HEM-Med提出面向安全多中心用药推荐的分层智能体记忆框架

HEM-Med提出一种面向多中心用药推荐的分层智能体记忆框架，用于利用大规模医疗中心经验并适配资源较少医院的处方模式。基于论文摘要，该方法通过解耦跨医院经验记忆与医院特有残差记忆，并结合安全感知的用药集合生成，纳入药物相互作用风险和本地 formulary 可行性；在真实多中心 eICU 数据集实验中，作者报告其推荐准确性和安全性均优于代表性迁移学习、LLM及用药推荐基线。