A context-augmented large language model for accurate precision oncology medicine recommendations

精准肿瘤治疗迅速发展，临床医生面临整合分子信息与最新治疗方案的挑战。大型语言模型（LLM）在精准用药推荐中潜力巨大但存在知识更新滞后问题。

本研究构建基于分子肿瘤年鉴（MOAlmanac）的检索增强生成（RAG）大型语言模型，纳入合成查询及临床医生提供的真实查询，样本量共计数百条，比较RAG-LLM与单一LLM的治疗推荐准确性。

RAG-LLM在合成查询中准确率达95%，在真实临床查询中准确率为93%，显著优于单一LLM。多种提示和检索策略进一步提升模型性能，验证了该方法在精准肿瘤治疗推荐中的有效性。

基于检索增强的LLM可显著提升精准肿瘤治疗推荐的准确性，具备临床应用潜力。