基于推理增强的可靠多药联合提取框架RexDrug
计算与语言
2026-03-10 v1
摘要
从大规模生物医学文献中自动提取药物联合方案（DCE）对于推进精准医学和药理学研究至关重要。然而，现有的关系抽取方法主要关注二元相互作用，难以建模可变长度的n元药物联合方案，其中需要考虑复杂的兼容性逻辑和分布式证据。为此，我们提出RexDrug，一个基于大型语言模型的端到端推理增强关系抽取框架，用于n元药物联合提取。RexDrug采用两阶段训练策略。首先，利用多智能体协作机制自动生成类似专家的推理痕迹，以进行监督式微调。其次，应用针对DCE的多维奖励函数进行强化学习，以进一步提升推理质量和抽取准确性。在DrugComb数据集上的大量实验表明，RexDrug在n元抽取任务中始终优于最先进的基线方法。额外在DDI13语料库上的评估确认了其对二元药物-药物相互作用任务的通用性。人类专家评估和自动推理指标进一步表明，RexDrug在准确识别复杂治疗方案的同时，能够产生连贯的医学推理。这些结果表明，RexDrug是一个 scalable and reliable 的生物医学文本中复杂关系抽取解决方案。源代码和数据已提供于https://github.com/DUTIR-BioNLP/RexDrug。
引用
@article{arxiv.2603.08166,
title = {RexDrug: Reliable Multi-Drug Combination Extraction through Reasoning-Enhanced LLMs},
author = {Zhijun Wang and Ling Luo and Dinghao Pan and Huan Zhuang and Lejing Yu and Yuanyuan Sun and Hongfei Lin},
journal= {arXiv preprint arXiv:2603.08166},
year = {2026}
}
备注
21 pages, 7 figures