Coupled Graph--Policy Distillation for Personalized Medication Safety in Older Adults with Multimorbidity
作者: Zihan Wang, Anglin Liu, Rongyi Wang, Dantong Li, Yi Lu, Siqing Yuan, Hongxia Xu, Zhongtian Long, Jintai Chen
分类: cs.AI
发布日期: 2026-08-10
💡 一句话要点
提出ATLAS框架以提升老年多病患者的用药安全性
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 用药安全 多病共存 个性化医疗 图神经网络 策略蒸馏 风险评估 临床决策支持
📋 核心要点
- 现有方法在支持老年多病患者的用药安全性方面存在信息遗漏和决策不准确的问题。
- ATLAS框架通过耦合图和策略蒸馏，构建患者特定的用药冲突图，以实现个性化的用药安全评估。
- 在多个基准测试中，ATLAS在决策性能上显著优于现有系统，尤其在严格成功率和整体安全推理得分上有显著提升。
📝 摘要（中文）
大型语言模型（LLM）代理可以支持临床访问之间的用药审查，但对于多病共存的老年人，安全的用药选择依赖于患者的具体情况、用药和老年风险，这些信息用户可能会遗漏。本文提出ATLAS，一个耦合图-策略蒸馏框架，旨在实现患者适应性的用药安全。ATLAS将指南证据结构化为用药安全图，通过针对性问题更新患者状态，并将相关关系蒸馏为患者特定的用药冲突图（PMCG）。风险优先的多代理策略利用PMCG筛查禁忌症、评估注意事项和监测需求、识别更安全的替代药物，并验证最终的用药计划。此外，我们还引入了GeriMedBench，一个互动基准，测试安全关键的信息获取和基于证据的决策修订。在多个基准测试中，ATLAS在完整决策性能上表现最佳，超越了最强的专有LLM基线。
🔬 方法详解
问题定义：本文旨在解决老年多病患者在用药安全性评估中的信息遗漏和决策不准确的问题。现有方法往往无法充分考虑患者的具体情况和潜在风险，导致不安全的用药推荐。
核心思路：ATLAS框架通过耦合图和策略蒸馏的方式，构建患者特定的用药冲突图（PMCG），以实现个性化的用药安全评估。通过针对性问题更新患者状态，确保所有相关信息被纳入决策过程。
技术框架：ATLAS的整体架构包括用药安全图的构建、患者状态的更新、PMCG的生成以及风险优先的多代理策略。每个模块相互协作，以确保最终的用药计划安全可靠。
关键创新：ATLAS的主要创新在于其耦合图-策略蒸馏的设计，使得用药安全评估能够适应个体患者的具体情况。这一方法与传统的静态决策模型有本质区别，能够动态响应患者的变化。
关键设计：在设计中，ATLAS使用了针对性问题来更新患者状态，并通过多代理策略来筛查禁忌症和评估监测需求。关键参数设置和损失函数的选择确保了模型的高效性和准确性。具体的网络结构细节在论文中有详细描述。
🖼️ 关键图片
📊 实验亮点
在多个基准测试中，ATLAS在完整决策性能上表现最佳，特别是在欧洲非互动多病共存基准测试中，ATLAS的严格成功率比最强的专有LLM基线高出53.73分，整体安全推理得分高出14.63分，且在自动评估中没有不安全的推荐。
🎯 应用场景
ATLAS框架在老年多病患者的用药安全性评估中具有广泛的应用潜力，能够为临床医生提供更为准确的决策支持，减少用药错误的风险。未来，该框架还可以扩展到其他医疗领域，提升整体医疗服务的安全性和有效性。
📄 摘要（原文）
Large language model (LLM) agents can support medication review between clinical visits, but safe choices for older adults with multimorbidity depend on conditions, medications, and geriatric risks that users may omit. We introduce ATLAS, a coupled graph--policy distillation framework for patient-adaptive medication safety. ATLAS structures guideline evidence as a medication-safety graph. Targeted questions update the patient state and distill relevant relations into a patient-specific medication conflict graph (PMCG). A risk-first multi-agent policy uses the PMCG to screen contraindications, assess cautions and monitoring needs, identify safer alternatives, and verify the final medication plan. We also introduce GeriMedBench, an interactive benchmark that tests safety-critical information acquisition and evidence-based decision revision. Across a European non-interactive multimorbidity benchmark, an Asian interactive multimorbidity benchmark, and an Asian non-interactive cross-guideline benchmark, ATLAS achieves the strongest complete-decision performance among the compared systems. On the European non-interactive multimorbidity benchmark, it exceeds the strongest proprietary LLM baseline by 53.73 points in Strict Success Rate and 14.63 points in overall safety reasoning score (OSRS), with no unsafe recommendations under the automated evaluator. A blinded clinician evaluation gives ATLAS higher mean ratings across all five criteria and flags potentially unsafe recommendations in one ATLAS case and two Gemini cases.