换一批大语言模型为药品不良反应报告者生成反馈信息的探究
Applying large language models to generate feedback for reporters of spontaneous adverse drug reactions
摘要目的 应用大语言模型(LLM)为药品不良反应(ADR)自发报告者提供信息反馈,促进安全用药并提升报告者的参与度,进一步完善ADR自发报告平台.方法 结合提示语策略和药品说明书信息,使用3种不同的LLM(通义千问2.5、Kimi、智谱清言)针对10例自发的ADR报告生成反馈信息(包括关联性评价、需补充信息及安全用药建议).将LLM生成的关联性评价结果与3位临床药师的评价结果进行比较,并使用DISCERN、C-PMART-P评价LLM反馈信息的整体质量及可理解性.结果 9例不良反应的人机评价结果一致,只有1例人机评价结果不一致.DISCERN评分显示,通义千问2.5、Kimi、智谱清言生成的反馈信息质量评分中位数均为5分;C-PMART-P评分显示,通义千问2.5、Kimi、智谱清言生成的反馈信息平均可理解性评分分别为74.9%、71.5%、72.6%,表明生成材料的整体质量和可理解性良好.结论 LLM在ADR关联性评价中表现出较高的准确性,同时能生成质量良好且易于理解的反馈信息,为指导安全用药、提升报告者体验及完善ADR自发报告系统提供了新方法.
更多相关知识
关键词
大语言模型药品不良反应自发报告关联性评价安全用药large language modelsadverse drug reactionsspontaneous reportingcausality assessmentsafe medication use
分类号
R969.3
栏目名称
DOI
10.3969/j.issn.1672-3384.2024.10.008
发布时间
2024-12-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国药品监督管理研究会研究课题（2024-Z-Y-001）
- 浏览7
- 被引1
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
