Page 110 - 《中国药房》2026年8期

史：术前至少连续 4 周服用≥1 种药物；（5）具备完整的 对药物进行分类，构建适用于术前药物重整的常用药物
术前评估资料。本研究的排除标准为：（1）拒绝手术或 目录。接着，通过专家（包括中级及以上职称且工作年
最终未行手术的患者；（2）无法获取完整用药史的患者； 限≥5年的临床医师、药师、护师）咨询，确定药品目录的
（3）行急诊手术的患者。收集患者的基础信息、既往病 范围能够涵盖临床常见用药场景。将所有文档导入
史、诊疗记录等资料。所有涉及患者隐私的信息均予以 FastGPT 知识库模块，借助 text-embedding-v3 索引模型
剔除，并整理成结构化、标准化的输入格式，以构建标准 构建文本向量化索引，形成一个可供 LLM 自动检索的
化的输入格式数据集，作为 LLM 应用的基础任务语料 知识库。知识库搜索参数设置引用上限为 20 000 to‐
库。本研究方案已获得本院伦理委员会批准（批件号： kens，最低相关度为0.7。
YK-2025-189），针对去标识化的患者数据开展回顾性分 在上述知识库初步构建完成后，进一步结合训练集
析，豁免患者知情同意。 数据，对知识库内容以及相关决策逻辑展开迭代优化。
将2024年1月至2025年9月收治的154例患者划分 首先对训练集中的154例胃癌患者的术前用药目录进行
为训练集，2025 年 10 月至 2026 年 1 月收治的 95 例患者 系统梳理，形成初始药物目录；随后在真实的临床场景
划分为验证集。 中，对本地化 LLM 辅助胃癌术前药物重整模式开展场
1.3 药物重整场景机器人构建与提示词设计 景化验证，识别其在复方制剂成分拆解、商品名标准化、
本研究依托本院的本地化 LLM 部署环境展开，以 抗血栓药物的停药与重启时机判断、降糖药物分类管理
FastGPT 平台（V 4.9.0）作为基础平台，采用私有化部署 这4个关键环节中存在的偏差和不足。针对上述问题，对
方式，运行于私有云服务器中。通过严格的技术隔离与
知识库内容和规则体系进行有针对性的补充与修订，同
访问控制策略，确保所有数据的存储、处理和调用均局限
时对提示词引导的决策逻辑进行同步优化。经过多轮迭
于该环境内部，不会向外部流转。本研究部署了本地化
代后，逐步形成能够覆盖常见及高风险术前用药场景的
的 DeepSeek-V3 版本 LLM（671B），设定温度为 0、Top_p
结构化知识体系，为后续模式应用与效果评价奠定基础。
值为0.9，研究团队在此基础上开展场景应用模式构建。
为确保知识库与术前用药临床实践及循证医学证
完成基础部署后，进一步构建面向术前药物重整任 据实现同步更新，本研究构建了具备分层级、可操作性
务的对话代理。于 FastGPT 平台（V 4.9.0）新建“药物重
的知识库动态更新与治理机制，具体如下——（1）指南
整辅助工作台”，并对对话代理进行配置。针对术前药 与共识更新对接机制：临床药师按照固定周期对知识库
物重整的任务特性，选用 CoT 设计提示词，将术前药物
进行更新维护，每3个月对国内外相关指南、专家共识中
重整任务拆分为若干具有明确临床逻辑的认知阶段。
的新内容开展系统检索与筛选。纳入流程采用“初筛量
相关提示词的组成要素与设计目的见表1。
表+AGREEⅡ（临床指南研究与评价工具）质量评价+德
表1 基于CoT的术前药物重整提示词设计
尔菲法专家共识”的三阶段机制，以确保入库文献在权
认知阶段 提示词核心内容 设计目的 威性、循证质量以及本院适用性方面均满足临床要求。
角色与任务定义 明确模型以胃外科临床药师身份执行药物重整与用 将模型行为约束为专业药师视
药管理任务 角，避免通用文本生成 （2）新药与药品信息动态录入机制：针对新获批药物以
信息整理与标准化 规范患者信息与用药清单，统一药品通用名，对缺失 确保用药史核对准确，降低模 及药品说明书的变更信息，由临床药师协同药事管理部
剂量或频次明确标注“未提及”，不进行假设 型幻觉风险 门按季度进行梳理。提取围手术期相关的适应证、禁忌
药物问题识别 要求对每一种药物逐一与用药原则进行比对，识别 防止遗漏用药，保证评估的系
潜在风险与管理问题 统性 证、停药和重启时机、替代方案以及风险提示等关键要
术前用药重整辅助决策 针对识别问题生成具体可操作的术前用药管理建 模拟真实临床药师决策逻辑， 素，经结构化标注后纳入知识库；同时，对已入库的药品
议，包括停药或重启、桥接治疗及监测要点，复方制 提升用药建议的临床可行性 信息实施版本管理，标注更新日期和证据来源，避免使
剂作为整体处理 用过期知识。
结构化结果输出 按固定格式输出标准化用药清单与分条管理建议 提高结果一致性、可读性及后
续评价的可重复性 经过多轮迭代优化，最终构建了能够覆盖常见及高
1.4 知识库的构建与更新 风险术前用药场景的结构化知识库。此知识库共涵盖8
大类药物、19类亚组、68个药物亚类，包含326种同一通
在模式构建阶段，训练集主要用于流程与知识体系
用名药物，具体目录见表2。
的构建和优化。依据国内外围手术期指南中关于术前
用药调整的内容 [13―15] 以及药品说明书，构建胃癌术前药 2 本地化 LLM 辅助胃癌术前药物重整模式的效
物重整的标准化流程框架；同时，结合真实临床处方数 果评价
据，验证流程与规则的覆盖性和可执行性，并持续完善 2.1 效果的评价实施
药物目录及规则描述，该目录基于训练集数据整理而 在完成本地化LLM辅助胃癌术前药物重整模式构
成。本研究聚焦于胃癌患者入院前有持续用药史的药 建后，将该模式应用于验证集患者，以评价其在真实临
物重整。因此，在知识库构建过程中，虽参考了涵盖术 床场景中的应用效果。由本地化LLM辅助胃癌术前药
前、术中、术后全程的围手术期用药指南，但重点提取并 物重整模式自动生成药物重整建议，作为生成文本；由
纳入的是与术前用药管理直接相关的内容。依据 ATC 临床药师进行人工药物重整，作为参考文本。

· 1064 · China Pharmacy 2026 Vol. 37 No. 8 中国药房 2026年第37卷第8期