[發明專利]藥品推薦模型的訓練方法、裝置、存儲介質及計算機設備

在審

• 申請號: 202111017415.6
• 申請日: 2021-08-31
• 公開（公告）號: CN113569999A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 劉舒萍
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本發明公開了一種藥品推薦模型的訓練方法、裝置、存儲介質及計算機設備，主要在于能夠夠使用知識蒸餾的方法訓練一個輕量級的藥品推薦模型進行上線部署。其中方法包括：利用預設自然語言模型提取所述樣本疾病信息針對不同藥品信息的第一分布特征；將所述樣本疾病信息輸入至預設初始藥品推薦模型中進行藥品推薦，得到所述樣本疾病信息針對所述不同藥品信息的第二分布特征，以及所述樣本疾病信息對應的推薦藥品信息；分別構建所述初始藥品推薦模型對應的第一損失函數和第二損失函數；基于所述第一損失函數和所述第二損失函數，對所述初始藥品推薦模型進行迭代訓練，構建預設藥品推薦模型。本發明涉及人工智能和數字醫療領域。

技術領域

本發明涉及人工智能領域，尤其是涉及一種藥品推薦模型的訓練方法、裝置、存儲介質及計算機設備。

背景技術

隨著醫療領域線上問診模式的興起，患者可以足不出戶，通過互聯網進行線上問診，在線上問診的過程中，醫生針對患者描述的病情，確定患者所得的疾病，并為患者開相應的處方藥品，這種線上問診的方式給用戶帶來了極大的方便，同時也能夠使醫生為更多的患者進行診斷。

目前，在為患者進行診斷的過程中，可以采用機器學習技術為患者推薦相應的藥品。然而，由于現有的機器學習模型的參數較多，模型較重，因此這種用于藥品推薦的機器學習模型僅適用于線下，無法進行線上部署，從而無法輔助醫生進行線上問診。

發明內容

本發明提供了一種藥品推薦模型的訓練方法、裝置、存儲介質及計算機設備，主要在于能夠使用知識蒸餾的方法訓練一個輕量級的藥品推薦模型進行上線部署，在保證藥品推薦精度的同時，還提高了藥品推薦效率。

根據本發明的第一個方面，提供一種藥品推薦模型的訓練方法，包括：

獲取患者的樣本疾病信息及其對應的實際藥品信息；

利用預設自然語言模型提取所述樣本疾病信息針對不同藥品信息的第一分布特征；

將所述樣本疾病信息輸入至預設初始藥品推薦模型中進行藥品推薦，得到所述樣本疾病信息針對所述不同藥品信息的第二分布特征，以及所述樣本疾病信息對應的推薦藥品信息；

基于所述第一分布特征和第二分布特征，以及所述實際藥品信息和所述推薦藥品信息，分別構建所述初始藥品推薦模型對應的第一損失函數和第二損失函數；

基于所述第一損失函數和所述第二損失函數，對所述初始藥品推薦模型進行迭代訓練，構建預設藥品推薦模型。

根據本發明的第二個方面，提供一種藥品推薦模型的訓練裝置，包括：

獲取單元，用于獲取患者的樣本疾病信息及其對應的實際藥品信息；

提取單元，用于利用預設自然語言模型提取所述樣本疾病信息針對不同藥品信息的第一分布特征；

推薦單元，用于將所述樣本疾病信息輸入至預設初始藥品推薦模型中進行藥品推薦，得到所述樣本疾病信息針對所述不同藥品信息的第二分布特征，以及所述樣本疾病信息對應的推薦藥品信息；

構建單元，用于基于所述第一分布特征和第二分布特征，以及所述實際藥品信息和所述推薦藥品信息，分別構建所述初始藥品推薦模型對應的第一損失函數和第二損失函數；

訓練單元，用于基于所述第一損失函數和所述第二損失函數，對所述初始藥品推薦模型進行迭代訓練，構建預設藥品推薦模型。

根據本發明的第三個方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現以下步驟：

獲取患者的樣本疾病信息及其對應的實際藥品信息；

利用預設自然語言模型提取所述樣本疾病信息針對不同藥品信息的第一分布特征；