设计一种名为 ABiMed 的创新临床决策支持系统用于药物审核与多药并用管理，结合指南实施与可视化呈现知识，为管理多药并用带来了希望。

Dec, 2023

我们介绍了一种基于检索增强生成（RAG）- 大型语言模型（LLM）的临床决策支持系统（CDSS），用于安全药物处方。该模型通过提供与患者背景和机构指南相适应的相关处方错误警报来解决传统基于规则的 CDSS 的局限性。本研究评估了基于 LLM 的 CDSS 在识别各种医疗和外科病例中的药物错误方面的有效性，与人工专家小组进行对比。同时，研究还检验了临床医生对不同 CDSS 集成模式的偏好：初级药师、仅基于 LLM 的 CDSS 和两者的组合。

Jan, 2024

医院信息系统的处方辅助软件已经成为医疗机构必不可少的一部分，但是这种系统使医生花费更多时间在电脑输入信息而不是提供医疗服务。本论文介绍了一种自然语言界面的电子处方软件，以口语对话系统的形式呈现，该系统允许医生语音记录处方，接近他们的正常实践方式。该系统在野外评估中表现出较好的处方时间和任务成功率，该评估数据已被录制和注释为 PxCorpus，是第一个完全向社区提供的口语药物处方语料库。

Nov, 2023

设计了一个基于患者和药物特征的全面药物推荐系统，将数据从多个数据库中整合为一个患者和药物信息的数据集，其中使用了人工智能模型、自然语言处理方法和推荐系统算法进行数据建模，通过药物相互作用、患者条件和药物特征生成了基于矩阵分解的模型，构建了基于规则的知识库系统。

Dec, 2022

通过观察性数据，我们使用因果建模方法估计了患者住院期间药物不良事件的因果概率下界 (PC₋ₗₒw)，该方法包括目标试验仿真框架和使用机器学习估计个体化治疗效果的两个主要因果推理组成部分，并将我们的方法应用于临床上重要的用例 ——ICU 患者万古霉素诱发急性肾损伤，并将基于因果模型的因果概率下界估计与医学专家提供的定性概率估计进行比较，讨论了重要局限性和潜在改进，并得出结论：未来改进的因果模型可能为医院患者的药物安全监测提供必要的数据支持。

Nov, 2023

本文介绍了一个药品匹配及数据整合技术，包括一个基于朴素贝叶斯分类器的系统，可实现 98.3% 药品匹配精度、99.2% 的精度和 97.5% 的召回率。

Jul, 2022

研究了一种基于临床决策支持系统的计算机临床指南的质量评估系统在压疮管理领域应用的可行性和效果，并发现其可以提高照护质量、节约时间以及增强医护人员的能力。

Nov, 2022

这项研究通过使用病人处方数据作为模态性能提高急性肾损伤预测的现有模型的新方法，采用电子健康记录（EHR）数据提取相关病人处方信息，将其转化为所选药物表示法（扩展连接指纹）进行研究，并采用独特的多模态方法，应用于临床药物表示，建立了一个在预测急性肾损伤方面从未被任何研究所使用的程序。结果表明，通过将扩展连接指纹等药物特征与人口统计学和实验室检测值等常见队列特征结合起来，我们在急性肾损伤预测任务的模型性能中取得了明显的改善，超过了不包括药物表示作为特征的基线模型，这表明我们的独特方法增强了现有的基准技术，凸显了在重症监护设置中预测急性肾损伤中药物数据的相关性。

Jan, 2024

为了辅助临床医生在患者护理中做出更好、更准确的诊断和治疗决策，设计了一个原始且混合的决策支持系统来识别药物与草药的相互作用。

Jun, 2023

利用人工智能模型预测癌症患者中的不良药物反应，显示高特异性和敏感性，但需要标准化和多中心研究来提高证据质量。

Apr, 2024