返回
A collaborative large language model for drug analysis
DOI:10.1038/s41551-025-01471-z.png)
摘要
En 中文
大型语言模型(LLMs),如ChatGPT,在理解人类咨询和生成具有人类级流利度的文本内容方面发挥了显著作用。然而,直接将LLMs应用于医疗保健领域面临若干问题。LLMs容易出现幻觉,即生成看似合理且真实的流畅内容,但实际上存在事实性错误。理想情况下,生成内容的来源应便于临床医生进行追溯和评估。我们提出了一种基于知识的协同大型语言模型DrugGPT,旨在提供准确、基于证据且可靠的推荐建议,以支持临床决策。DrugGPT整合了多种临床标准知识库,并引入了一种协同机制,该机制能够自适应地分析咨询内容,捕获相关知识来源,并在处理不同药物时对齐这些咨询内容与知识来源。我们在药物推荐、剂量推荐、不良反应识别、潜在药物相互作用识别以及回答一般药理学问题等方面对所提出的DrugGPT进行了评估。DrugGPT在参数量少于通用LLMs的情况下,超越了众多现有LLMs,并在所有指标上达到了当前最优性能。DrugGPT在回答与药物相互作用及推荐相关的问题方面超越了现有LLMs。
Keyword:
DrugGPT
large language models
drug recommendation
clinical decision support
knowledge grounding
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
26.6
论文数:
1.7K
被引数:
2.0W
机构
引用论文
Toward expert-level medical question answering with large language models迈向专家级医疗问答的大语言模型
NATURE MEDICINE
IF50

