营养食谱推荐系统及方法与流程

本发明属于营养学和人工智能，提供了一种营养食谱推荐系统及方法。

背景技术：

1、近年来，信息技术的不断发展，人工智能(artificial intelligence，ai)应用于众多领域，其在营养学科应用也日益广泛，模拟思维过程、数据抓取、辨别筛选能力进行智能化营养服务工作。但由于各医院临床营养科医师专业能力层次不齐，对患者营养处方下达也不同，为了给予患者最佳营养素推荐，借助人工智能，根据患者目前信息给予最佳营养素推荐。对临床营养科医师工作起到警告、提醒、辅助作用。

2、临床上患者疾病种类不同、患者自身疾病发生发展不同、患者入院后所提供信息不同，对于疾病治疗而言，个案化决策一直都是临床治疗最主要方案。营养对于疾病发生、发展、预后都有十分重要价值，对患者实施个案化营养素推荐也有重大意义。依据临床患者数据信息、个性化疾病特点，对其实施个案化营养素推荐，利于疾病治疗效果，同时也减轻临床营养医师工作负担，优化治疗方案。首先对临床营养科工作内容进行梳理，主要面对患者是全院所有科室的临床营养服务工作，根据疾病大类、营养科工作开展、营养素推荐方向划分为低蛋白饮食、糖尿病饮食、其他饮食三大类。根据患者信息进行类别划分，最终确定一种营养素计算方法，如患者只有身高，无体重，则会患者实施标准体重法，从而计算出热量、蛋白质、脂肪、维生素及矿物质推荐量。

3、随着信息技术不断发展，可进行识别推理数据越来越准确，为了减轻临床营养科现存营养素推荐的困难，将临床营养数据知识与人工智能联合。已有设计出一套针对于临床营养科医师工作智能化推荐方案，为进一步临床营养工作发展提供智能化服务。

4、但是，针对于智能化营养素推荐还是存在一定问题和困难，主要是推荐准确性及实用性低的缺陷，基于此，本发明设计了营养知识“编码”库的营养食谱推荐系统及方法，以解决上述问题。

技术实现思路

1、本发明实施例的目的在于提供一种营养食谱推荐系统及方法，以解决上述背景技术中提出的现有营养推荐方式存在推荐准确性及实用性较低的问题。

2、本发明实施例是这样实现的，一种营养食谱推荐系统，所述系统包括：基本信息获取模块、编码库索引模块、营养素算法模块、饮食医嘱分析与输出模块；

3、所述基本信息获取模块，用于获取患者的基础信息，该基础信息包括疾病诊断结果、身高、体重、年龄、实验室检查及病历摘要信息；

4、所述编码库索引模块耦合有预先确定出的营养知识编码库，用于根据所述基础信息在所述营养知识编码库中检索疾病所对应的营养知识；

5、所述营养素算法模块，用于根据所述基础信息计算患者所需的理论营养素范围；

6、所述饮食医嘱分析与输出模块，用于根据所述编码库索引模块检索的营养知识和所述营养素算法模块计算的患者所需的理论营养素范围进行分析，选定匹配患者的食物，并输出至少一份符合患者所需的营养食谱。

7、优选的，所述基本信息获取模块包括医院信息系统、检验信息系统、电子病历系统；

8、所述基础信息能够通过所述医院信息系统、检验信息系统、电子病历系统中的至少一个进行获取。

9、优选的，所述营养知识编码库包括医院膳食编码库、疾病诊断编码库和自建膳食编码库，所述医院膳食编码库与疾病诊断编码库之间相互存在联系，所述自建膳食编码库与疾病诊断编码库之间相互存在联系；

10、其中，所述医院膳食编码库与疾病诊断编码库之间相互存在的联系为第一共同适用范围，所述自建膳食编码库与疾病诊断编码库之间相互存在的联系为第二共同适用范围，所述第一共同适用范围、第二共同适用范围表征疾病、营养素及食物的匹配度。

11、优选的，所述自建膳食编码库依据营养素类别划分建立，且营养素类别分为宏量营养素和微量营养素。

12、优选的，所述饮食医嘱分析与输出模块内置有机器学习模型，该机器学习模型以患者的基础信息和对应的营养知识作为样本训练集，机器学习模型根据样本训练集进行学习，并生成优化后的机器学习模型。

13、优选的，所述营养素算法模块包括标准体重法、基础代谢法、dris法，所述理论营养素范围由所述标准体重法、基础代谢法、dris法中的至少一个算法计算确定。

14、优选的，所述系统还包括：过敏源数据库，所述过敏源数据库用于存储所述患者及患者家属的基础信息、过敏源信息；所述过敏源数据库能够辅助所述饮食医嘱分析与输出模块分析患者的理论营养素范围，以制定符合患者的营养食谱。

15、本发明实施例的另一目的在于提供一种营养食谱推荐方法，用于所述的营养食谱推荐系统，所述方法包括以下步骤：

16、获取患者的基础信息；

17、根据所述基础信息在所述营养知识编码库中检索疾病所对应的营养知识；

18、根据所述基础信息计算患者所需的理论营养素范围；

19、根据所述营养知识和所述理论营养素范围进行分析，选定匹配患者的食物，并输出至少一份符合患者所需的营养食谱。

20、优选的，所述根据所述基础信息在所述营养知识编码库中检索疾病所对应的营养知识的步骤，具体包括：

21、将获取的患者的基础信息输入到编码库索引模块中；

22、通过编码库索引模块，判断基础信息中的疾病诊断结果是否在医院膳食编码库与疾病诊断编码库中记载；

23、若在医院膳食编码库与疾病诊断编码库中记载，则直接输出疾病所对应的营养知识；

24、若不在医院膳食编码库与疾病诊断编码库中记载，则根据营养素类别划分，营养素类别划分为宏量营养素和微量营养素；

25、在自建膳食编码库与疾病诊断编码库中检索划分的结果，并根据检索结果输出疾病所对应的营养知识。

26、优选的，所述根据所述基础信息计算患者所需的理论营养素范围的步骤，具体包括：

27、根据所述基础信息选定患者所需的理论营养素的计算方式；

28、根据选定的计算方式，基于预设的指南输入患者的基础信息，进行患者所需热量的计算；或者，通过营养素算法模块计算患者所需热量，以输出患者所需的理论营养素范围。

29、本发明实施例提供的一种营养食谱推荐系统，相比现有技术具有以下有益效果：利用计算机智能化技术，可以克服各医院临床营养科医师专业能力层次不齐，对患者营养处方下达也不同的缺陷；将患者的基础信息进行输入，各模块依据现有的各种疾病营养指南作为计算依据和推理依据，确保根据输入的信息推算出准确的营养素推荐方案，为临床营养科支持治疗提供有效方法。

技术特征：

1.一种营养食谱推荐系统，其特征在于，所述系统包括：基本信息获取模块、编码库索引模块、营养素算法模块、饮食医嘱分析与输出模块；

2.根据权利要求1所述的营养食谱推荐系统，其特征在于，所述基本信息获取模块包括医院信息系统、检验信息系统、电子病历系统；

3.根据权利要求1所述的营养食谱推荐系统，其特征在于，所述营养知识编码库包括医院膳食编码库、疾病诊断编码库和自建膳食编码库，所述医院膳食编码库与疾病诊断编码库之间相互存在联系，所述自建膳食编码库与疾病诊断编码库之间相互存在联系；

4.根据权利要求3所述的营养食谱推荐系统，其特征在于，所述自建膳食编码库依据营养素类别划分建立，且营养素类别分为宏量营养素和微量营养素。

5.根据权利要求1所述的营养食谱推荐系统，其特征在于，所述饮食医嘱分析与输出模块内置有机器学习模型，该机器学习模型以患者的基础信息和对应的营养知识作为样本训练集，机器学习模型根据样本训练集进行学习，并生成优化后的机器学习模型。

6.根据权利要求1所述的营养食谱推荐系统，其特征在于，所述营养素算法模块包括标准体重法、基础代谢法、dris法，所述理论营养素范围由所述标准体重法、基础代谢法、dris法中的至少一个算法计算确定。

7.根据权利要求1所述的营养食谱推荐系统，其特征在于，所述系统还包括：过敏源数据库，所述过敏源数据库用于存储所述患者及患者家属的基础信息、过敏源信息；所述过敏源数据库能够辅助所述饮食医嘱分析与输出模块分析患者的理论营养素范围，以制定符合患者的营养食谱。

8.一种营养食谱推荐方法，其特征在于，用于如权利要求1-7任一所述的营养食谱推荐系统，所述方法包括以下步骤：

9.根据权利要求8所述的营养食谱推荐方法，其特征在于，所述根据所述基础信息在所述营养知识编码库中检索疾病所对应的营养知识的步骤，具体包括：

10.根据权利要求8所述的营养食谱推荐方法，其特征在于，所述根据所述基础信息计算患者所需的理论营养素范围的步骤，具体包括：

技术总结
本发明适用于营养学和人工智能技术领域，提供了一种营养食谱推荐系统及方法，所述系统包括：基本信息获取模块、编码库索引模块、营养素算法模块、饮食医嘱分析与输出模块；所述基本信息获取模块，用于获取患者的基础信息，该基础信息包括疾病诊断结果、身高、体重、年龄、实验室检查及病历摘要信息；所述编码库索引模块耦合有预先确定出的营养知识编码库，用于根据所述基础信息在所述营养知识编码库中检索疾病所对应的营养知识；所述营养素算法模块，用于根据所述基础信息计算患者所需的理论营养素范围；本发明利用计算机智能化技术，依据各种疾病营养指南作为计算依据和推理依据，确保根据输入的信息推算出准确的营养素推荐方案。

技术研发人员：马露露,王远,金海英,刘睿德,卢辉,杨玉洁
受保护的技术使用者：安徽宏元聚康医疗科技有限公司
技术研发日：
技术公布日：2024/1/14