[0001] 本发明属于物联网、机器学习、药物管理领域，具体涉及一种基于使用意愿的智能化药物管理系统和方法。

[0002] 随着信息化水平的全面提高，慢性病管理已进入全新的发展阶段。调查显示，大多数老年人至少患有一种慢性病，老年慢性病患者需长期甚至终身服用药物。老年慢性病患者人均服药种类达到9.1种，服用多种药物者占60.2%。然而，由于衰老引起的记忆力和认知力下降，老年慢性病患者的用药依从性远低于普通慢性病人群，约为50%，从而增加了药物不良反应和疾病并发症的风险。

[0003] 研究显示，老年慢性病患者常忽视专业人员的用药指导，依据自身经验自行更改药物剂量，甚至擅自停药。在住院期间，由于接受其他检查和治疗的需要，以及药物服用的特殊要求，难以保证口服药的“即发即服”。部分护理人员因临床工作繁忙或责任意识淡薄，可能发生漏发或错发药物等不良事件。因此，老年慢性病患者的用药安全正面临严峻考验。

[0004] 因此很多医疗机构开始构建互联网药物管理平台，不仅能够有效缓解慢性病患者的用药问题，还能为患者提供优质服务，使其能够通过更高效的方法管理药物。而一般的药物管理系统主要存在如下问题：依赖用户的自觉性，提醒方式单一，容易被忽视；缺乏实时监控和反馈机制，用户的用药情况难以跟踪，药物效果和副作用反馈滞后；数据分析能力有限，难以实现动态优化，依赖定期医生检查和手动调整方案；用户体验较为传统，互动性差，用户参与度低；医生主要依赖面对面的沟通和定期检查，难以及时掌握患者的用药情况和效果等。

[0005] 例如，中国专利申请CN117711638A公开了一种智能化药物管理系统及管理方法，能够实现药物的自动管理，提醒患者按时服药，并记录患者服药的情况。这种方法下，用户只能被动接受医生下发的用药计划，不能根据用户的药盒使用情况以及健康数据做出反馈，从而优化用药计划以及提醒方式。

[0027] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

[0028] 如图1所示，本发明涉及一种基于使用意愿的智能化药物管理系统，特别是通过医生在系统中输入药物处方，并配合智能药盒使用，以提高药物管理的准确性和用户依从性。

[0029] 本发明的一种基于使用意愿的智能化药物管理系统包括智能药盒、手机APP、云端后台服务、药物管理系统WEB端和云数据库。

[0030] 所述智能药盒是一种集成现代技术的药物管理设备，旨在帮助患者按时按量服用药物，并提供用药提醒和记录功能，其包括电源模块、信息采集模块、网络通信模块、数据存储模块、控制模块、显示模块、药物存储模块。

[0031] 医生护士人员通过WEB端设置药物、用药时间和剂量，并将用药计划通过网络推送给对应用户绑定的智能药盒。智能药盒通过网络通信模块接受相关用药计划，并通过控制模块存储到数据存储模块。电源模块提供电力，控制模块根据用药计划监控信息采集模块的数据，判断是否到达用药时间。如果是，控制模块会通过显示模块发出提醒，同时打开药物存储模块的相应格子。用户取药后，信息采集模块记录取药动作，并将数据发送至控制模块。控制模块更新数据存储模块中的用药记录，并通过网络通信模块将信息传输到外部设备或云端服务器，实现用药管理的全流程跟踪和提醒。

[0032] 所述电源模块采用USB接口连接外部电源进行充电和供电，内置电量监测电路，能够实时检测当前电池电量。当电量低于预设的阈值时，电源模块会触发低电量提醒功能。当电池电量低于预设阈值时，电源模块会发送信号给控制模块，控制模块会触发相应的提醒机制，通过通信模块向后台服务发送通知，提醒用户及时充电或更换电池。

[0033] 所述信息采集模块用于采集信息。智能药盒采用红外检测技术来监测药盒的开启和关闭状态。当用户打开药盒时，红外传感器会检测到这一动作，并将信号传递给控制模块。控制模块会分析这一信号，确定用户是否已取药，并更新服药记录。当药盒被打开时，传感器会检测到这一变化，并将信号传递给信息采集模块。信息采集模块会记录这一事件，并将其与用户的服药计划进行比对，以确认用户是否按照计划取药。信息采集模块收集了用户取药的信息，它会将这些数据更新到智能药盒的数据存储模块中。

[0034] 当用户首次使用智能药盒时，医生通过WEB端绑定相应的药盒信息，开启智能药盒后网络通信模块会尝试与云服务建立连接。当智能药盒需要同步数据到云服务时，网络通信模块会将这些数据打包成适当的格式，并通过已建立的连接通道发送出去。同时，它也会监听来自云服务的响应，并接收返回的数据或指令。当医生通过云服务发送指令给智能药盒时，网络通信模块会接收到这些指令，并进行解析。解析后的指令会被传递给智能药盒的控制模块，由控制模块根据指令执行相应的操作。网络通信模块会持续监听连接通道的状态，确保智能药盒能够实时地与云服务保持通信。当需要发送服药提醒或其他实时数据时，网络通信模块会立即将数据发送出去，并确保数据能够被及时接收和处理。

[0035] 所述数据存储模块接收到各类数据后，会根据预先定义的格式和结构将其存储在内部的存储介质中。当其他模块需要读取、写入或修改存储的数据时（如用户请求查看历史服药记录、修改服药计划等），它们会通过数据存储模块提供的数据访问接口发送请求。

[0036] 所述控制模块定期或实时地读取数据存储模块中的用户服药计划。控制模块获取当前时间，并与服药计划中的服药时间进行比较。如果当前时间到达或超过服药时间，控制模块会准备触发提醒功能。控制模块会发送指令给显示模块。当用户通过智能药盒的交互界面（如按键）进行服药确认时，控制模块会接收到这些操作。控制模块会根据用户的操作更新数据存储模块中的服药记录，如记录服药时间、药物名称等。

[0037] 当智能药盒启动时，所述显示模块会进行初始化，准备显示界面。初始界面可能包括欢迎信息、当前时间、设备型号等基本信息。这些信息会以文字、图标或指示灯的形式展示在显示屏上，以便用户随时了解智能药盒的工作状态。当用户需要查看服药记录时，可以通过特定的按键或触摸屏操作进入相应的操作界面。显示模块会根据用户的操作，展示相应的界面内容，如服药计划列表、服药记录列表等。用户可以通过界面上的选项进行设置、修改或查看操作，显示模块会实时更新界面内容以反映用户的操作结果。

[0038] 用户根据需要将不同种类的药物放入药物存储模块中。药物存储模块采用分隔结构，确保每种药物都有其固定的存放位置，防止混淆。当需要服药时，控制模块控制药物存储模块打开药盒，用户也可以通过打开药盒或按下相应区域的按键来取出药物。药物存储模块的设计应确保用户可以方便地识别和取出所需的药物。药物存储模块配备的传感器会实时监测药物的取出情况。当用户取出药物时，传感器会检测到这一动作，并触发信息采集模块进行信息收集。

[0039] 所述电源模块包括以下具体组件和功能，以确保设备能够可靠地供电和充电：提供稳定的电力供应，通常具有高能量密度和长寿命；支持多次充电循环，适用于长期使用；包含充电控制电路，确保电池在充电过程中的安全性和效率，包括过充保护、过放保护和温度监控；实时监测电池的电量状态，并通过显示屏提示用户当前电量；支持外接电源适配器，以便在没有充电设备时继续供电；防止电流过大对电池和设备造成损坏。

[0040] 所述信息采集模块负责收集和记录用户的药物服用情况，以及药物库存等相关信息，包括：药物取出传感器：检测药盒中药物的取出情况，记录每次取药的时间和药量；药盒关闭传感器：检测药盒的关闭状态，确保药盒在不使用时正确关闭；药盒重量传感器：药盒底部或内部装有重量传感器，用于监测药物的重量变化，从而确定药物的取出和剩余量。

[0041] 所述网络通信模块内置Wi‑Fi模块，用于连接家庭或办公室的Wi‑Fi网络。通过Wi‑Fi连接，智能药盒可以与远程后台系统进行数据同步、上传药盒操作记录、软件更新和远程控制。网络通信模块负责将智能药盒内部的数据（如药品信息、用药记录、剩余药量等）传输到远程服务器或用户的移动设备。同时，它也能接收来自服务器或移动设备的指令或数据，如更新药品信息、设置用药提醒等。

[0042] 所述数据存储模块是系统的核心部分之一。它负责存储和管理与药物管理相关的各种数据。以下是智能药盒数据存储模块的主要功能：存储药品信息，包括药品名称、规格、剂量、用法、生产厂家、有效期等；存储用药记录，记录用户的用药时间、用量、用药状态等信息。使用嵌入式数据库来存储和管理数据；采用SD卡等存储介质来提高存储容量和可靠性。

[0043] 所述控制模块是智能药盒的核心之一，它负责接收用户的指令、处理数据，并控制药盒的各个功能单元。根据用户的个性化需求和使用意愿，管理药物的分配、提醒和记录。

[0044] 所述显示模块负责直观地展示智能药盒的相关信息。用药计划显示，在屏幕上清晰地显示用户的用药计划，包括用药时间、药物种类、用药量等信息。这样，用户可以随时查看自己的用药计划，确保按时服药；药物库存显示，实时显示药盒内各种药物的库存情况，当药物不足时，可以在屏幕上显示警告信息，提醒用户及时补充药物；提醒信息显示，当用药时间到达或系统检测到其他需要提醒的情况时，可以在屏幕上显示提醒信息，如“请服药”、“药物库存不足”等。这些信息可以通过声音、震动等多种方式进行提醒，确保用户不会错过任何重要的信息。

[0045] 所述药物存储模块是确保药物有序存放、方便取用以及保持药物品质的关键部分。每个药物都应有一个独立的存储单元，以确保不同药物之间不会相互干扰或混淆。这些存储单元可以设计成抽屉式、旋转式或格子式等，以便用户轻松找到所需药物；为了保持药物的品质，存储模块应配备温湿度传感器和调节设备。当环境温湿度超过设定范围时，系统会自动启动调节设备，如加热器、制冷器、加湿器或除湿器等，以确保药物存储环境处于适宜状态；药物存储模块应采用防潮防尘设计，如使用密封材料、设置防尘网等，以防止水分和灰尘对药物造成损害；药物存储模块应设计得易于取用和补充，设置滑轨、提手等辅助设备，方便用户轻松打开和关闭存储单元；智能药盒应能够实时记录每种药物的库存量，并在药物即将用尽时发出提醒。

[0046] 所述手机APP的核心作用在于通过收集和分析用户的药物使用意愿来提供更个性化和有效的药物管理方案。手机APP作为用户与系统交互的关键接口，发挥着至关重要的作用，具体包括如下功能模块：1、用户信息管理模块：用户首次使用APP时，需要完成注册流程，包括输入用户名、密码、手机号等基础信息，并进行验证；注册成功后，用户可以使用用户名和密码登录APP；
用户可以编辑和完善个人信息，如姓名、性别、年龄、联系方式、绑定家庭成员等。

[0047] 2、健康信息管理模块：允许用户添加和管理药物信息，包括药物名称、剂量、使用频率、购买日期等；提供药物使用记录和提醒功能，确保用户按时按量服用药物；支持健康数据记录和分析，包括血压、血糖、体重等数据的记录和分析，并上传到云服务中进行分析，帮助用户了解自己的健康状况。

[0048] 3、健康资讯模块：提供最新的健康资讯和药物知识，帮助用户了解药物的正确使用方法和健康常识；资讯内容可以涵盖药物副作用、药物相互作用、药物储存方法等方面；允许用户根据兴趣订阅特定的健康资讯，实现个性化推送。

[0049] 4、家庭共享模块：允许用户邀请家庭成员加入，并设置共享权限；家庭成员可以查看共享的健康信息，如药物使用记录、健康提醒等；支持家庭内部的药物共享管理，确保每个家庭成员都能及时获取所需药物。

[0050] 5、用药提醒模块：根据医护人员设置的用药时间，APP会在准确的时间点发出提醒通知，确保用户不会错过服药时间；如果用户在收到提醒后没有按时服药，系统会在一定时间后再次发送提醒，同时会通知给家庭共享成员确保用户不会忘记服药；用户可以根据需要设置重复提醒的次数和间隔时间。

[0051] 6、用户反馈模块：手机APP将定期或不定期地向用户推送意愿调查问卷，以了解用户对当前药物管理方案的满意度、对药物使用的偏好和期望等。这些问卷将以简单易懂的方式呈现，方便用户快速完成；除了定期的调查问卷外，手机APP还将提供实时反馈机制，允许用户在使用过程中随时表达自己的意愿和需求；收集到的意愿数据将被传输到系统的后端服务器进行分析。

[0052] 所述云端后台服务通过云服务能够实现对患者信息的全面管理、药物的精准推送、用药数据的统计分析以及健康状况的个性化分析，包括：1、用户注册登录：提供用户注册和登录功能，确保用户信息的安全性和系统的访问权限控制；用户注册时需填写基本信息，如姓名、联系方式、年龄等。

[0053] 2、患者信息管理模块：集中管理患者的个人信息，包括基本资料、用药史、病史、过敏史、家族病史等；提供患者信息的查询、编辑和更新功能，确保信息的准确性和实时性；根据患者信息，为用药推送模块和健康分析模块提供数据支持。

[0054] 3、药物管理模块：模块支持药物信息的快速录入和更新，包括药品的通用名、商品名、规格、批准文号、生产厂家等基本信息；模块提供强大的查询和检索功能，用户可以根据药品名称、规格、生产厂家等条件进行精确查询，也可以进行模糊查询以获取更多相关信息。

[0055] 4、用药推送模块：根据患者的用药计划和意愿，生成个性化的用药提醒计划；定时向患者手机APP和绑定的智能药盒发送用药提醒计划，确保患者按时按量服药；提供重复提醒功能，以防患者忘记服药；允许患者记录服药情况，并生成用药记录报告。

[0056] 5、健康分析模块：整合患者的个人信息、用药数据、健康数据（如血压、血糖等）和行为数据；运用大数据分析和机器学习算法，对患者的健康状况进行综合分析；根据分析结果，为患者提供个性化的健康建议和指导；预测潜在的健康风险，提前警示患者和医生，为后续的治疗调整提供参考。

[0057] 6、统计报告模块：收集和分析患者的用药数据，生成各类统计报告；报告内容包括患者的用药情况、用药效果、不良反应等；为医生、药师和患者提供用药决策支持，优化治疗方案。

[0058] 所述云数据库实现了患者信息、系统数据、健康知识和药物数据的集中存储和管理。

[0059] 医生、药师等权限用户通过所述药物管理系统WEB端访问管理系统，实现上述的一系列操作。

[0060] 如图2所示，本发明的使用方法包括如下步骤：步骤1.1收集历史用药数据、用户行为数据健康数据和用户反馈数据等并处理缺失值和异常值。

[0061] 步骤1.2归一化数值型特征。归一化公式如下：；
其中， 是原始数据， 是特征的最小值， 是特征的最大值， 是归一化后
的数据。

[0062] 步骤1.3使用皮尔逊相关系数 选择最有意义的特征，计算公式如下：；
其中， 和 是变量的观测值，和 是变量的平均值。

[0063] 步骤1.4 采用最佳分类和协同过滤模型的得分进行加权的混合模型进行患者使用意愿的预测和评估以及用药计划的推荐和优化，包括：步骤1.4.1 采用逻辑回归的分类模型进行预测。模型使用包含许多输入和输出示例的训练数据集来学习将输入数据映射到类别标签。药物推荐可以被表述为一个有监督的多类多标签分类问题，其中患者的个人信息、历史用药数据、用户行为数据、健康数据和用户反馈数据是输入，用药计划的使用意愿（概率）是输出，从而推荐最合适的药物组合。采用逻辑回归的分类模型的用药医院预测公式为：
；
其中， 是预测的患者对于用药计划的使用意愿。 是患者的
相关特征，包括年龄、性别、体重、诊断、历史用药数据、用户行为数据、健康数据和用户反馈数据行为数据等，m为相关特征的数量。 是回归系数。

[0064] 本发明使用lbfgs（有限内存Broyden‑Fletcher‑Goldfarb‑Shanno）优化器优化逻辑回归模型。此外，应用 L2 正则化。正则化通过惩罚较大的系数来防止过拟合。L2正则化项在损失函数中加入了一个等于系数平方大小的惩罚项。这个惩罚项帮助将系数缩小到接近零，但不完全为零，从而有助于管理多重共线性并增强模型的泛化能力。正则化强度由参数C控制。使用了值为1的C参数，表示适度的正则化。

[0065] 步骤1.4.2 采用协同过滤算法进行评估和预测。在许多关系领域中，实体类型和交互的数量通常是固定的。它们可能只包含一种或两种实体类型，例如患者和药物。给定一个包含t种实体类型的关系模式： ，其中，实体 。实体类型 和 之间的交互表示为一个 的交互矩阵 ，其中， 是实体 的数量， 是实体 的数量。元素指定了实体 和实体 之间的交互。使用低秩序矩阵分解，交互矩阵 表示
为两个低维矩阵的乘积：
；
其中，低维矩阵 ，低维矩阵 ，并且 。上标T表示
矩阵的转置。这两个低维矩阵 和 可以视为分别为实体类型 和实体类型 确定的潜在因子。潜在维度k是潜在因子的数量， 是一个非线性指示函数。如果实体类型 涉及多个交互，每个交互可以单独建模。潜在因子 和潜在因子 可以通过基于观察到的交互矩阵 的损失函数来最小化获得：
；
其中， 和 是 和 的偏差。 未知值的预测可以通过两个潜在因子 和
的乘积获得。可以通过按降序排序预测值来做出推荐。

[0066] 最后，集体矩阵分解通过联合分解交互矩阵及其附带信息，同时共享潜在因子，扩展了低秩矩阵分解。集体矩阵分解模型基于两种实体类型：患者相关的实体类型 和药物的实体类型 。集体矩阵分解模型进行联合分解，指示哪种药物为哪种患者开具的交互矩阵 ，以及患者属性矩阵 ，该矩阵表示患者的个人信息、历史用药数据、用户行为数据、健康数据、用户反馈数据以及医生为每个患者做出的诊断，以及药物属性矩阵 ，该矩阵指示每种药物的每个诊断代码的分布。使用低秩矩阵分解，附加属性矩阵可以表示为和 ，其中， 和 是患者和药物属性矩阵的新潜在因子。各潜在因子可以通过最小化平方损失来获得：
；
其中， 和 在分解中共享。这种非凸优化可以使用交替最小二乘法解决以找到局部最小值。

[0067] 步骤1.4.3从分类模型和协同过滤模型计算得出的预测分数可以组合成一个最终的预测分数，方法如下：；
其中，是一个加权因子， 是最终预测得分， 是分类模型计算出的
预测得分， 是协同过滤模型计算出的预测得分。得分排名前K的类别标签，或超过预定义阈值的类别标签，会被推荐。

[0068] 步骤1.5根据评估的使用意愿结果，对用药计划进行优化。高使用意愿：保持现有的用药提醒计划；低使用意愿：增加提醒频率、提供额外支持、调整提醒时间等。

[0069] 如图3所示，上传的用户行为数据类型包括：1.用药时间数据，包括：
用药时间间隔：连续两次用药之间的时间间隔，计算每次用药记录的时间差，生成时间间隔序列。

[0070] 用药时间偏差：实际用药时间与预定用药时间的偏差，计算实际用药时间和预定时间的差值。

[0071] 2.提醒相关数据，包括：提醒次数：用户接收到的提醒次数，统计特定时间段内系统发送的提醒次数。

[0072] 提醒响应时间：用户在接到提醒后多长时间内采取行动，记录每次提醒的时间和相应的用户动作时间，计算两者的时间差。

[0073] 3.服药行为数据，包括：药盒打开频率：药盒被打开的频率，统计药盒在一定时间内被打开的次数。

[0074] 药盒打开时间：药盒每次打开的具体时间点，记录每次药盒打开的时间戳。

[0075] 漏服次数：用户错过服药的次数，统计用户在预定服药时间段内未打开药盒的次数。

[0076] 4.健康数据，包括：健康指标：用户的健康指标，如血压、血糖水平等，从用户的健康监测设备或手动输入中获取相关数据。

[0077] 运动数据：用户的运动数据，如运动频率、持续时间、运动心率等，从用户的健康监测设备或手动输入中获取相关数据。

[0078] 5.用户反馈数据，包括：用户反馈评分：用户对系统的反馈评分，用户在系统中的反馈评分记录。

[0079] 反馈类型：用户的具体反馈内容，如“提醒过多”或“提醒不足”，从用户的反馈文本或选择项中提取和分类。