HADRec：融合分子知识与电子健康记录的层次感知药物推荐框架

arXiv:2610.00984v1 发布类型：新摘要：准确的用药推荐是临床决策的核心，直接决定治疗效果与患者安全。然而，现有方法存在两个关键局限：药物通常被抽象为离散标记，忽略了其分子结构和药理机制；同时，常用的“扁平化”推荐范式未能利用国际标准化的解剖学治疗学及化学分类（ATC）系统中的层次逻辑。为解决这些问题，我们提出了HADRec，一种将分子知识与电子健康记录（EHR）相融合的层次感知药物推荐框架。HADRec采用LLaMA-7B对临床记录进行编码，以获得丰富的患者表征，并使用ChemBERTa对药物简化分子线性输入规范字符串进行编码，从而构建全局分子知识库。随后，通过交叉注意力机制对患者状态与药物特征进行深度多模态融合。该框架进一步引入层次化预测器和一种新颖的一致性约束损失，以严格遵循ATC逻辑依赖关系。在MIMIC-III上的大量实验表明，HADRec在Jaccard、F1和PR-AUC指标上均达到了最先进的性能。在MIMIC-IV上的外部验证证实了其在分布偏移情况下的强泛化能力；校准分析显示，HADRec在MIMIC-IV上的预测置信度校准良好，ECE = 0.04，Brier = 0.06。反事实评估揭示了与临床相符的推理过程，将疾病特异性治疗与一般性护理区分开来。总体而言，这些结果表明，HADRec为构建安全、可靠、具有高性能、可解释性且以临床为基础的AI驱动用药推荐系统提供了可行路径。