
基於大型語言模型的藥物推薦 + 安全性(藥物間交互作用,DDI)+ 長尾/不平衡 + 分子結構對齊 + 第二階段頻率感知融合。 左上:大型語言模型輸出導致因藥物間交互作用而產生的安全問題。 展示病人第 t 次就診的輸入(診斷/程序/文本)→ 大型語言模型 → 推薦藥物組合 {A, B, C}。 在 {A, B, C} 中,用紅色閃電符號標示一組藥物間交互作用配對(例如,A–B),並標記為「不安全組合 / 藥物間交互作用」。 右上:為何會發生這種情況(缺乏結構約束)。 標記為「原子標籤嵌入 + 共現捷徑」。 展示一個非結構化的標籤空間:藥物點雜亂無章,且不安全的配對彼此靠近。 左下:長尾/不平衡失敗。 包含一個來自 MIMIC-IV 的頻率分箱直方圖(0–50, 50–100…>5000),顯示一個高的頭部和一個長的尾部。 標記為「尾部標籤:稀疏監督 → 低召回率 / 校準」。 右下:我們的解決方案(結構 + 頻率感知)。 第一階段:藥物節點圖(紅色為藥物間交互作用邊,藍色為 EHR 共現邊,時間邊為虛線),其中每個 ATC3 都是一個「多原型」小集群。 第二階段:示意性的條形權重,展示大型語言模型 + 頻率感知融合(尾部更依賴分子先驗;頭部更依賴任務信號)。