面向处方核验安全与可追溯的混合知识依据对齐框架

用药错误对患者安全构成重大威胁，使药师核验（PV）成为关键却负担沉重的最后防线。鉴于大语言模型（LLM）固有的事实不可靠性、可追溯性缺失与复杂推理短板，把LLM直接用于这一零容忍领域并不可行。为应对这些挑战，我们提出PharmGraph-Auditor——一个面向安全、证据接地的处方审计新系统。系统核心是可信混合药学知识库（HPKB），以虚拟知识图谱（VKG）范式实现：该架构经严格映射层统一关系组件（集合约束满足）与图组件（拓扑推理）。为构建HPKB，我们提出迭代模式精炼（ISR）算法，使图模式与关系模式可从医学文本共同演化。审计方面，我们提出知识库接地的验证链（CoV）新推理范式，把LLM从不可靠生成器转变为透明推理引擎：CoV把审计任务分解为对HPKB的一系列可验证查询，生成混合查询计划从最合适的数据存储取证据。实验结果展示了稳健的知识抽取能力，并显示PharmGraph-Auditor有望帮助药师更安全、更快速地完成处方核验。