肿瘤精准医学的核心是基于患者基因组生物标志物、癌症类型及治疗史制定个性化治疗方案，这一模式的落地高度依赖临床医生对海量分子靶向疗法及监管批准信息的精准把控。 传统 大语言模型 （Large language models， LLM ） 虽在临床文本总结、医学考试等场景中展现出接近医师的能力，却受限于训练数据的知识截止期和领域针对性不足， 面对精准肿瘤学中动态更新的知识，常出现推荐滞后、准确性不足等问题，难以直接应用于临床决策 。 该团队开发了一套基于 检索增强生成 （retrieval-augmented generation， RAG ） 技术的LLM框架，通过深度整合MOAlmanac这一专家精选的临床基因组数据库，实现了动态补充最新临床证据的功能，无需修改模型内部权重即可持续更新治疗推荐依据。
2026-06-05
53页
购买咨询
400-9696-311 转1
问题咨询
400-9696-311 转2
商务合作
400-9696-311 转3
投诉及建议
400-9696-311 转4
关注摩熵医药公众号
随时查阅行业资讯
摩熵医药数据小程序
掌上数据查询系统
川公网安备51019002008863号
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
收藏
登录后参与评论
暂无评论