[發明專利]藥物推薦方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202011070302.8
• 申請日: 2020-10-09
• 公開（公告）號: CN111933302B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 徐卓揚;趙惟;左磊;孫行智;胡崗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H70/40
• 分類號: G16H70/40;G16H50/30;G16H20/10;G06N3/04;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

本申請公開了一種藥物推薦方法、裝置、計算機設備及存儲介質，該方法包括：獲取目標用戶的至少兩種目標用戶屬性信息，將至少兩種目標用戶屬性信息輸入用藥指標預測模型；基于用藥指標預測模型中的各用藥指標預測網絡確定目標用戶的各目標用戶屬性信息在各藥物作用下的用藥指標；基于用藥指標預測模型確定出任一藥物作用下至少兩種目標用戶屬性信息對應的目標用藥指標以得到多種藥物對應的多個目標用藥指標；從多個目標用藥指標中確定出最大目標用藥指標，并將具有最大目標用藥指標的目標藥物推送給目標用戶。采用本申請，可以對用戶精準推薦藥物，提高了模型藥物推薦的精確度，也提高了藥物推薦的用戶粘性。

技術領域

本申請涉及計算機技術領域，尤其涉及一種藥物推薦方法、裝置、計算機設備及存儲介質。

背景技術

目前，可以通過神經網絡模型或者統計模型對患者推薦藥物。在通過神經網絡模型對患者推薦藥物時，神經網絡模型可以根據患者的所有特征預測需要向該患者推薦的藥物，但是由于神經網絡共享神經元的特性，只能對患者的所有特征進行解釋，而不能對患者的某個特征進行解釋，導致了患者可能不會接受上述模型所推薦的藥物，由此可見，上述神經網絡模型缺乏足夠的可解釋性，適用性差。另外，在通過統計模型對患者推薦藥物時，雖然統計模型具有足夠的可解釋性，但模型精確度低。

發明內容

本申請提供一種藥物推薦方法、裝置、計算機設備及存儲介質，可以對用戶精準推薦藥物，提高了模型藥物推薦的精確度，也提高了藥物推薦的用戶粘性。

第一方面，本申請提供了一種藥物推薦方法，該方法包括：

獲取目標用戶的至少兩種目標用戶屬性信息，將至少兩種目標用戶屬性信息輸入用藥指標預測模型，用藥指標預測模型中包含至少兩個用藥指標預測網絡，一個用藥指標預測網絡用于輸出用戶的一種用戶屬性信息在多種藥物作用下的多個用藥指標；

基于用藥指標預測模型中的各用藥指標預測網絡確定目標用戶的各目標用戶屬性信息在各藥物作用下的用藥指標，一種目標用戶屬性信息在一種藥物作用下對應一個用藥指標；

基于用藥指標預測模型確定出任一藥物作用下至少兩種目標用戶屬性信息對應的目標用藥指標以得到多種藥物對應的多個目標用藥指標；

從多個目標用藥指標中確定出最大目標用藥指標，并將具有最大目標用藥指標的目標藥物推送給目標用戶。

結合第一方面，在一種可能的實施方式中，多種藥物包括目標藥物以及目標藥物之外的至少一種其它藥物，目標用戶屬性信息在目標藥物作用下的用藥指標為第一用藥指標，目標用戶屬性信息在其它藥物作用下的用藥指標為第二用藥指標；

上述方法還包括：

基于第一用藥指標和第二用藥指標確定優化用藥指標，并將優化用藥指標展示給目標用戶。

結合第一方面，在一種可能的實施方式中，方法還包括：

獲取至少兩個用戶的樣本數據，一個用戶的樣本數據包括用戶的至少兩種用戶屬性信息和用戶在樣本藥物作用下的目標樣本用藥指標；

將至少兩個用戶的樣本數據輸入用藥指標預測模型，通過用藥指標預測模型中的各用藥指標預測網絡對各用藥指標預測網絡對應的用戶屬性信息進行聯合學習以獲取預測任一用戶的各用戶屬性信息在各藥物作用下的用藥指標的能力。

結合第一方面，在一種可能的實施方式中，用藥指標預測模型包含各藥物對應的偏置參數，一種藥物對應一個偏置參數；

基于用藥指標預測模型確定出任一藥物作用下至少兩種目標用戶屬性信息對應的目標用藥指標，包括：

基于用藥指標預測模型對各目標用戶屬性信息在任一藥物作用下的各用藥指標和任一藥物對應的偏置參數進行累加，得到任一藥物作用下至少兩種目標用戶屬性信息對應的目標用藥指標。