申请/专利权人:平安科技(深圳)有限公司
申请日:2021-04-29
公开(公告)日:2024-04-09
公开(公告)号:CN113255735B
主分类号:G06F18/214
分类号:G06F18/214;G06N3/02;G16H20/10;G16H50/70;G16H70/40
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.11.05#实质审查的生效;2021.08.13#公开
摘要:本发明提供一种患者用药方案的确定方法及确定装置,所述方法包括以下步骤:获取目标患者的原始状态数据,所述原始状态数据用于表征所述患者的病情特征;将所述原始状态数据输入无偏模型,以得到消除了状态分布偏差的无偏状态数据;将所述无偏状态数据输入深度强化学习模型,获取对所述目标患者采取不同的用药方案时对应的奖励值;基于最大的奖励值确定所述目标患者的用药方案。本发明通过将偏差消除和强化学习引入患者用药方案的确定方法及确定装置中,消除了用药方案的选择偏差,使预期奖励的估计更加准确,显著增强了用药方案与患者之间的匹配度。
主权项:1.一种患者用药方案的确定方法,其特征在于,包括以下步骤:获取目标患者的原始状态数据,所述原始状态数据用于表征所述患者的病情特征;将所述原始状态数据输入无偏模型,以得到消除了状态分布偏差的无偏状态数据;其中,所述无偏模型包括编码器、解码器和预测器,所述编码器用于对所述原始状态数据进行编码以输出无偏状态数据,所述解码器用于对所述无偏状态数据进行解码以得到与所述原始状态数据对应的解析状态数据,所述预测器基于所述解析状态数据,预测采取不同的用药方案时对应的奖励值;将所述无偏状态数据输入深度强化学习模型,获取对所述目标患者采取不同的用药方案时对应的奖励值;其中所述奖励值是基于所述无偏状态数据采取所述用药方案后的预期反馈效果;基于最大的奖励值确定所述目标患者的用药方案;其中,所述无偏模型的训练过程包括以下步骤:获取多个患者的第一历史样本数据,所述第一历史样本数据包括第一历史状态数据、第一历史动作数据和第一历史奖励数据;其中,所述第一历史状态数据包括所述患者的人口统计学信息、检验检查指标和用药史;所述第一历史动作数据包括医生针对所述患者开具的用药方案,所述第一历史奖励数据包括所述患者采取所述用药方案后的健康反馈信息;将所述第一历史状态数据作为所述编码器的输入,将所述第一历史奖励数据作为所述预测器的输出训练所述无偏模型,以确定所述编码器、所述解码器和所述预测器中的权重参数;当所述无偏模型的损失函数收敛于预设阈值时,所述无偏模型的训练过程结束;所述无偏模型的损失函数Loss1由以下算式确定:Loss1=Lce+Linf+Lr;Lce=∑a∈Apa*log[papa|Es]; 其中,s代表当前第一历史状态数据,Es代表s经过编码器后输出的第一历史无偏状态数据,a表示当前第一历史动作数据,A表示所有第一历史动作数据的集合,pa表示在所有第一历史动作数据中选择当前历史状态数据的概率,pa|Es表示在当前第一历史无偏状态数据下采取当前第一历史动作数据的概率,DEs表示第一历史无偏状态数据经过解码器后输出的第一历史解析状态数据,表示对x的L2正则化,r表示当前第一历史奖励数据,REs,a表示在当前第一历史无偏状态数据下采取当前第一历史动作数据对应的第一历史奖励数据。
全文数据:
权利要求:
百度查询: 平安科技(深圳)有限公司 患者用药方案的确定方法及确定装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。