提出ARMED自适应临床RAG用药推荐框架

Kyungkeon Chung 等发表论文，提出ARMED——一种自适应检索增强（RAG）用药推荐框架。作者称，在MIMIC-IV数据集实验中，ARMED持续优于既有静态检索基线，并改善用药推荐质量。 该框架根据检索充分性和当前就诊的相关性动态追加多查询检索，通过相关性门控激活同一患者的历史就诊记录，并将证据组织为结构化的查询级临床证据。其方案使用本地可运行的小型语言模型，不依赖外部语言模型API或任务特定微调。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。