一种基于人工智能的药物警戒系统访问系统及方法与流程

1.本发明涉及计算机技术领域，具体为一种基于人工智能的药物警戒系统访问系统及方法。


背景技术：

2.随着计算机技术的快速发展，人们对计算机技术的运用越来越广泛，尤其是人工智能的推广，使得运用计算机技术的系统更加智能化，进而为人们带来巨大的便利；人工智能技术在药物警戒领域的运用中，人们对药物警戒信息的保存和处理更加有条理，处理方式更加便捷，在一定程度上节省了较大的人力、物力。
3.但是当前的药物警戒系统尚且存在较大的缺陷，尤其是药物警戒系统访问系统，只是单纯的对用户的账号进行管理控制，无法根据用户需要访问的药物种类较为精准的生成相应的药物警戒报告。
4.针对上述情况，我们需要一种基于人工智能的药物警戒系统访问系统及方法。


技术实现要素：

5.本发明的目的在于提供一种基于人工智能的药物警戒系统访问系统及方法，以解决上述背景技术中提出的问题。
6.为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的药物警戒系统访问系统，包括：
7.药物查询模块，所述药物查询模块用于查询待访问的药物种类；
8.药物警戒信息获取模块，所述药物警戒信息获取模块包括患者关联信息获取模块、验证核查模块及药物警戒报告生成模块，
9.所述患者信息获取模块用于获取针对药物查询模块中的待访问药物种类的试药患者的各项关联信息；
10.所述验证核查模块用于针对患者信息获取模块中得到的待访问药物种类的试药患者的各项关联信息进行逻辑验证，判断关联信息是否存在可疑信息，并针对可疑信息进行人工核查；
11.所述药物警戒报告生成模块用于将验证核查模块中验证核查通过的待访问药物种类的试药患者的各项关联信息进行信息汇总，得到各个试药患者对应的药物警戒报告，并针对药物警戒报告内容判断药物警戒报告的优先级。
12.本发明通过各个模块的协同合作，共同实现了对待访问的药物种类相关的药物警戒报告的获取，该过程涉及到试药患者药物警戒报告信息的验证核查、药物警戒报告的生成及药物警戒报告的优先级判断，进而实现了对待访问的药物种类相关的药物警戒报告的有效管理。
13.进一步的，所述患者信息获取模块获取的针对药物查询模块中的待访问药物种类的试药患者的各项关联信息，包括临床药物不良反应报告、患者历史病历及患者日常行为
情况。
14.进一步的，所述验证核查模块包括逻辑验证模块及人工核查模块，
15.所述逻辑验证模块用于获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合，并对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析，判断试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间是否符合逻辑关系，
16.若试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间符合逻辑关系，则判定该试药患者的关联信息通过，关联信息不存在可疑信息，并将检验通过的试药患者的关联信息添加到验证核查数据库中，
17.若试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间不符合逻辑关系，则判定该试药患者的关联信息未通过，关联信息存在可疑信息；
18.所述人工核查模块对于逻辑验证模块中关联信息存在可疑信息的试药患者相应的各项关联信息，提交给管理人员进行核查，管理人员将核查通过的试药患者相应的各项关联信息添加到验证核查数据库中，而对核查未通过的试药患者相应的各项关联信息不进行处理。
19.本发明验证核查模块包含逻辑验证模块及人工核查模块，逻辑验证模块实现对试药患者的各项关联信息中的特征的提取，并根据提取的各个特征对应的集合，分析各个特征之间的逻辑关系，进而使得对试药患者的各项信息的分析更加智能化，且结合数据库中的大数据进行分析，会使得最终的分析结果更加精准；针对关联信息中的可疑信息，设置人工核查模块，是考虑到基于数据库的人工智能在对关联信息进行分析时，如果数据库中不包含相关的数据，可能会导致逻辑验证模块在对关联信息中的可疑信息进行分析时，数据库无法提供相应的数据依据，该情况可能是由于该部分数据内容的缺失导致的，而不仅仅是由于数据的逻辑错误，因此，设置人工核查模块，相当于对可疑数据进行二次核查，能够有效提高逻辑验证模块对试药患者的各项关联信息的分析结果的准确性。
20.进一步的，所述逻辑验证模块获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合的方法包括以下步骤：
21.s1.1、获取每个试药患者相应的临床药物不良反应特征集合，所述临床药物不良反应特征包括不良反应的时间、种类及不良表现，
22.当试药患者不存在不良反应时，则该试药患者对应的不良反应特征集合为空；
23.s1.2、获取每个试药患者相应的历史病历特征集合，所述历史病历特征包括历史病历种类及每种历史病历对应的各种禁忌药物，
24.当试药患者不存在历史病历时，则该试药患者对应的历史病历特征集合为空；
25.s1.3、获取每个试药患者相应的日常行为特征集合，所述日常行为特征包括试药患者日常饮食中对应的各食物种类。
26.本发明逻辑验证模块获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合时，获取临床药物不良反应特征、历史病历特征及日常行为特征中的各项内容时，均是采用提取关键词的方式获取各项特征信息的。
27.进一步的，所述逻辑验证模块对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析的方法包括以下步骤：
28.s2.1、获取每个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合，构成试药患者相应的逻辑验证数据集合，将第n个试药患者对应的逻辑验证集合记为an，所述an＝{bn，cn，dn}，
29.其中，bn表示第n个试药患者对应的临床药物不良反应特征集合，
30.cn表示第n个试药患者对应的历史病历特征集合，
31.dn表示第n个试药患者对应的日常行为例特征集合；
32.s2.2、获取待访问的药物种类中的药物成分，并将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较，并将比较结果与bn进行匹配，得到第n个试药患者对应的第一逻辑系数q1n；
33.s2.3、获取第n个试药患者对应的dn中试药患者日常饮食中对应的食物种类，判断获取的食物种类与待访问的药物种类中的药物成分能否产生不良反应，并统计dn中能够与待访问的药物种类中的药物成分产生不良反应，且产生的不良反应与bn中不良表现相同的食物种类，对比数据库，得到每个食物种类对应的不良反应系数，将统计的食物种类分别对应的不良反应系数进行累加求和，进而得到第二逻辑系数q2n；
34.s2.4、得到第n个试药患者的逻辑值qn，所述qn＝r1*q1n+r2*q2n，其中，r1表示第一加权值，r2表示第二加权值；
35.s2.5、将qn与第一预设值进行比较，
36.当qn大于等于第一预设值时，则判定该试药患者的关联信息通过，
37.当qn小于第一预设值时，则判定该试药患者的关联信息未通过；
38.所述r2的获取方法包括以下步骤：
39.s2.4.1、获取s2.3中第n个试药患者对应的dn中试药患者日常饮食中对应的食物种类；
40.s2.4.2、获取dn中能够与待访问的药物种类中的药物成分产生不良反应，且产生的不良反应与bn中不良表现不相同的食物种类，并获取的食物种类在数据库中对应的不良反应系数逐个录入到一个空白集合中，得到集合其中，m表示集合中的元素个数，将集合中第y个元素对应的不良反应系数对应的值记为
41.s2.4.3、得到第二加权值r2，
42.当时，所述
43.当时，所述r2＝0。
44.本发明逻辑验证模块对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析时，将第n个试药患者对应的逻辑验证集合记为an，是为了将试药患者的各项特征信息汇总起来，避免进行逻辑分析时，分析的特征信息与试药患者不匹配，进而导致分析结果出现偏差；分别获取试药患者对应的第一逻辑系数和第二逻辑系数，是因为在对试药患者的关联信息进行逻辑验证
时，历史病历特征集合与日常行为例特征集合中的特征在与待访问的药物种类发生反应时均会产生不良反应，因此需要从两个方面进行分析，即对应两个分析结果(第一逻辑系数和第二逻辑系数)；在判断dn中能够与待访问的药物种类中的药物成分产生不良反应的食物种类后，还要将产生的不良反应与bn中不良表现进行对比，是为了判断该试药患者自身产生的不良反应是否是由于该不良反应对应的食物种类产生的，若不是，则说明该食物种类未对该试药患者产生不良影响，进而该食物种类与该试药患者的不良反应之间不存在逻辑关系，进而不需要对其进行统计；对比数据库，得到每个食物种类对应的不良反应系数，将统计的食物种类分别对应的不良反应系数进行累加求和，是因为不同的食物种类与待访问的药物种类成分之间的反应程度不同，对患者造成的不良反应的影响程度也不相同，因此，通过设置不良反应系数的方式能够将患者的不良反应情况数值化、具体化，便于后续对试药患者的关联信息进行逻辑验证，同时也便于后续对试药患者对应的药物警戒报告的优先级进行划分；获取试药患者的逻辑值时，采用加权的方式，且设置r1、r2，是因为试药患者的第一逻辑系数和第二逻辑系数是采用不同的标准进行获取的，均反应了试药患者的不良反应情况，因此采用加权的方式，能够将两种标准对应的获取结果进行有效的结合起来，即实现对两种获取标准的统一，进而使得最终的分析结果更加准确。
45.进一步的，所述s2.2中将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较的方法包括以下步骤：
46.s2.2.1、分别罗列出cn中与待访问的药物种类中的药物成分相同的禁忌药物，将禁忌药物及待访问的药物种类中与该禁忌药物相同的药物成分构成数据对[p1，p2]，
[0047]
其中，p1表示禁忌药物，p2表示待访问的药物种类中与该禁忌药物相同的药物成分；
[0048]
s2.2.2、获取每个数据对中p1对应的历史病历种类，对比数据库，匹配出p1对应的最终禁忌值，
[0049]
当p1对应的历史病历种类为一种时，对比数据库，匹配出该历史病历中p1对应的禁忌值，该禁忌值为p1对应的最终禁忌值，
[0050]
当p1对应的历史病历种类为多种时，对比数据库，分别匹配出每种历史病历中p1对应的禁忌值，所得禁忌值中的最大值为p1的最终禁忌值。
[0051]
本发明将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较时，将禁忌药物及待访问的药物种类中与该禁忌药物相同的药物成分构成数据对，是因为试药患者的每种历史病历的可能对应多种禁忌药物，且试药患者可能包含多种历史病历，待访问的药物种类的不同药物成分可能与不同的禁忌药物相同，进而产生不同的不良反应，因此，采用数据对的方式能够精准锁定产生不良反应的待访问的药物种类的药物成分与相应的禁忌药物，使得分析更加精准、细致；当p1对应的历史病历种类为多种时，对比数据库，分别匹配出每种历史病历中p1对应的禁忌值，所得禁忌值中的最大值为p1的最终禁忌值，是因为在试药患者存在多种历史病历，每种历史病历分别对应多种禁忌药物，且不同历史病历对应的同一种禁忌药物与待访问的药物种类的药物成分相同时，由于不同历史病历中该禁忌药物对应的禁忌值不同，因此，该情况下，该数据对同时对应多个禁忌值。
[0052]
进一步的，所述s2.2中得到第n个试药患者对应的第一逻辑系数q1n的方法包括以
下步骤：
[0053]
s2.2-1、获取s2.2.1中的各个数据对；
[0054]
s2.2-2、将每个数据对中待访问的药物种类中与禁忌药物相同的药物成分产生的不良表现记为e，将e与bn进行比较，
[0055]
当e包含于bn时，则获取e对应数据对中相应的最终禁忌值，
[0056]
当e不包含于bn时，则不对e对应数据对中相应的最终禁忌值进行处理；
[0057]
s2.2-3、计算s2.2-2中获取的所有最终禁忌值的总和，得到第n个试药患者对应的第一逻辑系数q1n，
[0058]
当s2.2-2中获取的所有最终禁忌值为空时，则第n个试药患者对应的第一逻辑系数q1n等于0；
[0059]
所述r1的获取方法包括以下步骤：
[0060]
s2.4-1、获取s2.2.1中第n个试药患者对应的所有数据对；
[0061]
s2.4-2、筛选s2.4-1中对应的不良表现e不包含于bn的各个数据对，并将筛选的各个对数据对对应的最终禁忌值逐个录入一个空白集合中，得到其中，m1表示集合中的元素个数，n表示第n个试药患者，将集合中第y1个元素对应的最终禁忌值记为
[0062]
s2.4-3、得到第一加权值r1，
[0063]
当时，所述
[0064]
当时，所述r1＝0。
[0065]
本发明得到第n个试药患者对应的第一逻辑系数q1n时，需要对根据数据对进行筛选(通过数据对对应的不良表现与bn进行比较)，进而得到相应的第一逻辑系数；当s2.2-2中获取的所有最终禁忌值为空时，则说明该试药患者没有产生不良反应或者产生的不良反应与数据对对应的不良表现不匹配，进而判定第n个试药患者对应的第一逻辑系数q1n等于0。
[0066]
进一步的，药物警戒报告生成模块得到各个试药患者对应的药物警戒报告的方法包括以下步骤：
[0067]
s3.1、获取s2.2-2中包含于bn的各个e分别对应的数据对；
[0068]
s3.2、分别提取s3.1中的各个数据对中的禁忌药物逐个录入第n个试药患者对应的药物警戒报告中的可疑药物部分；
[0069]
s3.3、分别提取s3.1中的各个数据对对应的不良表现，并逐个录入第n个试药患者对应的药物警戒报告中的不良表现部分；
[0070]
s3.4、获取第n个试药患者的个人信息，并录入第n个试药患者对应的药物警戒报告中的个人信息部分，
[0071]
试药患者对应的药物警戒报告包括可疑药物部分、不良表现部分及个人信息部分。
[0072]
本发明药物警戒报告生成报告模块在获取不到相应的数据对的情况下，则试药患者对应的药物警戒报告包括可疑药物部分、不良表现部分为空。
[0073]
进一步的，药物警戒报告生成模块针对药物警戒报告内容判断药物警戒报告的优先级时，
[0074]
按从大到小的顺序对试药患者的逻辑值进行排序，序号高的试药患者对应的药物警戒报告的优先级高；
[0075]
当试药患者的逻辑值相同时，进一步比较试药患者对应的各个数据对个数，对应的各个数据对个数多的试药患者相应的药物警戒报告的优先级高；
[0076]
若试药患者对应的各个数据对个数相同，则对对应的各个数据对个数相同的试药患者相应的药物警戒报告的优先级进行随机排序。
[0077]
本发明药物警戒报告生成模块判断药物警戒报告的优先级，是为了使得用户在访问药物种类时，显示的药物警戒报告是有序的，对应的不良反应造成的影响是从高到低的，这样便于用户快速获取待访问的药物种类相关的药物警戒报告的主要信息。
[0078]
一种基于人工智能的药物警戒系统访问方法，所述方法包括以下步骤：
[0079]
s1、通过药物查询模块查询待访问的药物种类；
[0080]
s2、通过患者信息获取模块获取针对药物查询模块中的待访问药物种类的试药患者的各项关联信息；
[0081]
s3、在验证核查模块中，针对患者信息获取模块中得到的待访问药物种类的试药患者的各项关联信息进行逻辑验证，判断关联信息是否存在可疑信息，并针对可疑信息进行人工核查；
[0082]
s4、通过药物警戒报告生成模块将验证核查模块中验证核查通过的待访问药物种类的试药患者的各项关联信息进行信息汇总，得到各个试药患者对应的药物警戒报告，并针对药物警戒报告内容判断药物警戒报告的优先级。
[0083]
与现有技术相比，本发明所达到的有益效果是：本发明通过在对药物警戒系统进行访问时，不仅能够根据人工智能自动获取试药患者的各项关联信息，还能够自动对获取的关联信息实现逻辑验证及人工核查，并在确保关联信息正确的情况下，自动生成相应的药物警戒报告，并根据药物警戒报告生成过程中对应的各个特征集合计算出各个药物警戒报告的优先级，显示有药物警戒信息的有效管理。
附图说明
[0084]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0085]
图1是本发明一种基于人工智能的药物警戒系统访问系统的结构示意图；
[0086]
图2是本发明一种基于人工智能的药物警戒系统访问系统中逻辑验证模块对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析的方法的流程示意图；
[0087]
图3是本发明一种基于人工智能的药物警戒系统访问系统中药物警戒报告生成模块得到各个试药患者对应的药物警戒报告的方法的流程示意图；
[0088]
图4是本发明一种基于人工智能的药物警戒系统访问方法的流程示意图。
具体实施方式
[0089]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0090]
请参阅图1-图4，本发明提供技术方案：一种基于人工智能的药物警戒系统访问系统，包括：
[0091]
药物查询模块，所述药物查询模块用于查询待访问的药物种类；
[0092]
药物警戒信息获取模块，所述药物警戒信息获取模块包括患者关联信息获取模块、验证核查模块及药物警戒报告生成模块，
[0093]
所述患者信息获取模块用于获取针对药物查询模块中的待访问药物种类的试药患者的各项关联信息；
[0094]
所述验证核查模块用于针对患者信息获取模块中得到的待访问药物种类的试药患者的各项关联信息进行逻辑验证，判断关联信息是否存在可疑信息，并针对可疑信息进行人工核查；
[0095]
所述药物警戒报告生成模块用于将验证核查模块中验证核查通过的待访问药物种类的试药患者的各项关联信息进行信息汇总，得到各个试药患者对应的药物警戒报告，并针对药物警戒报告内容判断药物警戒报告的优先级。
[0096]
本发明通过各个模块的协同合作，共同实现了对待访问的药物种类相关的药物警戒报告的获取，该过程涉及到试药患者药物警戒报告信息的验证核查、药物警戒报告的生成及药物警戒报告的优先级判断，进而实现了对待访问的药物种类相关的药物警戒报告的有效管理。
[0097]
所述患者信息获取模块获取的针对药物查询模块中的待访问药物种类的试药患者的各项关联信息，包括临床药物不良反应报告、患者历史病历及患者日常行为情况。
[0098]
所述验证核查模块包括逻辑验证模块及人工核查模块，
[0099]
所述逻辑验证模块用于获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合，并对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析，判断试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间是否符合逻辑关系，
[0100]
若试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间符合逻辑关系，则判定该试药患者的关联信息通过，关联信息不存在可疑信息，并将检验通过的试药患者的关联信息添加到验证核查数据库中，
[0101]
若试药患者相应的临床药物不良反应特征集合与相应的历史病历特征集合及日常行为特征集合之间不符合逻辑关系，则判定该试药患者的关联信息未通过，关联信息存在可疑信息；
[0102]
所述人工核查模块对于逻辑验证模块中关联信息存在可疑信息的试药患者相应的各项关联信息，提交给管理人员进行核查，管理人员将核查通过的试药患者相应的各项关联信息添加到验证核查数据库中，而对核查未通过的试药患者相应的各项关联信息不进
行处理。
[0103]
本发明验证核查模块包含逻辑验证模块及人工核查模块，逻辑验证模块实现对试药患者的各项关联信息中的特征的提取，并根据提取的各个特征对应的集合，分析各个特征之间的逻辑关系，进而使得对试药患者的各项信息的分析更加智能化，且结合数据库中的大数据进行分析，会使得最终的分析结果更加精准；针对关联信息中的可疑信息，设置人工核查模块，是考虑到基于数据库的人工智能在对关联信息进行分析时，如果数据库中不包含相关的数据，可能会导致逻辑验证模块在对关联信息中的可疑信息进行分析时，数据库无法提供相应的数据依据，该情况可能是由于该部分数据内容的缺失导致的，而不仅仅是由于数据的逻辑错误，因此，设置人工核查模块，相当于对可疑数据进行二次核查，能够有效提高逻辑验证模块对试药患者的各项关联信息的分析结果的准确性。
[0104]
所述逻辑验证模块获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合的方法包括以下步骤：
[0105]
s1.1、获取每个试药患者相应的临床药物不良反应特征集合，所述临床药物不良反应特征包括不良反应的时间、种类及不良表现，
[0106]
当试药患者不存在不良反应时，则该试药患者对应的不良反应特征集合为空；
[0107]
s1.2、获取每个试药患者相应的历史病历特征集合，所述历史病历特征包括历史病历种类及每种历史病历对应的各种禁忌药物，
[0108]
当试药患者不存在历史病历时，则该试药患者对应的历史病历特征集合为空；
[0109]
s1.3、获取每个试药患者相应的日常行为特征集合，所述日常行为特征包括试药患者日常饮食中对应的各食物种类。
[0110]
本发明逻辑验证模块获取各个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合时，获取临床药物不良反应特征、历史病历特征及日常行为特征中的各项内容时，均是采用提取关键词的方式获取各项特征信息的。
[0111]
所述逻辑验证模块对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析的方法包括以下步骤：
[0112]
s2.1、获取每个试药患者相应的临床药物不良反应特征集合、历史病历特征集合及日常行为特征集合，构成试药患者相应的逻辑验证数据集合，将第n个试药患者对应的逻辑验证集合记为an，所述an＝{bn，cn，dn}，
[0113]
其中，bn表示第n个试药患者对应的临床药物不良反应特征集合，
[0114]
cn表示第n个试药患者对应的历史病历特征集合，
[0115]
dn表示第n个试药患者对应的日常行为例特征集合；
[0116]
s2.2、获取待访问的药物种类中的药物成分，并将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较，并将比较结果与bn进行匹配，得到第n个试药患者对应的第一逻辑系数q1n；
[0117]
s2.3、获取第n个试药患者对应的dn中试药患者日常饮食中对应的食物种类，判断获取的食物种类与待访问的药物种类中的药物成分能否产生不良反应，并统计dn中能够与待访问的药物种类中的药物成分产生不良反应，且产生的不良反应与bn中不良表现相同的食物种类，对比数据库，得到每个食物种类对应的不良反应系数，将统计的食物种类分别对应的不良反应系数进行累加求和，进而得到第二逻辑系数q2n；
[0118]
s2.4、得到第n个试药患者的逻辑值qn，所述qn＝r1*q1n+r2*q2n，其中，r1表示第一加权值，r2表示第二加权值；
[0119]
s2.5、将qn与第一预设值进行比较，
[0120]
当qn大于等于第一预设值时，则判定该试药患者的关联信息通过，
[0121]
当qn小于第一预设值时，则判定该试药患者的关联信息未通过；
[0122]
所述r2的获取方法包括以下步骤：
[0123]
s2.4.1、获取s2.3中第n个试药患者对应的dn中试药患者日常饮食中对应的食物种类；
[0124]
s2.4.2、获取dn中能够与待访问的药物种类中的药物成分产生不良反应，且产生的不良反应与bn中不良表现不相同的食物种类，并获取的食物种类在数据库中对应的不良反应系数逐个录入到一个空白集合中，得到集合其中，m表示集合中的元素个数，将集合中第y个元素对应的不良反应系数对应的值记为
[0125]
s2.4.3、得到第二加权值r2，
[0126]
当时，所述
[0127]
当时，所述r2＝0。
[0128]
本实施例中若第1个试药患者对应的第一逻辑系数为3.5，d1＝{k1，k2，k3，k4}，b1＝{h1，h2}，r1＝0.6，
[0129]
若k1、k2、k3、k4均表示第1个试药患者日常饮食中对应的食物种类，h1与h2均是第1个试药患者临床药物不良反应特征集合中的不良表现，
[0130]
且数据库中k1对应的不良反应系数为0.8，
[0131]
数据库中k2对应的不良反应系数为0.6，
[0132]
数据库中k3对应的不良反应系数为1.2，
[0133]
数据库中k4对应的不良反应系数为1.0，
[0134]
当k1与待访问的药物种类中的药物成分j1产生不良表现h2、k2与待访问的药物种类中的药物成分j2产生不良表现h3、k3不与待访问的药物种类中的所有药物成分产生不良表现、k4与待访问的药物种类中的药物成分j3产生不良表现h1时，
[0135]
由于h2包含于b1、h1包含于b1且h3不包含于b1，
[0136]
所以第1个试药患者对应的第二逻辑系数q21＝0.8+1.0＝1.8；
[0137]
由于k2与待访问的药物种类中的药物成分j2产生不良表现h3，且数据库中k3对应的不良反应系数为1.2，则
[0138]
进而第1个试药患者的逻辑值q1＝3.5*0.6+1.8*0.6＝2.1+1.08＝3.18。
[0139]
本发明逻辑验证模块对每个试药患者相应的临床药物不良反应特征集合与该试药患者相应的历史病历特征集合及日常行为特征集合进行逻辑分析时，将第n个试药患者对应的逻辑验证集合记为an，是为了将试药患者的各项特征信息汇总起来，避免进行逻辑分析时，分析的特征信息与试药患者不匹配，进而导致分析结果出现偏差；分别获取试药患者对应的第一逻辑系数和第二逻辑系数，是因为在对试药患者的关联信息进行逻辑验证时，历史病历特征集合与日常行为例特征集合中的特征在与待访问的药物种类发生反应时
均会产生不良反应，因此需要从两个方面进行分析，即对应两个分析结果(第一逻辑系数和第二逻辑系数)；在判断dn中能够与待访问的药物种类中的药物成分产生不良反应的食物种类后，还要将产生的不良反应与bn中不良表现进行对比，是为了判断该试药患者自身产生的不良反应是否是由于该不良反应对应的食物种类产生的，若不是，则说明该食物种类未对该试药患者产生不良影响，进而该食物种类与该试药患者的不良反应之间不存在逻辑关系，进而不需要对其进行统计；对比数据库，得到每个食物种类对应的不良反应系数，将统计的食物种类分别对应的不良反应系数进行累加求和，是因为不同的食物种类与待访问的药物种类成分之间的反应程度不同，对患者造成的不良反应的影响程度也不相同，因此，通过设置不良反应系数的方式能够将患者的不良反应情况数值化、具体化，便于后续对试药患者的关联信息进行逻辑验证，同时也便于后续对试药患者对应的药物警戒报告的优先级进行划分；获取试药患者的逻辑值时，采用加权的方式，且设置r1、r2，是因为试药患者的第一逻辑系数和第二逻辑系数是采用不同的标准进行获取的，均反应了试药患者的不良反应情况，因此采用加权的方式，能够将两种标准对应的获取结果进行有效的结合起来，即实现对两种获取标准的统一，进而使得最终的分析结果更加准确。
[0140]
所述s2.2中将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较的方法包括以下步骤：
[0141]
s2.2.1、分别罗列出cn中与待访问的药物种类中的药物成分相同的禁忌药物，将禁忌药物及待访问的药物种类中与该禁忌药物相同的药物成分构成数据对[p1，p2]，
[0142]
其中，p1表示禁忌药物，p2表示待访问的药物种类中与该禁忌药物相同的药物成分；
[0143]
s2.2.2、获取每个数据对中p1对应的历史病历种类，对比数据库，匹配出p1对应的最终禁忌值，
[0144]
当p1对应的历史病历种类为一种时，对比数据库，匹配出该历史病历中p1对应的禁忌值，该禁忌值为p1对应的最终禁忌值，
[0145]
当p1对应的历史病历种类为多种时，对比数据库，分别匹配出每种历史病历中p1对应的禁忌值，所得禁忌值中的最大值为p1的最终禁忌值。
[0146]
本发明将获取的结果分别与第n个试药患者对应的cn中每种历史病历对应的每种禁忌药物进行比较时，将禁忌药物及待访问的药物种类中与该禁忌药物相同的药物成分构成数据对，是因为试药患者的每种历史病历的可能对应多种禁忌药物，且试药患者可能包含多种历史病历，待访问的药物种类的不同药物成分可能与不同的禁忌药物相同，进而产生不同的不良反应，因此，采用数据对的方式能够精准锁定产生不良反应的待访问的药物种类的药物成分与相应的禁忌药物，使得分析更加精准、细致；当p1对应的历史病历种类为多种时，对比数据库，分别匹配出每种历史病历中p1对应的禁忌值，所得禁忌值中的最大值为p1的最终禁忌值，是因为在试药患者存在多种历史病历，每种历史病历分别对应多种禁忌药物，且不同历史病历对应的同一种禁忌药物与待访问的药物种类的药物成分相同时，由于不同历史病历中该禁忌药物对应的禁忌值不同，因此，该情况下，该数据对同时对应多个禁忌值。
[0147]
所述s2.2中得到第n个试药患者对应的第一逻辑系数q1n的方法包括以下步骤：
[0148]
s2.2-1、获取s2.2.1中的各个数据对；
[0149]
s2.2-2、将每个数据对中待访问的药物种类中与禁忌药物相同的药物成分产生的不良表现记为e，将e与bn进行比较，
[0150]
当e包含于bn时，则获取e对应数据对中相应的最终禁忌值，
[0151]
当e不包含于bn时，则不对e对应数据对中相应的最终禁忌值进行处理；
[0152]
s2.2-3、计算s2.2-2中获取的所有最终禁忌值的总和，得到第n个试药患者对应的第一逻辑系数q1n，
[0153]
当s2.2-2中获取的所有最终禁忌值为空时，则第n个试药患者对应的第一逻辑系数q1n等于0；
[0154]
所述r1的获取方法包括以下步骤：
[0155]
s2.4-1、获取s2.2.1中第n个试药患者对应的所有数据对；
[0156]
s2.4-2、筛选s2.4-1中对应的不良表现e不包含于bn的各个数据对，并将筛选的各个对数据对对应的最终禁忌值逐个录入一个空白集合中，得到其中，m1表示集合中的元素个数，n表示第n个试药患者，将集合中第y1个元素对应的最终禁忌值记为
[0157]
s2.4-3、得到第一加权值r1，
[0158]
当时，所述
[0159]
当时，所述r1＝0。
[0160]
本发明得到第n个试药患者对应的第一逻辑系数q1n时，需要对根据数据对进行筛选(通过数据对对应的不良表现与bn进行比较)，进而得到相应的第一逻辑系数；当s2.2-2中获取的所有最终禁忌值为空时，则说明该试药患者没有产生不良反应或者产生的不良反应与数据对对应的不良表现不匹配，进而判定第n个试药患者对应的第一逻辑系数q1n等于0。
[0161]
药物警戒报告生成模块得到各个试药患者对应的药物警戒报告的方法包括以下步骤：
[0162]
s3.1、获取s2.2-2中包含于bn的各个e分别对应的数据对；
[0163]
s3.2、分别提取s3.1中的各个数据对中的禁忌药物逐个录入第n个试药患者对应的药物警戒报告中的可疑药物部分；
[0164]
s3.3、分别提取s3.1中的各个数据对对应的不良表现，并逐个录入第n个试药患者对应的药物警戒报告中的不良表现部分；
[0165]
s3.4、获取第n个试药患者的个人信息，并录入第n个试药患者对应的药物警戒报告中的个人信息部分，
[0166]
试药患者对应的药物警戒报告包括可疑药物部分、不良表现部分及个人信息部分。
[0167]
本发明药物警戒报告生成报告模块在获取不到相应的数据对的情况下，则试药患者对应的药物警戒报告包括可疑药物部分、不良表现部分为空。
[0168]
药物警戒报告生成模块针对药物警戒报告内容判断药物警戒报告的优先级时，
[0169]
按从大到小的顺序对试药患者的逻辑值进行排序，序号高的试药患者对应的药物
警戒报告的优先级高；
[0170]
当试药患者的逻辑值相同时，进一步比较试药患者对应的各个数据对个数，对应的各个数据对个数多的试药患者相应的药物警戒报告的优先级高；
[0171]
若试药患者对应的各个数据对个数相同，则对对应的各个数据对个数相同的试药患者相应的药物警戒报告的优先级进行随机排序。
[0172]
本发明药物警戒报告生成模块判断药物警戒报告的优先级，是为了使得用户在访问药物种类时，显示的药物警戒报告是有序的，对应的不良反应造成的影响是从高到低的，这样便于用户快速获取待访问的药物种类相关的药物警戒报告的主要信息。
[0173]
一种基于人工智能的药物警戒系统访问方法，所述方法包括以下步骤：
[0174]
s1、通过药物查询模块查询待访问的药物种类；
[0175]
s2、通过患者信息获取模块获取针对药物查询模块中的待访问药物种类的试药患者的各项关联信息；
[0176]
s3、在验证核查模块中，针对患者信息获取模块中得到的待访问药物种类的试药患者的各项关联信息进行逻辑验证，判断关联信息是否存在可疑信息，并针对可疑信息进行人工核查；
[0177]
s4、通过药物警戒报告生成模块将验证核查模块中验证核查通过的待访问药物种类的试药患者的各项关联信息进行信息汇总，得到各个试药患者对应的药物警戒报告，并针对药物警戒报告内容判断药物警戒报告的优先级。
[0178]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0179]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。