钟嘉伦关于对话式药物推荐的论文《Graph-Augmented Knowledge Infusion for Dialogue-Based Medication Recommendation》被APWeb-WAIM 2026接收。

药物推荐已成为医疗保健领域的一项重要任务，特别是在衡量医疗对话系统的准确性和安全性方面。与基于电子健康记录的推荐任务不同，基于对话的药物推荐需要研究患者和医生之间的交互。尽管大模型的发展推动了医学对话领域，能实现对患者意图的解释并提供包括药物在内的建议，但一些挑战仍然值得关注。在多轮对话中，大模型可能会忽略对话回合中的细粒度医疗信息。此外，当缺乏特定领域的知识时，大模型可能会产生事实性幻觉。此外，在整合异构知识源时，大模型很难明确地推断出潜在的复合逻辑。为了应对这些挑战，本工作提出了一个基于对话式药物推荐的图增强知识注入框架。它从对话中提取医学概念和相应状态，构建一个以患者为中心的图，可以描述被忽视但重要的信息。此外，结合外部知识源，该框架可以基于图进行推理，并生成用于检索复杂知识的查询，以减少事实性幻觉。本工作在基于对话的药物推荐数据集上对提出的方法展开了评估，并进一步探索其在动态问诊中的潜力。大量的实验表明，提出的方法在无监督设定下相比监督学习基线具有竞争力。