本技術(shù)涉及計算機(jī)信息處理領(lǐng)域，具體而言，涉及一種基于分類屬性的備藥建議生成方法及裝置。

背景技術(shù)：

1、基因檢測是一種通過分析個人的dna序列來識別遺傳信息的技術(shù)。這些信息可用于了解個體的健康狀況、疾病風(fēng)險、藥物反應(yīng)等。通過基因檢測報告，將檢測結(jié)果與已有醫(yī)學(xué)文獻(xiàn)或數(shù)據(jù)庫關(guān)聯(lián)，幫助醫(yī)生或個人了解基因與疾病、藥物反應(yīng)的關(guān)系。

2、藥品配備是指合理安排藥品的采購和儲備，確保藥品供應(yīng)充足、合理。傳統(tǒng)藥品配備主要基于臨床經(jīng)驗(yàn)和用藥歷史，但隨著個性化醫(yī)療的發(fā)展，藥品配備開始結(jié)合基因檢測技術(shù)，實(shí)現(xiàn)更加精準(zhǔn)的用藥管理。

3、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對本技術(shù)的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)提供一種基于分類屬性的備藥建議生成方法及裝置，能夠有效提升藥物使用的安全性、藥品供應(yīng)的合理性，并為個性化醫(yī)療提供強(qiáng)有力的技術(shù)支持。

2、本技術(shù)的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本技術(shù)的實(shí)踐而習(xí)得。

3、根據(jù)本技術(shù)的一方面，提出一種基于分類屬性的備藥建議生成方法，該方法包括：獲取多個樣本；確定所述多個樣本的目標(biāo)基因的各個基因型對應(yīng)的檢測頻率，所述目標(biāo)基因與目標(biāo)藥物具有映射關(guān)系；確定所述目標(biāo)基因的各個基因型對應(yīng)的參考頻率；基于所述檢測頻率、所述參考頻率判斷是否滿足預(yù)設(shè)策略；在滿足所述預(yù)設(shè)策略時，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性；基于所述目標(biāo)基因和所述多個分類屬性生成備藥建議，所述備藥建議中包含所述目標(biāo)藥物的占比信息。

4、在本技術(shù)的一種示例性實(shí)施例中，所述多個樣本包括多個批次的樣本，

5、基于所述檢測頻率、所述參考頻率判斷是否滿足預(yù)設(shè)策略，包括：確定所述多個批次的樣本中每個批次的樣本的目標(biāo)基因的各個基因型對應(yīng)的批次檢測頻率；基于所述批次檢測頻率、所述參考頻率判斷是否滿足所述預(yù)設(shè)策略。

6、在本技術(shù)的一種示例性實(shí)施例中，還包括：如果基于某一批次樣本的批次檢測頻率、所述參考頻率不滿足所述預(yù)設(shè)策略，對該批次樣本進(jìn)行復(fù)檢；基于復(fù)檢的批次檢測頻率、所述參考頻率判斷是否滿足所述預(yù)設(shè)策略。

7、在本技術(shù)的一種示例性實(shí)施例中，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性，包括：通過分類模型對所述樣本信息進(jìn)行分類，生成多個分類屬性；和/或通過聚類算法對所述樣本信息進(jìn)行分類，生成多個分類屬性。

8、在本技術(shù)的一種示例性實(shí)施例中，基于所述目標(biāo)基因和所述多個分類屬性生成備藥建議，包括：確定目標(biāo)分類屬性；從所述多個樣本中提取隸屬于所述目標(biāo)分類屬性的樣本；確定所述目標(biāo)分類屬性的樣本的目標(biāo)基因的各個基因型對應(yīng)的檢測頻率并基于該檢測頻率生成針對所述目標(biāo)分類屬性的屬性備藥建議；通過所述多個分類屬性對應(yīng)的屬性備藥建議生成所述備藥建議。

9、在本技術(shù)的一種示例性實(shí)施例中，所述備藥建議包括藥物配比，所述分類屬性包括地域?qū)傩裕ㄟ^所述多個分類屬性對應(yīng)的屬性備藥建議生成所述備藥建議，包括：生成針對目標(biāo)地域?qū)傩缘乃幬锱浔?，其中，所述藥物配比中包括所述目?biāo)藥物的占比。

10、在本技術(shù)的一種示例性實(shí)施例中，生成針對所述目標(biāo)地域?qū)傩缘乃幬锱浔龋ǎ捍_定針對所述目標(biāo)地域?qū)傩缘乃瞿繕?biāo)藥物的替代藥物及替代藥物的占比。

11、在本技術(shù)的一種示例性實(shí)施例中，確定針對所述目標(biāo)地域?qū)傩缘乃瞿繕?biāo)藥物的替代藥物，包括：確定多個備選藥物，所述備選藥物為與所述目標(biāo)藥物處于同一藥物分類項下的其他藥物；根據(jù)所述備選藥物確定備選基因，所述備選基因與所述備選藥物具有映射關(guān)系；確定所述目標(biāo)地域的樣本的備選基因的各個基因型對應(yīng)的檢測頻率；根據(jù)所述目標(biāo)地域?qū)傩缘臉颖镜膫溥x基因的各個基因型對應(yīng)的檢測頻率從所述多個備選藥物中篩選出針對所述目標(biāo)地域?qū)傩缘乃瞿繕?biāo)藥物的替代藥物。

12、在本技術(shù)的一種示例性實(shí)施例中，目標(biāo)基因包括第一目標(biāo)基因和第二目標(biāo)基因，其中，所述第一目標(biāo)基因的參考頻率已知，所述第二目標(biāo)基因的參考頻率未知，確定所述多個樣本的目標(biāo)基因的各個基因型對應(yīng)的檢測頻率，所述目標(biāo)基因與目標(biāo)藥物具有映射關(guān)系，包括：確定所述多個樣本的第一目標(biāo)基因、第二目標(biāo)基因的各個基因型對應(yīng)的檢測頻率，所述第一目標(biāo)基因與第一目標(biāo)藥物具有映射關(guān)系，所述第二目標(biāo)基因與第二目標(biāo)藥物具有映射關(guān)系，確定所述目標(biāo)基因的各個基因型對應(yīng)的參考頻率，包括：確定所述第一目標(biāo)基因的各個基因型對應(yīng)的參考頻率；基于所述檢測頻率、所述參考頻率判斷是否滿足預(yù)設(shè)策略，包括：基于所述第一目標(biāo)基因的檢測頻率、所述第一目標(biāo)基因的參考頻率判斷是否滿足預(yù)設(shè)策略，在滿足所述預(yù)設(shè)策略時，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性，包括：在所述第一目標(biāo)基因的檢測頻率、所述第一目標(biāo)基因的參考頻率滿足預(yù)設(shè)策略時，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性，基于所述目標(biāo)基因和所述多個分類屬性生成備藥建議，所述備藥建議中包含所述目標(biāo)藥物的占比信息，包括：基于所述第二目標(biāo)基因和所述多個分類屬性生成備藥建議，所述備藥建議中包含所述第二目標(biāo)藥物的占比信息。

13、在本技術(shù)的一種示例性實(shí)施例中，根據(jù)以下公式計算藥物占比： g?(? f i?)?= θ1×( α f i?) ?+ θ2×( βe γfi?)+ θ3×[ δln(1+ f i?)]+ θ4×( -a?f i?2?+ bf i?+ ?c)，其中， g?(? f i?)為藥物占比， f i?為檢測頻率， θ1、 θ2、 θ3、 θ4為權(quán)重系數(shù)， α、 β、 γ、 δ、 a、 b、 c為參數(shù)。

14、在本技術(shù)的一種示例性實(shí)施例中，還包括：獲取用戶的分類屬性；獲取所述用戶的目標(biāo)基因型；根據(jù)所述分類屬性和所述目標(biāo)基因型結(jié)合所述備藥建議為所述用戶的進(jìn)行藥物配備。

15、在本技術(shù)的一種示例性實(shí)施例中，還包括：確定地域分類屬性；根據(jù)所述地域分類屬性結(jié)合所述備藥建議確定藥品采購計劃，所述藥品采購計劃包括針對各個基因型的目標(biāo)藥物和替代藥物。

16、根據(jù)本技術(shù)的一方面，提出一種基于分類屬性的備藥建議生成裝置，該裝置包括：樣本模塊，用于獲取多個樣本；檢測模塊，用于確定所述多個樣本的目標(biāo)基因的各個基因型對應(yīng)的檢測頻率，所述目標(biāo)基因與目標(biāo)藥物具有映射關(guān)系；頻率模塊，用于確定所述目標(biāo)基因的各個基因型對應(yīng)的參考頻率；策略模塊，用于基于所述檢測頻率、所述參考頻率判斷是否滿足預(yù)設(shè)策略；分類模塊，用于在滿足所述預(yù)設(shè)策略時，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性；建議模塊，用于基于所述目標(biāo)基因和所述多個分類屬性生成備藥建議，所述備藥建議中包含所述目標(biāo)藥物的占比信息。

17、根據(jù)本技術(shù)的一方面，提出一種電子設(shè)備，該電子設(shè)備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序；當(dāng)一個或多個程序被一個或多個處理器執(zhí)行，使得一個或多個處理器實(shí)現(xiàn)如上文的方法。

18、根據(jù)本技術(shù)的一方面，提出一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實(shí)現(xiàn)如上文中的方法。

19、根據(jù)本技術(shù)的基于分類屬性的備藥建議生成方法及裝置，通過獲取多個樣本；確定所述多個樣本的目標(biāo)基因的各個基因型對應(yīng)的檢測頻率，所述目標(biāo)基因與目標(biāo)藥物具有映射關(guān)系；確定所述目標(biāo)基因的各個基因型對應(yīng)的參考頻率；基于所述檢測頻率、所述參考頻率判斷是否滿足預(yù)設(shè)策略；在滿足所述預(yù)設(shè)策略時，通過數(shù)據(jù)分類算法對所述多個樣本進(jìn)行分類，生成多個分類屬性；基于所述目標(biāo)基因和所述多個分類屬性生成備藥建議，所述備藥建議中包含所述目標(biāo)藥物的占比信息的方式，能夠有效提升藥物使用的安全性、藥品供應(yīng)的合理性，并為個性化醫(yī)療提供強(qiáng)有力的技術(shù)支持。

20、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性的，并不能限制本技術(shù)。