基于 LLM 生成启发式方法的个性化药物规划
人工智能
2026-01-08 v1
摘要
个性化药物规划涉及为特定个体患者选择药物并确定剂量方案以实现特定医疗目标。以往的工作已成功证明，使用通用领域无关启发式方法的自动化规划器能够在采用通用域描述语言（\pddlp）建模后，为患者生成个性化治疗方案。然而，这一过程在实际中受限于最多只能考虑七种药物。从临床角度看，这已不具备实用性。本文探索使用自动生成的领域和问题特定启发式方法与通用搜索结合，作为扩展大规模药物规划的手段，使其更接近临床应用。具体而言，我们以程序化方式指定领域（指定初始状态和后继生成程序），并使用 LLM 生成可被固定搜索算法（GBFS）使用的问题特定启发式。结果表明，覆盖范围和规划时间实现了显著提升，将药物数量扩展到至少28种，使药物规划更接近实际应用。
引用
@article{arxiv.2601.03687,
title = {Personalized Medication Planning via Direct Domain Modeling and LLM-Generated Heuristics},
author = {Yonatan Vernik and Alexander Tuisov and David Izhaki and Hana Weitman and Gal A. Kaminka and Alexander Shleyfman},
journal= {arXiv preprint arXiv:2601.03687},
year = {2026}
}