基于大语言模型的肺癌中药处方推荐研究

摘要

目的 针对中医处方推荐问题，利用中医专家的肺癌临床病案来自动化生成处方，为用药规律研究、中医临床辅助决策提供参考。方法 将中药处方推荐任务转化为文本生成任务，利用基于GLM结构的CHATGLM3模型对肺癌病案进行训练，学习中医专家治疗肺癌的内在经验知识，提升模型处方生成的效果，并与传统的生成式模型进行比较。结果 将肺癌病案内的中医知识融入大语言模型中可有效提升模型的处方生成能力，特别是在生成中医专家常用核心药物方面，模型表现出了较高的倾向性，能够提供丰富且有价值的参考信息。肺癌中药处方推荐模型在BLEU、ROUGE、METEOR指标上取得了64.62%、55.78%、47.39%的效果，并且在前5、10、15、20味中药处方中取得67.79%、63.66%、56.76%、51.93%的准确率，优于基线模型。结论 肺癌中药处方推荐模型相较于传统生成式模型取得了较好的处方生成效果，表明其可以从病案中学习肺癌诊疗方面的知识，从而生成符合中医治疗原则的中药处方，也为未来辅助临床决策等提供可能的方向。

关键词

大语言模型 / 处方推荐 / 中医药 / 文本生成 / 肺癌 / GLM结构 / CHATGLM3模型