MedKA：基于知识图谱增强的医疗大语言模型事实性提升方法

为解决医疗大语言模型(LLM)存在的幻觉、知识不一致及领域专业知识整合不足等问题，研究人员提出MedKA框架，通过将医学知识图谱(CMKG)转化为高质量问答数据集cMKGQA，并开发知识图谱辅助评估指标(KG-AEMs)，显著提升了LLM在药物推荐、诊断测试等任务中的事实准确性。实验显示MedKA-8B模型BLEU-4得分达17.62，为医疗AI系统可靠性提升提供新范式。

　　

在医疗人工智能领域，大型语言模型(LLM)虽展现出辅助诊断、个性化治疗的潜力，却长期受困于"幻觉"（hallucination）和知识断层——模型可能生成看似合理但实际错误的医疗建议，甚至将阿司匹林推荐给孕妇。这种事实性缺陷在非英语医疗场景中尤为突出，传统评估指标如BLEU和ROUGE仅衡量文本相似度，无法捕捉关键医学事实的准确性。

针对这一难题，中国国家自然科学基金(NSFC)资助项目组开发了MedKA框架。研究人员创新性地将中文医学知识图谱(CMKG)转化为结构化问答数据集cMKGQA，通过聚类诊断、治疗方案等临床场景的关键属性，构建出覆盖5,632种疾病关系的训练语料。基于此开发的MedKA-8B模型采用一阶段训练策略，在保持通用对话能力的同时，将知识图谱实体关系深度编码至模型参数。为突破评估瓶颈，团队首创知识图谱辅助评估指标(KG-AEMs)，通过对比LLM输出与知识图谱中细粒度属性（如治愈率、用药周期）的匹配度，实现可解释的临床事实核查。

关键技术包括：1) 基于CMKG的多字段聚类与提示工程构建cMKGQA数据集；2) 知识感知的LLM微调架构；3) KG-AEMs评估框架，支持属性级事实比对。实验选用LLaMA-3.1-8B-Chinese-Chat等基线模型，在药物相互作用等复杂任务中验证有效性。

性能评估
语义相似度指标显示，MedKA-8B的BLEU-1(44.63)和BLEU-4(17.62)显著优于基线模型。KG-AEMs进一步揭示其在药物推荐场景的准确率提升32%，尤其在抗生素禁忌症识别方面表现突出。

讨论与结论
该研究证实知识图谱结构化知识能有效抑制医疗LLM的幻觉现象。cMKGQA数据集填补了中文医疗高质量语料的空白，KG-AEMs为行业提供了超越n-gram的评估新范式。未来工作将扩展至多模态医疗知识融合，推动可信赖医疗AI发展。论文完整代码已开源在GitHub。