用于药物分析的协作大语言模型

大型语言模型（LLMs），如ChatGPT，已在理解人类查询和生成具有人类水平流畅度的文本内容方面提供了显著帮助。然而，直接在医疗保健应用中使用LLMs面临若干问题。LLMs易产生幻觉，即生成看似合理、真实但事实错误的内容。理想情况下，生成内容的来源应易于追踪，以便临床医生进行评估。我们提出了一种基于知识的协作式大型语言模型DrugGPT，旨在提供准确、基于证据且可靠的临床决策建议。DrugGPT整合了多样化的临床标准知识库，并引入了一种协作机制，能够自适应地分析查询、捕捉相关知识源，并在处理不同药物时对齐这些查询与知识源。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多个任务上对DrugGPT进行了评估。结果显示，DrugGPT在各项指标上均优于现有多种LLMs，且以更少的参数实现了最先进的性能。