一种基于GraphRAG的图模协同智能用药推荐方法

本发明涉及人工智能与智慧医疗，具体涉及一种基于graphrag的图模协同智能用药推荐方法及系统。

背景技术：

1、随着人工智能技术逐步应用于医疗服务领域，现有智能医疗应用在用药指导环节仍然存在若干技术问题。

2、首先，现有大语言模型在内容生成上存在固有幻觉风险，易输出虚构事实与错误医学信息，严重威胁用药安全与诊疗准确性。同时，大模型知识受训练数据截止期约束，无法同步最新临床指南与药品循证依据，存在知识时效性短板，难以满足临床实践更新需求。

3、其次，传统可解释性方法如标准思维链（chain of thought，cot）虽能提供完整的推理链条，但其固有的流水账模式产生了大量冗余信息，增加了临床医生的审阅负担，降低了决策效率。

4、再次，患者常合并多种并发症与用药禁忌症，复杂个体病情下的精准用药推荐难度较高。同类病症备选药物繁多，药物间相互作用复杂，合理安全的联合用药组合难以把控。现有系统依赖静态规则、缺乏临床情境支撑，难以满足临床精准化、个性化用药需求。

5、此外，现有知识图谱构建方法多为一次性构建，缺乏自动化更新机制，维护成本高，知识陈旧问题突出。例如，中国专利申请cn119719383b虽公开了一种基于graphrag与llm的医学知识图谱智能构建及检索方法，但该方法主要面向医学文献检索，并未解决临床用药个性化推荐与可解释性推理的问题。

6、综上所述，亟需一种能够兼顾医学严谨性与临床适配性、具备可解释性与自动化演进能力的智能用药推荐方法及系统。

技术实现思路

1、发明目的

2、本发明的目的在于提供一种基于graphrag的图模协同智能用药推荐方法及系统，以解决现有技术中用药推荐准确性低、可解释性差、知识静态化及个性化适配能力不足的技术问题。

3、技术方案

4、为实现上述目的，本发明采用如下技术方案。

5、根据本发明的第一方面，提供一种基于graphrag的图模协同智能用药推荐方法，包括以下步骤：

6、s1：构建静态权威医疗知识图谱与动态相似病例向量库构成的双知识基底。

7、其中，静态权威医疗知识图谱以国家级诊疗规范、临床路径、药典等权威医学数据为数据源，经实体识别、关系抽取与属性标准化，构建以药物和疾病为双核心实体的结构化图谱，存储于neo4j图数据库。动态相似病例向量库对脱敏历史病例进行语义化向量化处理，基于bge-m3模型生成1024维语义向量，基于余弦相似度算法与hnsw索引实现高效检索，存储于chroma向量数据库。

8、s2：接收自然语言病例文本，对病例文本进行实体识别与术语归一化，提取核心实体。

9、s3：基于步骤s2的核心实体，同步执行双路检索——在步骤s1构建的静态知识图谱中进行结构化cypher查询检索，同时在动态相似病例向量库中进行相似度向量检索，获得结构化知识检索结果与相似病例检索结果。

10、静态知识图谱提供药品说明书级别的规范知识，负责安全底线保障、合规性校验与禁忌症筛查；动态相似病例向量库存储脱敏历史病例的语义化诊疗经验，负责个体化适配、真实临床经验参考与优先级排序。

11、s4：通过提示词工程整合步骤s3输出的结构化知识检索结果与相似病例检索结果，输入大语言模型进行推理生成，获得初始用药推荐方案。

12、推理生成采用基于强化学习的思维链剪枝解释机制。具体地，设计奖励函数对推理步骤进行打分，加分项包括保留用药指征匹配、禁忌筛查等关键临床节点，减分项包括冗余推理、重复内容及偏离用药问题的无关推理。基于强化学习评分结果自动剪枝冗余推理步骤，保留关键临床节点后输出精简思维链，实现推理效率与准确性的双平衡。

13、s5：对步骤s4生成的初始用药推荐方案进行二次校验，包括药物相互作用校验与禁忌症校验，生成安全校验结果与替代方案，输出最终用药推荐方案及可解释性决策依据。

14、进一步地，所述方法还包括自动化知识演进步骤：通过监测智能体自动抓取最新权威医学数据，通过抽取智能体对所抓取数据进行实体抽取与关系抽取，通过更新智能体将抽取结果更新至所述静态知识图谱；以及，自动将临床使用后的脱敏新病例进行向量化处理并纳入动态相似病例向量库，实现知识图谱与病例库的持续迭代与自我增强。

15、根据本发明的第二方面，提供一种基于graphrag的图模协同智能用药推荐系统，包括：

16、数据处理与知识库构建模块：配置为构建静态权威医疗知识图谱与动态相似病例向量库构成的双知识基底；

17、图模协同智能推荐引擎模块：配置为接收自然语言病例文本，对病例文本进行实体识别与术语归一化以提取核心实体，并基于所述核心实体同步执行静态知识图谱结构化检索与动态相似病例向量库相似度检索，通过大语言模型对双路检索结果进行融合推理，生成初始用药推荐方案，执行步骤s2至s4；

18、用药安全防护模块：配置为对用药推荐方案进行药物相互作用校验、禁忌症校验与个体化风险量化评估，输出安全校验结果与替代方案；

19、人机交互模块：配置为提供病例输入接口、结构化推荐结果展示界面以及推理路径与病例匹配依据的溯源展示。

20、进一步地，所述图模协同智能推荐引擎模块内置基于强化学习的思维链剪枝解释单元，该单元配置为通过设计奖励函数对推理步骤进行评分，自动剪枝冗余推理步骤，保留关键临床节点后输出精简思维链。

21、进一步地，所述系统还包括自动化知识演进模块，该模块配置为通过智能体工作流自动抓取最新权威医学数据完成知识更新，以及自动将临床使用后的脱敏新病例纳入动态相似病例向量库。

22、根据本发明的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

23、根据本发明的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

24、有益效果

25、与现有技术相比，本发明具有以下有益效果：

26、（1）采用静态知识图谱与动态病例向量库的双知识基底架构，静态图谱保障用药推荐的科学性与合规性，动态病例库提供真实诊疗情境的个体化适配，实现从标准化答案到个性化方案的质变。

27、（2）引入基于强化学习的思维链剪枝解释机制，通过奖励函数评分（详见权利要求4）与智能剪枝，将冗长的标准思维链推理过程凝练为聚焦核心临床决策的精简路径，在保留安全关键节点的前提下大幅提升审阅效率与系统信任度，解决了传统可解释性方法信息冗余、效率低下的问题。

28、（3）构建多维度用药安全防护体系，通过规则硬校验层、风险量化评估层与人机协同复核层三级安全校验，实现对药物相互作用、禁忌症的精准预警与过滤，从源头保障用药安全。

29、（4）设计自动化知识演进机制，基于智能体工作流实现知识图谱与病例库的持续自动更新，使系统具备自我迭代与持续增强能力，从根本上解决了传统系统知识静态化、维护成本高的痛点。

30、（5）通过双源信息融合、人机协同决策与透明化的决策路径溯源，实现了ai决策的可解释性与可追溯性，有力突破了医疗ai黑箱问题，提升了临床医生的信任度。