近日，清华大学姚权铭副教授团队提出了一套全新的 药物相互作用预测方法——CBR-DDI 框架。 这项研究首次把临床医生常用的“参考过往病例”（CBR，Case-Based Reasoning）方法引入到大语言模型（LLM，Large Language Model）中，显著提升了药物相互作用预测的准确性和可解释性。实验表明，CBR-DDI 框架能够让模型在两个主流数据集上的准确率 平均提升 28.7%， 超过了大语言模型和 CBR 基线。 图丨姚权铭（来源：资料图） 日前，相关论文以《案例推理可提升大语言模型在药物相互作用预测中的能力》(Case-Based Resoning Enhances the Predictive Power of LLMs in Drug-Drug Interaction) 为题发表在预印本网站  arXiv [1]。 图｜相关论文（来源：arXiv) 药物相互作用（DDI，Drug–Drug Interaction）是指两种或多种药物共同使用时，可能产生的疗效增强、副作用增加甚至危险反应。准确预测 DDI 对医疗安全至关重要：它能帮助医生避免处方冲...