只來源于購買行為；4、用戶隱私保護，通用的商品購買預測可能會用到用戶的隱私數據以做到更好的預測，而慢病藥品購買預測只會使用用戶消費信息，更注重隱私保護。

因此，現在亟需一種基于醫療大數據的用藥預測方法及系統來解決上述問題。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的一種基于醫療大數據的用藥預測方法及系統。

第一方面，本發明提供一種基于醫療大數據的用藥預測方法，包括：

基于訓練好的二分類模型，預測出藥品用完且未進行新一次買藥的目標用戶，所述二分類模型是根據歷史用戶買藥數據進行訓練得到，并實現購買時間未到導出時間的數據與購買時間超過數據導出時間的數據的分類篩選；

關聯所述目標用戶和藥品數據，將關聯結果推送給所述目標用戶。

其中，在所述基于訓練好的二分類模型，預測出藥品用完且未進行新一次買藥的目標用戶之前，所述方法還包括：

獲取預處理數據，從所述預處理數據中提取用戶歷史買藥的相關信息。

其中，所述方法還包括：

對所述預處理數據進行數據清洗、數據轉換以及數據過濾；

對處理后的數據進行結構化、標準化以及向量化。

其中，所述方法還包括：

根據預處理數據，計算用戶購買慢病藥品的頻率以及平均時間間隔；

對比購買慢病藥品的頻率以及平均時間間隔，分別標記出購買時間未到導出時間的數據以及購買時間超過數據導出時間的數據。

其中，所述基于訓練好的二分類模型，預測出藥品用完且未進行新一次買藥的目標用戶，包括：

根據所述二分類模型中各個模型特征的占比，按權重計算購買時間超過數據導出時間的用戶回藥店購買藥品的概率；