HEM-Med：分层智能体记忆框架用于多中心用药推荐

Min Xiao 等作者提出 HEM-Med，一个面向多中心用药推荐的分层智能体记忆框架。该框架用解耦的分层记忆模块把跨医院临床经验与各医院特有的处方模式分开，并加入安全感知用药集合生成模块，处理药物相互作用风险和本地处方集可行性。 作者称，在真实多中心 eICU 数据集上，HEM-Med 的推荐准确性和安全性均优于代表性的迁移学习、基于 LLM 及用药推荐基线。上述比较结果来自作者报告，尚未见独立验证。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。