GAP：基于图的对话式药物推荐提示
计算与语言
2025-05-20 v1
摘要
药物推荐近年来在医疗领域成为重要任务，尤其是在衡量医疗对话系统 (MDS) 的准确性和安全性方面。与基于电子健康记录 (EHR) 的推荐任务不同，对话式药物推荐需要研究患者与医生之间交互细节，这些细节对于提供准确建议至关重要，但可能不存在于 EHR 中。近期大型语言模型 (LLM) 的进展扩展了医疗对话领域。这些 LLM 能够解释患者意图并提供包括药物推荐在内的医疗建议，但仍有值得关注的挑战。在多轮对话期间，LLM 可能忽略细粒度医疗信息或跨对话轮次的关联性，这对于提供准确建议至关重要。此外，LLM 在缺乏领域特定知识时，可能会生成非事实性响应，而这在医疗领域更为风险。为解决这些挑战，我们提出一种图-辅助提示 (GAP) 框架，用于对话式药物推荐。它从对话中提取医疗概念及相应状态，以构建以患者为中心的显式图谱，以描述被忽视但重要的信息。进一步地，结合外部医学知识图谱，GAP 可生成大量查询和提示，从而从多个来源检索信息以减少非事实性响应。我们在基于对话的药物推荐数据集上评估 GAP，并进一步探索其在更具挑战性的场景——动态诊断访谈中的潜力。大量实验表明，GAP 在与强大基线方法进行比较时表现出竞争力。
引用
@article{arxiv.2505.12888,
title = {GAP: Graph-Assisted Prompts for Dialogue-based Medication Recommendation},
author = {Jialun Zhong and Yanzeng Li and Sen Hu and Yang Zhang and Teng Xu and Lei Zou},
journal= {arXiv preprint arXiv:2505.12888},
year = {2025}
}