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

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

该论文提出了一个基于药物相互作用的决策支持系统，可提供更安全、更有效的药物处理方案，包括药物相互作用模块，医学决策模块和医疗支持模块，实验证明此系统可用于慢性疾病的临床诊断。

Mar, 2023

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

本研究评估了集成在 CPOE/ EMR 系统中的警报系统对肾脏清除药物剂量控制的诊断表现，并将生成的警报与日常药师实践进行比较，结果显示使用警报系统会有助于提高药物处方安全。

May, 2013

本论文提出了一种基于神经汤普森抽样和差分进化算法的优化策略 OptimNeuralTS，旨在高效地挖掘索赔数据集、建立药物组合与健康结果之间的预测模型，以检测潜在不当多药同时使用（PIPs）。在两个数据集上的实验表明，该方法能够检测到高达 72% 的 PIP，同时保持平均精度得分为 99%。

Dec, 2022

对于多病患者进行管理常常导致多药治疗，然而特定组合的药物和疾病的长期影响通常是未知的。从一级医疗保健数据学习疾病和处方模型来研究可能影响多重疾病进一步发展的药物类型。我们使用最先进的可计算复杂查询的可靠贝叶斯网络表示这些大型医学网络。我们的研究结果证实，处方药可能会在心血管疾病的多重疾病进一步发展中产生意外的负面影响。此外，用于一种疾病组的药物疗法可能会影响另一组疾病。

Dec, 2016

该研究旨在鉴别多药联合应用不良药物事件的关键特征，并构建和评估预测多药联合应用不良事件的模型，结果显示针对心血管疾病的特定模型在药物相互作用预测中表现显著提高，证明了领域特定模型提高药物相互作用预测准确性的强大潜力。

Aug, 2023

该研究提出一种基于医疗对话的药物推荐方法，使用自然语言处理技术结合病历数据，构建了一个高质量的医疗对话数据集 DIALMED, 并提出了 DDN 模型和 QA 对话图机制，有效考虑了各种因素的影响，实现了医患对话中对药物的智能推荐。

Feb, 2022

提出了 DGMed，一种应用因果推断解决药物推荐系统中异质性问题的框架，通过分析历史记录中药物对特定疾病的量化治疗效果，揭示医学实体之间的潜在联系，利用分子层次的知识进行特征对齐，最终根据患者的当前健康状况自适应调整药物推荐概率并推荐药物组合，实验证明该方法在准确性、安全性和时间效率方面优于现有的基线模型。

Mar, 2024