医疗信息处理方法和医疗信息处理装置技术领域
本发明涉及医疗信息处理技术领域，具体而言，涉及一种医疗信息处
理方法和一种医疗信息处理装置。
背景技术
目前，面向医疗健康领域的计算机辅助技术的研究一直是医疗卫生领
域相关研究的重要组成部分。近年来，随着我国医院信息化的不断完善，
大部分医院已经积累了大量的电子病历(Electronic Medical Record，EMR)
数据；另一方面，随着大数据技术的兴起，对海量数据的挖掘技术逐渐成
熟。将数据挖掘技术应用于EMR数据，挖掘其中蕴含的诊疗知识，为医
生的诊疗提供决策辅助，将能够在医疗健康领域产生极大价值。
典型的EMR数据由多类异构数据组成，记录了病人在医院过程中的
完整诊疗过程，一般包括了诊断记录，检验检查记录，用药记录，手术护
理记录等。其中诊断记录包含了医生给每一位病人所得疾病的具体诊断结
果，是EMR数据中的核心，其他的记录如检验检查，用药等需以诊断记
录为依据。而药物作为医院医疗服务和营收的关键部分，医院需要对各类
疾病的用药情况进行监控，对年轻医生给患者的开药给予指导。EMR数
据中的药物使用数据蕴含了大量的过往药物的使用记录，因此对EMR中
药物数据进行分析具有重大价值。
目前可用于构建疾病与药物的相关性的技术有以下几种缺陷：
一，通过将现有的医生经验和医学知识进行电子化，构建疾病与其相
关药物的模型。由于医学相关知识的庞杂，人工构建疾病与相关药物的模
型需要大量的人工劳动对医学知识和专家经验的整理，并且随着医疗知识
和经验的增加需要不断更新疾病与其药物的模型。这样就导致对疾病与药
物的模型更新非常繁琐。
二，还可以将每一种疾病和每一种药物分别用两个向量进行表示，进
而可以计算出这两个向量间的相关性，但是无法对药物和对应于的疾病进
行类别区分，例如，格华止片、拜阿司匹林肠溶片和氯化钠注射液均可以
用于对糖尿病患者进行治疗，但是并不能反映这三者药物中那个药物对治
疗糖尿病发挥关键治疗的作用。
因此，如何方便、快捷地确定疾病与药物之间的相关度，以及准确地
确定药物对应于疾病的类别成为亟待解决的问题。
发明内容
本发明正是基于上述问题，提出了一种新的技术方案，可以方便、快
捷地确定疾病与药物之间的相关度，以及准确地确定药物对应于疾病的类
别。
有鉴于此，本发明的一方面提出了一种医疗信息处理方法，包括：获
取患有任一疾病的n0名患者使用药物的信息和未患有所述任一疾病的n1名
患者使用药物的信息，其中，在n0名患者中有n2名患者使用任一药物，在
n1名患者中有n3名患者使用所述任一药物；根据n0名患者使用药物的信息
和n1名患者使用药物的信息，计算所述任一疾病与所述任一药物的第一相
关度；根据所述第一相关度确定所述任一药物对应于所述任一疾病的类型。
在该技术方案中，通过计算任一疾病与任一药物之间的第一相关度，
根据第一相关度确定任一药物对应于任一疾病的类型，例如，任一药物对
应于任一疾病的类型为特效药、辅助药或者通用药，其中，特效药通常治
疗任一疾病而不治疗其他疾病，即特效药对治疗任一疾病具有关键作用，
例如，格华止片对糖尿病来说是特效药，辅助药可以治疗多种类型的疾病，
例如拜阿司匹林肠溶片为辅助药，可以用于治疗高血压也可以治疗糖尿病，
通用药指在对患者进行疾病治疗时通常都需要用到该药，例如，葡萄糖注
射液和氯化钠注射液均为通用药。因此，根据任一药物对应于任一疾病的
类别可以为医生在给患者开药时提供一定的参考，特别是经验不足的医生。
另外，为了计算得到的任一疾病与任一药物的第一相关度更加准确，患有
任一疾病的n0名患者使用药物的信息和未患有所述任一疾病的n1名患者使
用药物的信息为随机在医疗信息数据库中获取的信息。
在上述技术方案中，优选地，所述计算所述任一疾病与所述任一药物
的第一相关度的步骤，具体包括：通过以下公式计算所述任一疾病与所述
任一药物的三项所述第一相关度：
![]()
其中，n4表示在n0名患者中患有指定诊断类型的所述任一疾病的人数，
n5表示在n4名患者中使用所述任一药物的人数，P0、P1和P2分别为三项所
述第一相关度。
在该技术方案中，通过上述公式计算得到任一药物与任一疾病的三项
第一相关度，即n0名患者中任一疾病为指定诊断类型的且使用任一药物的
人数占n0名患者中任一疾病为指定诊断类型的人数的比例P0，n0名患者中
使用任一药物的人数占n0名患者人数的比例P1，在n1名患者中使用任一药
物的人数占n1名患者人数n1的比例P2。例如，患有糖尿病的患者人数n0为
10000人，在10000名糖尿病患者中有7000名患者使用“格华止片”药
物，且在该患有糖尿病的10000名患者中有5000名患者的糖尿病为主诊
断类型(指定诊断类型)，在5000名主诊断类型的糖尿病患者中有4000
名患者使用“格华止片”药物，另外，未患有糖尿病的n1名患者人数为
50000人，在50000名为患有糖尿病的患者中有1000名患者使用“格华
止片”药物，则![]()
因此，
通过上述公式，可以比较准确地计算出任一药物与任一疾病之间的第一相
关度，从而根据第一相关度准确地确定任一药物对应任一疾病的类型。
在上述任一技术方案中，优选地，在所述根据所述第一相关度确定所
述任一药物对应于所述任一疾病的类型的步骤之后，包括：通过以下公式
计算所述任一药物与所述任一疾病之间的第二相关度：
![]()
其中，f表示所述任一药物与所述任一疾病之间的第二相关度，γ为预
设系数；以及获取治疗所述任一疾病的其他药物与所述任一疾病之间的第
二相关度，并根据所述任一药物与所述任一疾病之间的第二相关度以及所
述其他药物与所述任一疾病之间的第二相关度，对所述任一药物和所述其
他药物进行排序。
在该技术方案中，通过上述公式再次计算任一疾病与任一药物之间的
最终的第二相关度，若获取到治疗该任一疾病的其他药物与任一疾病之间
的第二相关度，其中，通过上述方案，同理，可以计算出其他药物与任一
疾病之间的第二相关度，从而对治疗任一疾病的多种药物(包括任一药物
和其他药物)进行排序，从而可以根据排序结果达到辅助诊疗的目的。
在上述任一技术方案中，优选地，所述任一药物对应于所述任一疾病
的类型和所述其他药物对应于所述任一疾病的类型一致。
在该技术方案中，治疗任一疾病的其他药物和任一药物的类型一致，
例如，任一药物和其他药物对治疗糖尿病来说均是特效药或者辅助药，从
而实现了对治疗任一疾病的多种药物进行更加准确地排序。当然，任一药
物对应于任一疾病的类型和其他药物对应于任一疾病的类型也可以不一致，
例如，对治疗糖尿病的特效药、辅助药和通用药进行排序。
在上述任一技术方案中，优选地，所述根据所述第一相关度确定所述
任一药物对应于所述任一疾病的类型的步骤，具体包括：判断P1是否小于
所述任一药物对应的第一阈值；若判定P1小于所述第一阈值，则确定所述
任一药物对应于所述任一疾病为第一类型的药物，否则，判断P1和P2的比
值是否大于第二阈值；若判定P1和P2的比值大于所述第二阈值，确定所述
任一药物对应于所述任一疾病为第二类型的药物，否则，确定所述任一药
物对应于所述任一疾病为第三类型的药物。
在该技术方案中，若判定P1小于任一药物对应的第一阈值，则确定任
一药物对应于任一疾病为第一类型的药物(即通用药)，然后判断P1和P2
的比值(即P1比P2)是否大于第二阈值，若是，则确定任一药物对应于任
一疾病为第二类型的药物(即特效药)，否则，任一药物对应于任一疾病
为第三类型的药物(即辅助药)，因此，通过上述技术方案，实现了对任
一药物对应于任一疾病的分类细化，以供医生在给患者开始时提供参考。
本发明的另一方面提出了一种医疗信息处理装置，包括：获取单元，
用于获取患有任一疾病的n0名患者使用药物的信息和未患有所述任一疾病
的n1名患者使用药物的信息，其中，在n0名患者中有n2名患者使用任一药
物，在n1名患者中有n3名患者使用所述任一药物；第一计算单元，用于根
据n0名患者使用药物的信息和n1名患者使用药物的信息，计算所述任一疾
病与所述任一药物的第一相关度；确定单元，用于根据所述第一相关度确
定所述任一药物对应于所述任一疾病的类型。
在该技术方案中，通过计算任一疾病与任一药物之间的第一相关度，
根据第一相关度确定任一药物对应于任一疾病的类型，例如，任一药物对
应于任一疾病的类型为特效药、辅助药或者通用药，其中，特效药通常治
疗任一疾病而不治疗其他疾病，即特效药对治疗任一疾病具有关键作用，
例如，格华止片对糖尿病来说是特效药，辅助药可以治疗多种类型的疾病，
例如拜阿司匹林肠溶片为辅助药，可以用于治疗高血压也可以治疗糖尿病，
通用药指在对患者进行疾病治疗时都需要用到该药，例如，葡萄糖注射液
和氯化钠注射液均为通用药。因此，根据任一药物对应于任一疾病的类别
可以为医生在给患者开药时提供一定的参考，特别是经验不足的医生。另
外，为了计算得到的任一疾病与任一药物的第一相关度更加准确，患有任
一疾病的n0名患者使用药物的信息和未患有所述任一疾病的n1名患者使用
药物的信息为随机在医疗信息数据库中获取的信息。
在上述技术方案中，优选地，所述第一计算单元具体用于，通过以下
公式计算所述任一疾病与所述任一药物的三项所述第一相关度：
![]()
其中，n4表示在n0名患者中患有指定诊断类型的所述任一疾病的人数，
n5表示在n4名患者中使用所述任一药物的人数，P0、P1和P2分别为三项所
述第一相关度。
在该技术方案中，通过上述公式计算得到任一药物与任一疾病的三项
第一相关度，即n0名患者中任一疾病为指定诊断类型的且使用任一药物的
人数占n0名患者中任一疾病为指定诊断类型的人数的比例P0，n0名患者中
使用任一药物的人数占n0名患者人数的比例P1，在n1名患者中使用任一药
物的人数占n1名患者人数n1的比例P2。例如，患有糖尿病的患者人数n0为
10000人，在10000名糖尿病患者中有7000名患者使用“格华止片”药
物，且在该患有糖尿病的10000名患者中有5000名患者的糖尿病为主诊
断类型(指定诊断类型)，在5000名主诊断类型的糖尿病患者中有4000
名患者使用“格华止片”药物，另外，未患有糖尿病的n1名患者人数为
50000人，在50000名为患有糖尿病的患者中有1000名患者使用“格华
止片”药物，则![]()
因此，
通过上述公式，可以比较准确地计算出任一药物与任一疾病之间的第一相
关度，从而根据第一相关度准确地确定任一药物对应任一疾病的类型。
在上述任一技术方案中，优选地，所述第一计算单元还用于，通过以
下公式计算所述任一药物与所述任一疾病之间的第二相关度：
![]()
其中，f表示所述任一药物与所述任一疾病之间的第二相关度，γ为预
设系数；以及还包括：排序单元，用于获取治疗所述任一疾病的其他药物
与所述任一疾病之间的第二相关度，并根据所述任一药物与所述任一疾病
之间的第二相关度以及所述其他药物与所述任一疾病之间的第二相关度，
对所述任一药物和所述其他药物进行排序。
在该技术方案中，通过上述公式再次计算任一疾病与任一药物之间的
最终的第二相关度，若获取到治疗该任一疾病的其他药物与任一疾病之间
的第二相关度，其中，通过上述方案，同理，可以计算出其他药物与任一
疾病之间的第二相关度，从而对治疗任一疾病的多种药物(包括任一药物
和其他药物)进行排序，从而可以根据排序结果达到辅助诊疗的目的。
在上述任一技术方案中，优选地，所述任一药物对应于所述任一疾病
的类型和所述其他药物对应于所述任一疾病的类型一致。
在该技术方案中，治疗任一疾病的其他药物和任一药物的类型一致，
例如，任一药物和其他药物对治疗糖尿病来说均是特效药或者辅助药，从
而实现了对治疗任一疾病的多种药物进行更加准确地排序。当然，任一药
物对应于任一疾病的类型和其他药物对应于任一疾病的类型也可以不一致，
例如，对治疗糖尿病的特效药、辅助药和通用药进行排序。
在上述任一技术方案中，优选地，所述确定单元包括：第二计算单元，
用于判断P1是否小于所述任一药物对应的第一阈值；所述确定单元具体用
于，若判定P1小于所述第一阈值，则确定所述任一药物对应于所述任一疾
病为第一类型的药物；所述第二计算单元还用于，若判定P1大于或等于所
述第一阈值，判断P1和P2的比值是否大于第二阈值；所述确定单元具体用
于，若判定P1和P2的比值大于所述第二阈值，确定所述任一药物对应于所
述任一疾病为第二类型的药物，否则，确定所述任一药物对应于所述任一
疾病为第三类型的药物。
在该技术方案中，若判定P1小于任一药物对应的第一阈值，则确定任
一药物对应于任一疾病为第一类型的药物(即通用药)，然后判断P1和P2
的比值(即P1比P2)是否大于第二阈值，若是，则确定任一药物对应于任
一疾病为第二类型的药物(即特效药)，否则，任一药物对应于任一疾病
为第三类型的药物(即辅助药)，因此，通过上述技术方案，实现了对任
一药物对应于任一疾病的分类细化，以供医生在给患者开始时提供参考。
通过本发明的技术方案，可以方便、快捷地确定疾病与药物之间的相
关度，以及准确地确定药物对应于疾病的类别。
附图说明
图1示出了根据本发明的一个实施例的医疗信息处理方法的流程示意
图；
图2示出了根据本发明的另一个实施例的医疗信息处理方法的流程示
意图；
图3示出了根据本发明的一个实施例的医疗信息处理装置的结构示意
图。
具体实施方式
为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附
图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不
冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，
本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明
的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的医疗信息处理方法的流程示意
图。
如图1所示，根据本发明的一个实施例的医疗信息处理方法，包括：
步骤102，获取患有任一疾病的n0名患者使用药物的信息和未患有所
述任一疾病的n1名患者使用药物的信息，其中，在n0名患者中有n2名患者
使用任一药物，在n1名患者中有n3名患者使用所述任一药物；
步骤104，根据n0名患者使用药物的信息和n1名患者使用药物的信息，
计算所述任一疾病与所述任一药物的第一相关度；
步骤106，根据所述第一相关度确定所述任一药物对应于所述任一疾
病的类型。
在该技术方案中，通过计算任一疾病与任一药物之间的第一相关度，
根据第一相关度确定任一药物对应于任一疾病的类型，例如，任一药物对
应于任一疾病的类型为特效药、辅助药或者通用药，其中，特效药通常治
疗任一疾病而不治疗其他疾病，即特效药对治疗任一疾病具有关键作用，
例如，格华止片对糖尿病来说是特效药，辅助药可以治疗多种类型的疾病，
例如拜阿司匹林肠溶片为辅助药，可以用于治疗高血压也可以治疗糖尿病，
通用药指在对患者进行疾病治疗时通常都需要用到该药，例如，葡萄糖注
射液和氯化钠注射液均为通用药。因此，根据任一药物对应于任一疾病的
类别可以为医生在给患者开药时提供一定的参考，特别是经验不足的医生。
另外，为了计算得到的任一疾病与任一药物的第一相关度更加准确，患有
任一疾病的n0名患者使用药物的信息和未患有所述任一疾病的n1名患者使
用药物的信息为随机在医疗信息数据库中获取的信息。
在上述技术方案中，优选地，所述计算所述任一疾病与所述任一药物
的第一相关度的步骤，具体包括：通过以下公式计算所述任一疾病与所述
任一药物的三项所述第一相关度：
![]()
其中，n4表示在n0名患者中患有指定诊断类型的所述任一疾病的人数，
n5表示在n4名患者中使用所述任一药物的人数，P0、P1和P2分别为三项所
述第一相关度。
在该技术方案中，通过上述公式计算得到任一药物与任一疾病的三项
第一相关度，即n0名患者中任一疾病为指定诊断类型的且使用任一药物的
人数占n0名患者中任一疾病为指定诊断类型的人数的比例P0，n0名患者中
使用任一药物的人数占n0名患者人数的比例P1，在n1名患者中使用任一药
物的人数占n1名患者人数n1的比例P2。例如，患有糖尿病的患者人数n0为
10000人，在10000名糖尿病患者中有7000名患者使用“格华止片”药
物，且在该患有糖尿病的10000名患者中有5000名患者的糖尿病为主诊
断类型(指定诊断类型)，在5000名主诊断类型的糖尿病患者中有4000
名患者使用“格华止片”药物，另外，未患有糖尿病的n1名患者人数为
50000人，在50000名为患有糖尿病的患者中有1000名患者使用“格华
止片”药物，则![]()
因此，
通过上述公式，可以比较准确地计算出任一药物与任一疾病之间的第一相
关度，从而根据第一相关度准确地确定任一药物对应任一疾病的类型。
在上述任一技术方案中，优选地，在步骤106之后，包括：通过以下
公式计算所述任一药物与所述任一疾病之间的第二相关度：
![]()
其中，f表示所述任一药物与所述任一疾病之间的第二相关度，γ为预
设系数；以及获取治疗所述任一疾病的其他药物与所述任一疾病之间的第
二相关度，并根据所述任一药物与所述任一疾病之间的第二相关度以及所
述其他药物与所述任一疾病之间的第二相关度，对所述任一药物和所述其
他药物进行排序。
在该技术方案中，通过上述公式再次计算任一疾病与任一药物之间的
最终的第二相关度，若获取到治疗该任一疾病的其他药物与任一疾病之间
的第二相关度，其中，通过上述方案，同理，可以计算出其他药物与任一
疾病之间的第二相关度，从而对治疗任一疾病的多种药物(包括任一药物
和其他药物)进行排序，从而可以根据排序结果达到辅助诊疗的目的。
在上述任一技术方案中，优选地，所述任一药物对应于所述任一疾病
的类型和所述其他药物对应于所述任一疾病的类型一致。
在该技术方案中，治疗任一疾病的其他药物和任一药物的类型一致，
例如，任一药物和其他药物对治疗糖尿病来说均是特效药或者辅助药，从
而实现了对治疗任一疾病的多种药物进行更加准确地排序。当然，任一药
物对应于任一疾病的类型和其他药物对应于任一疾病的类型也可以不一致，
例如，对治疗糖尿病的特效药、辅助药和通用药进行排序。
在上述任一技术方案中，优选地，步骤106具体包括：判断P1是否小
于所述任一药物对应的第一阈值；若判定P1小于所述第一阈值，则确定所
述任一药物对应于所述任一疾病为第一类型的药物，否则，判断P1和P2的
比值是否大于第二阈值；若判定P1和P2的比值大于所述第二阈值，确定所
述任一药物对应于所述任一疾病为第二类型的药物，否则，确定所述任一
药物对应于所述任一疾病为第三类型的药物。
在该技术方案中，若判定P1小于任一药物对应的第一阈值，则确定任
一药物对应于任一疾病为第一类型的药物(即通用药)，然后判断P1和P2
的比值(即P1比P2)是否大于第二阈值，若是，则确定任一药物对应于任
一疾病为第二类型的药物(即特效药)，否则，任一药物对应于任一疾病
为第三类型的药物(即辅助药)，因此，通过上述技术方案，实现了对任
一药物对应于任一疾病的分类细化，以供医生在给患者开始时提供参考。
图2示出了根据本发明的另一个实施例的医疗信息处理方法的流程示
意图。
如图2所示，根据本发明的另一个实施例的医疗信息处理方法，包括：
步骤202，建立疾病与药物的矩阵，例如：![]()
X1表示
糖尿病，X2高血压，Y1表示格华止片，Y2表示珍菊降压片。
步骤204，计算矩阵中疾病与药物之间的主诊断指标(P0)、正向指
标(P1)和负向指标(P2)的三项指标(即三项第一相关度)，例如，计
算糖尿病与格华止片之间的三项指标、糖尿病与珍菊降压片之间的三项指
标、高血压与格华止片之间的三项指标、高血压与珍菊降压片之间的三项
指标。具体地，获取患有该疾病的n0名患者使用药物的信息和未患有该疾
病的n1名患者使用药物的信息，其中，在n0名患者中有n2名患者使用有一
药物，在n1名患者中有n3名患者使用该一药物，根据n0名患者使用药物的
信息和n1名患者使用药物的信息计算疾病与药物之间的三项指标。
步骤206，根据三项指标对药物对应于疾病进行分类。例如，根据糖
尿病与珍菊降压片之间的三项指标确定两者之间没有关联，以及根据高血
压与格华止片之间的三项指标确定两者之间没有关联，根据糖尿病与格华
止片之间的三项指标确定格华止片是治疗糖尿病的特效药，根据高血压与
珍菊降压片之间的三项指标确定珍菊降压片是治疗高血压的特效药。
步骤208，基于类别对治疗疾病的多种药物进行排序。具体地，根据
药物与疾病的三项指标确定药物对应于疾病的类别，并计算药物与疾病之
间的相关度(即第二相关度)，然后获取治疗该疾病的其他药物与该疾病
之间的相关度，其中，其他药物对应于该疾病的类别与该药物对应于疾病
的类别一致，最后按照该药物与疾病之间的相关度和其他药物与疾病之间
的相关度，对该药物和其他药物进行排序。例如，确定格华止片对应于糖
尿病为特效药，获取治疗糖尿病的其他特效药，如糖脉康颗粒，若糖尿病
与格华止片的相关度大于糖尿病与糖脉康颗粒的相关度，则将格华止片排
序在糖脉康颗粒的前面，以供医生为糖尿病患者开药时做出一定的参考。
图3示出了根据本发明的一个实施例的医疗信息处理装置的结构示意
图。
如图3所示，根据本发明的一个实施例的医疗信息处理装置300，包
括：获取单元302、第一计算单元304和确定单元306，所述获取单元
302用于获取患有任一疾病的n0名患者使用药物的信息和未患有所述任一
疾病的n1名患者使用药物的信息，其中，在n0名患者中有n2名患者使用任
一药物，在n1名患者中有n3名患者使用所述任一药物；所述第一计算单元
304，用于根据n0名患者使用药物的信息和n1名患者使用药物的信息，计
算所述任一疾病与所述任一药物的第一相关度；所述确定单元306，用于
根据所述第一相关度确定所述任一药物对应于所述任一疾病的类型。
在该技术方案中，通过计算任一疾病与任一药物之间的第一相关度，
根据第一相关度确定任一药物对应于任一疾病的类型，例如，任一药物对
应于任一疾病的类型为特效药、辅助药或者通用药，其中，特效药通常治
疗任一疾病而不治疗其他疾病，即特效药对治疗任一疾病具有关键作用，
例如，格华止片对糖尿病来说是特效药，辅助药可以治疗多种类型的疾病，
例如拜阿司匹林肠溶片为辅助药，可以用于治疗高血压也可以治疗糖尿病，
通用药指在对患者进行疾病治疗时都需要用到该药，例如，葡萄糖注射液
和氯化钠注射液均为通用药。因此，根据任一药物对应于任一疾病的类别
可以为医生在给患者开药时提供一定的参考，特别是经验不足的医生。另
外，为了计算得到的任一疾病与任一药物的第一相关度更加准确，患有任
一疾病的n0名患者使用药物的信息和未患有所述任一疾病的n1名患者使用
药物的信息为随机在医疗信息数据库中获取的信息。
在上述技术方案中，优选地，所述第一计算单元304具体用于，通过
以下公式计算所述任一疾病与所述任一药物的三项所述第一相关度：
![]()
其中，n4表示在n0名患者中患有指定诊断类型的所述任一疾病的人数，
n5表示在n4名患者中使用所述任一药物的人数，P0、P1和P2分别为三项所
述第一相关度。
在该技术方案中，通过上述公式计算得到任一药物与任一疾病的三项
第一相关度，即n0名患者中任一疾病为指定诊断类型的且使用任一药物的
人数占n0名患者中任一疾病为指定诊断类型的人数的比例P0，n0名患者中
使用任一药物的人数占n0名患者人数的比例P1，在n1名患者中使用任一药
物的人数占n1名患者人数n1的比例P2。例如，患有糖尿病的患者人数n0为
10000人，在10000名糖尿病患者中有7000名患者使用“格华止片”药
物，且在该患有糖尿病的10000名患者中有5000名患者的糖尿病为主诊
断类型(指定诊断类型)，在5000名主诊断类型的糖尿病患者中有4000
名患者使用“格华止片”药物，另外，未患有糖尿病的n1名患者人数为
50000人，在50000名为患有糖尿病的患者中有1000名患者使用“格华
止片”药物，则![]()
因此，
通过上述公式，可以比较准确地计算出任一药物与任一疾病之间的第一相
关度，从而根据第一相关度准确地确定任一药物对应任一疾病的类型。
在上述任一技术方案中，优选地，所述第一计算单元304还用于，通
过以下公式计算所述任一药物与所述任一疾病之间的第二相关度：
![]()
其中，f表示所述任一药物与所述任一疾病之间的第二相关度，γ为预
设系数；以及还包括：排序单元308，用于获取治疗所述任一疾病的其他
药物与所述任一疾病之间的第二相关度，并根据所述任一药物与所述任一
疾病之间的第二相关度以及所述其他药物与所述任一疾病之间的第二相关
度，对所述任一药物和所述其他药物进行排序。
在该技术方案中，通过上述公式再次计算任一疾病与任一药物之间的
最终的第二相关度，若获取到治疗该任一疾病的其他药物与任一疾病之间
的第二相关度，其中，通过上述方案，同理，可以计算出其他药物与任一
疾病之间的第二相关度，从而对治疗任一疾病的多种药物(包括任一药物
和其他药物)进行排序，从而可以根据排序结果达到辅助诊疗的目的。
在上述任一技术方案中，优选地，所述任一药物对应于所述任一疾病
的类型和所述其他药物对应于所述任一疾病的类型一致。
在该技术方案中，治疗任一疾病的其他药物和任一药物的类型一致，
例如，任一药物和其他药物对治疗糖尿病来说均是特效药或者辅助药，从
而实现了对治疗任一疾病的多种药物进行更加准确地排序。当然，任一药
物对应于任一疾病的类型和其他药物对应于任一疾病的类型也可以不一致，
例如，对治疗糖尿病的特效药、辅助药和通用药进行排序。
在上述任一技术方案中，优选地，所述确定单元306包括：第二计算
单元3062，用于判断P1是否小于所述任一药物对应的第一阈值；所述确定
单元306具体用于，若判定P1小于所述第一阈值，则确定所述任一药物对
应于所述任一疾病为第一类型的药物；所述第二计算单元3062还用于，
若判定P1大于或等于所述第一阈值，判断P1和P2的比值是否大于第二阈值；
所述确定单元306具体用于，若判定P1和P2的比值大于所述第二阈值，确
定所述任一药物对应于所述任一疾病为第二类型的药物，否则，确定所述
任一药物对应于所述任一疾病为第三类型的药物。
在该技术方案中，若判定P1小于任一药物对应的第一阈值，则确定任
一药物对应于任一疾病为第一类型的药物(即通用药)，然后判断P1和P2
的比值(即P1比P2)是否大于第二阈值，若是，则确定任一药物对应于任
一疾病为第二类型的药物(即特效药)，否则，任一药物对应于任一疾病
为第三类型的药物(即辅助药)，因此，通过上述技术方案，实现了对任
一药物对应于任一疾病的分类细化，以供医生在给患者开始时提供参考。
以上结合附图详细说明了本发明的技术方案，可以方便、快捷地确定
疾病与药物之间的相关度，以及准确地确定药物对应于疾病的类别。
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，对于
本领域的技术人员来说，本发明可以有各种更改和变化。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。