一种基于决策树的可解释术后镇痛配方智能推荐方法

本发明提供了一种基于决策树的可解释术后镇痛配方智能推荐方法，包括如下步骤：S1、根据医院术后镇痛病例数据，确定病人特征和镇痛药物，病人特征包含连续型变量和离散型变量，镇痛药物为连续型变量，对病例数据进行预处理；S2、对病人特征进行特征构建和特征选择，将选择后的病人特征和镇痛药物作为数据源；S3、以预处理后的病历数据作为决策树算法的训练样本，进行镇痛配方模型学习，得到学习后的模型；S4、通过在学习后的模型中输入测试病例数据进行预测，得到最后的镇痛配方。本发明通过人工智能技术在术后镇痛领域的应用推动医工交叉，实现镇痛配方决策的智能推荐，从而大幅减少医生在制定镇痛配方过程的工作量。