面向心理健康用药信息获取的知识增广智能体AI

摘要

患者日益在线寻求药物信息——但精神药物的安全知识分裂于监管不良事件记录（权威但抽象）与患者叙述（贴近经验但未经验证）之间。整合两者而不混淆证据与轶事在精神科尤其要紧——缺乏情境的信息会放大恐惧、反安慰剂反应与不依从。此处我们开发来源感知、基于知识图谱的多智能体框架——统一466,525条Reddit帖子、60,782条WebMD评论与二十年美国FDA不良事件报告系统记录——覆盖九种抗抑郁药。经医生标注基准测试的大语言模型实体识别管线药物最高F1达0.969、病症0.973。两个社区平台彼此一致性远高于与监管报告的一致性（重叠最高达Jaccard 0.905）——表明患者生成数据构成部分独立的安全信号。以舍曲林为例——许多不良事件在相应FDA日期之前数百天已现于社区来源。以ATC-N、ICD-10与MedDRA词表为根基的Neo4j知识图谱保持来源——使每条声明可追溯、监管事实与患者经验保持分离。这些结果确立来源感知整合作为更可审计的精神药物信息路径——有用性与患者获益有待前瞻性检验。

面向心理健康用药信息获取的知识增广智能体AI：论文配图 — 图 1：多代理不良事件信息寻求架构。该系统接收用户查询并将其路由到两个并行分析流：(i) NER 代理，提取药物实体并通过实体映射将它们映射到规范标识符，从而生成提取规范； (ii) 解析临床问题类型的用户意图代理。两个输出都汇聚到 KG 查询生成代理，该代理针对三个并行知识图（Reddit KG、FAERS KG 和 WebMD KG）制定结构化查询。然后，从每个源提取的信息被传递到摘要代理，该代理生成特定于源的摘要。比较代理将这些合成为跨源比较，验证代理会在最终基于证据的响应返回给用户之前对其进行审查。