Instruções de Uso de Medicamentos Suportadas por RAG em Grandes Modelos de Linguagem
DOI:
https://doi.org/10.5753/reic.2025.6039Keywords:
Inteligência Artificial, Grandes Modelos de Linguagem, Retrieval-Augmented Generation, Prescrição Eletrônica, Segurança de MedicamentosAbstract
Sistemas de prescrição de medicamentos padronizados visam melhorar a legibilidade das instruções, mas ainda há desafios na sua personalização. Este trabalho propõe uma nova abordagem baseada em Grandes Modelos de Linguagem com Geração Aumentada de Recuperação (RAG) utilizando bulas de medicamentos. Testamos três modelos em 119 casos ambulatoriais, com instruções avaliadas por médicos quanto à adequação, clareza e personalização. Nossa proposta melhorou significativamente a adequação (100 vs. 93,0) e a clareza (95,0 vs. 90,0), reduzindo erros e minimizando as alucinações. Nossa proposta aumenta a segurança das instruções integrando com informações confiáveis, mas a validação humana segue sendo essencial.
Downloads
Referências
Chen, J., Xiao, S., Zhang, P., Luo, K., Lian, D., and Liu, Z. (2024). M3-embedding: Multi-linguality, multi-functionality, multi-granularity text embeddings through self-knowledge distillation. In Findings of the ACL. DOI: 10.18653/v1/2024.findings-acl.137.
Gosselin, L., Thibault, M., Lebel, D., and Bussières, J.- F. (2021). Utilisation de l’intelligence artificielle en pharmacie : une revue narrative. CJHP, 74. DOI: 10.4212/cjhp.v74i2.3100.
Goyal, S., Rastogi, E., Rajagopal, S. P., Yuan, D., Zhao, F., Chintagunta, J., Naik, G., and Ward, J. (2024). HealAI: A healthcare LLM for effective medical documentation. In Proceedings of the 17th WSDM. ACM. DOI: 10.1145/3616855.3635739.
Klepser, D., Lanham, A., and Cochran, G. (2016). Electronic prescriptions: opportunities and challenges for the patient and pharmacist. AHCT. DOI: 10.2147/AHCT.S64477.
Lu, Z., Tian, J., Wei, W., Qu, X., Cheng, Y., Xie, W., and Chen, D. (2024). Mitigating boundary ambiguity and inherent bias for text classification in the era of large language models. In Findings of ACL. DOI: 10.18653/v1/2024.findings-acl.467.
Reis, Z. S. N., Pagano, A. S., Ramos De Oliveira, I. J., Dias, C. D. S., Lage, E. M., Mineiro, E. F., Varella Pereira, G. M., De Carvalho Gomes, I., Basilio, V. A., Cruz-Correia, R. J., De Jesus, D. D. R., De Souza Júnior, A. P., and Rocha, L. (2024). Evaluating large language model–supported instructions for medication use: First steps toward a comprehensive model. Mayo Clinic Proceedings: Digital Health, 2. DOI: 10.1016/j.mcpdig.2024.09.006.
Rezende, L. H. O., Gehrke, F. D. S., Silva, M. A., Carneiro, A. M. F., Abreu, R. M., Monteiro, C. N., Leão, K. A., and Takei, K. (2020). Prescrição de medicamentos: uma análise para a implantação da prescrição eletrônica ambulatorial. Acervo Saúde, 12. DOI: 10.25248/reas.e3638.2020.
Roy, S., Khatua, A., Ghoochani, F., Hadler, U., Nejdl, W., and Ganguly, N. (2024). Beyond accuracy: Investigating error types in GPT-4 responses to USMLE questions. In Proceedings of the 47th ACM SIGIR. ACM. DOI: 10.1145/3626772.3657882.
Shiffman, S., Gerlach, K. K., Sembower, M. A., and Rohay, J. M. (2011). Consumer understanding of prescription drug information: An illustration using an antidepressant medication. Ann Pharmacother, 45. DOI: 10.1345/aph.1P477.
Tam, T. Y. C., Sivarajkumar, S., Kapoor, S., Stolyar, A. V., Polanska, K., McCarthy, K. R., Osterhoudt, H., Wu, X., Visweswaran, S., Fu, S., Mathur, P., Cacciamani, G. E., Sun, C., Peng, Y., and Wang, Y. (2024). A framework for human evaluation of large language models in healthcare derived from literature review. npj Digit. Med., 7. DOI: 10.1038/s41746-024-01258-7.
Xiong, G., Jin, Q., Lu, Z., and Zhang, A. (2024). Benchmarking retrieval-augmented generation for medicine. In Findings of ACL. Association for Computational Linguistics. DOI: 10.18653/v1/2024.findings-acl.372.
Yang, B., Jiang, S., Xu, L., Liu, K., Li, H., Xing, G., Chen, H., Jiang, X., and Yan, Z. (2024). DrHouse: An LLM-empowered diagnostic reasoning system through harnessing outcomes from sensor data and expert knowledge. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol., 8. DOI: 10.1145/3699765.
Zakka, C., Shad, R., Chaurasia, A., Dalal, A. R., Kim, J. L., Moor, M., Fong, R., Phillips, C., Alexander, K., Ashley, E., Boyd, J., Boyd, K., Hirsch, S., Vogelsong, M. A., Cunningham, J. P., and Hiesinger, W. (2024). Almanac — retrieval-augmented language models for clinical medicine. NEJM AI, 1. DOI: 10.1056/AIoa2300068.
Downloads
Published
Como Citar
Issue
Section
Licença
Copyright (c) 2025 Os autores
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
