AskGLP1：把患者自述建成知识图谱的问答智能体
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载系统怎么搭起来
AskGLP1 的目标是把分散在网上的用药自述变成结构化、可查询的知识。流程以大模型辅助，并以 MedDRA 这一标准医学术语体系作为对齐依据，使口语化的描述能落到统一的术语上。数据侧先对约 850 万条 Reddit 帖子做筛查，筛出与用药体验相关的部分，最终提炼出 163,135 条；同时纳入 2,506 条 WebMD 评论。这些内容被组织成知识图谱，共包含 385,790 条药物—副作用与药物—用途关系。图谱之上再接入问答智能体，用户可以用自然语言询问用药体验，回答附带可追溯的证据来源。
与官方不良反应库的差异
研究把网络自述与 FAERS 这一官方不良反应报告系统做了对照。两者共享最常见的胃肠道症状，但侧重不同：网络叙述更常提到疲劳、厌食这类日常负担，而 FAERS 报告里注射部位反应以及胰腺炎等特定严重诊断出现得更多。这说明两套信息源各自捕捉到体验的不同侧面，单看官方报告会漏掉患者日常感受的部分。作者据此提出，药物警戒需要更多以患者为中心的方法，把线上自述纳入观察范围。
药物与来源之间的差别
分析还显示，用药体验与具体药物、具体来源都有关。帖子中关于替尔泊肽的恶心和呕吐报告少于司美格鲁肽；同为司美格鲁肽，Wegovy 的疲劳报告多于 Ozempic；同为替尔泊肽，Zepbound 的疲劳报告多于 Mounjaro。这类差异提示，即便成分相同，不同商品名下的用户叙述也可能呈现不同图景。评测部分关注智能体的回答质量：它给出的结论带有可核验的证据，并且在被要求提供医疗建议时会拒绝，而不是直接给出诊疗意见。代码、提示词与评测问题均已公开。
为什么值得看
展示如何把非结构化患者叙述转成可查询的医学知识图谱，并给出与官方不良反应库的差异对照。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。