RES-MR：风险感知可解释安全用药推荐框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Cong Wang 等作者的研究，提出 RES-MR——一个基于 LLM 的风险感知推理框架，用于可解释且安全的用药推荐。该框架采用两阶段训练：先通过图检索获取患者知识、在合成推理轨迹上微调，完成可解释临床推理蒸馏；再用解耦药物因子构建患者特异性参考原型，进行风险感知策略优化，以奖励塑形和裁剪校准风险边界。报道称，在基准数据集上，RES-MR 在准确率、安全性和可解释性上显著优于当前最优基线。作者表示代码与数据已公开（“Our code and data are available at: this https URL .”）。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。