面向综合药物禁忌证的检索增强大语言模型系统
人工智能
2025-08-11 v1
摘要
大语言模型（LLMs）的多功能性已在多个领域得到探索，但其在医疗健康领域的应用仍面临挑战，尤其是在需要准确可靠信息的药物禁忌证领域。本研究通过实施检索增强生成（RAG）流水线，增强了LLMs有效处理禁忌证的能力。我们以OpenAI的GPT-4o-mini为基础模型，以text-embedding-3-small模型进行嵌入，并集成Langchain来编排一个带重排序的混合检索系统。该系统利用来自公共数据库的药物利用审查（DUR）数据，重点关注特定年龄组、妊娠期和合并用药的禁忌证。数据集包含三个类别的300个问答对，基线模型准确率在0.49至0.57之间。集成RAG流水线后，我们观察到模型准确率显著提升，在年龄组、妊娠期和合并用药相关禁忌证方面分别达到0.94、0.87和0.89。结果表明，通过提供更精确可靠的药物禁忌证信息，用RAG框架增强LLMs可以显著减少处方和用药决策中的不确定性。
引用
@article{arxiv.2508.06145,
title = {Retrieval Augmented Large Language Model System for Comprehensive Drug Contraindications},
author = {Byeonghun Bang and Jongsuk Yoon and Dong-Jin Chang and Seho Park and Yong Oh Lee},
journal= {arXiv preprint arXiv:2508.06145},
year = {2025}
}