无过度处方的通用药物推荐中对大语言模型的细粒度对齐
信息检索
2025-08-05 v2
摘要
大语言模型（LLMs）因其对临床笔记的全面解读能力以及灵活的药物编码方式，在实现通用药物推荐系统方面展现出巨大潜力。我们评估了通用型与医学专用型 LLM 在药物推荐任务中的表现，发现其精度不佳且存在严重的过度处方问题。为此，我们引入语言辅助药物推荐（Language-Assisted Medication Recommendation）框架，以药物感知方式定制 LLM，用于药物推荐，提高了对临床笔记的利用效率。通过该框架微调的模型在内部验证中超越现有方法超过10%，并在时间和外部验证中实现良好泛化。此外，该模型在遇到离分布药物时仍保持高准确率。
引用
@article{arxiv.2503.03687,
title = {Fine-grained Alignment of Large Language Models for General Medication Recommendation without Overprescription},
author = {Zihao Zhao and Chenxiao Fan and Junlong Liu and Zheng Wang and Xiangnan He and Chongming Gao and Juan Li and Fuli Feng},
journal= {arXiv preprint arXiv:2503.03687},
year = {2025}
}