方剂推荐

标题：基于知识图谱扩散引导的中药方剂层次结构增强的个性化推荐模型

博主点评：

发表日期：2025-11-10

摘要：人工智能（AI）技术在推荐中药处方方面发挥着至关重要的作用。以往的研究通过关注处方中的症药关系取得了显著进展。然而，存在几个限制因素阻碍了模型性能的提升：（i）对患者个性化信息（如年龄、体重指数（BMI）和病史）关注不足，这影响了证候的准确识别并降低了疗效。（ii）中药数据典型的“长尾”分布引入了训练偏差，影响了泛化能力。（iii）忽视了中药“君臣佐使”的配伍相宜性，增加了毒性或副作用的风险，这与中医临床“辨证论治”的原则相悖。因此，我们提出了一种基于知识图（KG）扩散引导的新型分层结构增强型中药方剂个性化推荐模型，即TCM-HEDPR。具体而言，我们使用患者个性化的提示序列预训练症状表示，并应用面向提示的对比学习（CL）进行数据增强。此外，我们采用KG引导的同质图扩散方法，并结合自注意力机制，以全局捕捉非线性症药关系。最后，我们设计了一个异质图分层网络，将中药配伍关系与隐含证候相结合，在细粒度层面指导处方生成过程，并缓解中药数据“长尾”分布问题。在两个公开数据集和一个临床数据集上的广泛实验证明了TCM-HEDPR的有效性。此外，我们还结合现代医学和网络药理学的见解，对推荐处方进行全面评估，该模型可为现代中药推荐提供一种新范式。

论文地址：https://dl.acm.org/doi/10.1145/3746252.3761428