自然语言辅助的多模态药物推荐
人工智能
2025-01-14 v1
摘要
组合药物推荐（CMR）是医疗保健的基础任务，为患者于复杂健康状况下提供更精确处方，尤其在长期医疗场景中具有重要意义。以往研究努力从电子健康记录（EHR）中提取有意义信息以促进组合药物推荐。现有基于学习的方法进一步考虑药物的化学结构，但忽略功能性描述清晰的药物文本描述。此外，来自患者 EHR 的文本知识 remains largely 未被充分利用。为此，我们引入自然语言辅助的多模态药物推荐（NLA-MMR），这是一个多模态对齐框架，旨在从患者视角和药物视角联合学习知识。具体而言，NLA-MMR 将 CMR 表述为从患者和药物两个模态的对齐问题。为此，我们采用预训练语言模型（PLMs）从患者和药物领域提取知识，作为两个模态的基础表示。在药物模态中，我们利用化学结构和文本描述创建药物表示。在患者模态中，我们基于诊断、程序和症状的文本描述生成患者表示。在三个公开数据集上进行的大量实验表明，NLA-MMR 实现了新的状态-of-the-art 性能，平均在 Jaccard 分数上提升了 4.72%。我们的源代码已在 https://github.com/jtan1102/NLA-MMR_CIKM_2024 上公开。
引用
@article{arxiv.2501.07166,
title = {Natural Language-Assisted Multi-modal Medication Recommendation},
author = {Jie Tan and Yu Rong and Kangfei Zhao and Tian Bian and Tingyang Xu and Junzhou Huang and Hong Cheng and Helen Meng},
journal= {arXiv preprint arXiv:2501.07166},
year = {2025}
}
备注
10 pages