用药推荐不再只给一张药单：先讲清诊断理由，再按每位患者的风险边界开药
核心概要
RES-MR把用药推荐拆成两步：先让模型生成可核查的诊断推理链，再按每位患者自己的风险边界调整用药，在MIMIC-III上Jaccard比FLAME高7.7%，同时DDI与RIS更低。
深度剖析
用药推荐从直接给出药单，变成先输出一条医生能逐步核查的诊断推理链，再给出药单。 此前的判别式图模型和生成式大模型方法走的是直接映射，注意力或方面对齐只做事后特征归因，说明哪些特征影响了预测，却不说明结论如何推导出来。 在MIMIC-III、MIMIC-IV和eICU三个数据集上，RES-MR-8B在Jaccard、F1、DDI、RIS和BLEURT上均优于全部基线，其中MIMIC-III的Jaccard比当时最好的FLAME高7.7%。
安全约束从全患者共用的固定阈值，换成按个人临床状况校准的风险边界。 多数方法用损失函数里的DDI惩罚或分子结构表示来施加静态全局约束，不区分患者之间的风险耐受差异，结果对体健患者过于保守、对脆弱患者又可能偏险。 RES-MR在三个数据集上取得最低的RIS和DDI率，同时保持更高的准确率；消融中移除RAPO后DDI率明显上升，说明仅靠监督学习不足以内化个体风险边界。
模型先学会讲理由，再学会守边界，两阶段分开训练。 此前把推理生成与安全对齐混在一起，或只做通用领域的偏好对齐，缺少对临床禁忌与个体风险耐受的显式建模。 第一阶段用知识图谱检索到的患者证据和GPT-5合成的推理轨迹做LoRA监督微调，第二阶段用双因子解耦得到的疗效与风险因子构建患者原型，并以自适应奖励塑形和奖励裁剪做强化学习。
启示与展望
这套方法面向电子健康记录上的用药推荐，在MIMIC-III、MIMIC-IV和eICU三个重症监护数据集上验证，输入为结构化诊断与操作编码、临床笔记文本以及从PrimeKG检索到的知识。评估覆盖推荐准确率、用药安全与解释质量，解释质量由GPT-5与三名有医学或药学背景的评审在五十个随机抽取的MIMIC-III测试样本上做盲评。作者提出下一步将探索带迭代检索与自验证的智能体推理流程。
RIS是作者提出的代理指标，用于度量预测药物越过患者风险边界的程度，因为个体风险耐受无法直接从电子健康记录中观测。风险边界以历史用药作为患者既往风险暴露的经验代理，其严格程度由参数控制。作者也指出，过高的疗效权重会让模型偏向功能相似而非完全一致的药物，过高的惩罚则会让策略过度保守、拒绝开药。