处方核查的安全性与可追溯性的混合知识基座框架
人工智能
2026-03-12 v1 信息检索
摘要
药物错误构成对患者安全的重大威胁，使药师核查（PV）成为关键但负担沉重的最终安全措施。将大型语言模型（LLM）直接应用于此零容忍领域是不可接受的，因为它们固有的事实可靠性不足、缺乏可追溯性以及在复杂推理方面的弱点。为解决这些挑战，我们引入了 PharmGraph-Auditor，一个用于安全且以证据为依据的处方审计的新型系统。我们的系统的核心是一个可信的混合制药知识库（HPKB），其在虚拟知识图谱（VKG）范式下实现。在该架构中，我们策略性地通过严格的映射层统一了用于集合约束满足的关系组件和用于拓扑推理的图组件。为了构建该HPKB，我们提出了迭代模式细化（ISR）算法，一个使图和关系模式能够从医学文本中共演化的框架。对于审计，我们引入了基于知识库的验证链（CoV），这是一种新的推理范式，将LLM从不可靠的生成器转化为透明的推理引擎。CoV 将审计任务分解为一系列针对HPKB的可验证查询序列，生成混合查询计划以从最合适的数据存储中检索证据。实验结果表明，系统在知识提取方面具有稳健的能力，并且展示了使用 PharmGraph-Auditor 来实现药师更安全更快地进行处方核查的潜力。
引用
@article{arxiv.2603.10891,
title = {A Hybrid Knowledge-Grounded Framework for Safety and Traceability in Prescription Verification},
author = {Yichi Zhu and Kan Ling and Xu Liu and Hengrun Zhang and Huiqun Yu and Guisheng Fan},
journal= {arXiv preprint arXiv:2603.10891},
year = {2026}
}
备注
11 pages, 7 figures.Framework for safe prescription auditing and hybrid knowledge-grounded reasoning