ARMR：面向药物推荐的自适应响应网络
人工智能
2025-07-08 v1 机器学习
摘要
药物推荐是医疗保健中的关键任务，尤其是对于具有复杂医疗状况的患者。然而，现有方法常常难以有效平衡历史药物的复用与针对不断变化的患者状况引入新药物的需求。为此，我们提出一种面向药物推荐的 Adaptively Responsive network (ARMR)，这是一种新方法，包含 1) 区段化时间学习组件，可区分最近和遥远的患者历史，从而实现更细致的时间理解，以及 2) 自适应响应机制，可根据患者当前健康状态和用药史动态调整对新药和现有药物的注意力。在 MIMIC-III 和 MIMIC-IV 数据集上的实验表明，ARMR 在不同评估指标上优于基于最先进基准的方法，为更精确、更个性化的药物推荐作出了贡献。源代码已公开于：https://github.com/seucoin/armr2。
引用
@article{arxiv.2507.04428,
title = {ARMR: Adaptively Responsive Network for Medication Recommendation},
author = {Feiyue Wu and Tianxing Wu and Shenqi Jing},
journal= {arXiv preprint arXiv:2507.04428},
year = {2025}
}
备注
9 pages, accepted by IJCAI 2025