pharmacovigilance

提出 MARCA 四智能体框架，利用 Gemini 2.5 Pro 和 DeepSeek-V3.2 结合检索增强生成（RAG）对 FAERS 个体案例安全报告进行基于 Naranjo 量表的因果关系评估，最终因果分类与人类专家的一致率达 79.4%（κ=0.587）。

本文提出了一种优化GPT-5.2温度的方法，用于药物警戒中的Naranjo因果关系评估，通过贝叶斯超参数优化和一种新颖的复合指标（EWACS）实现了显著的一致性改进。

本文系统评估了InferBERT框架中分类模型选择对因果不良药物事件检测的影响，发现领域特定预训练（BioBERT）优于简单模型及Med-LLaMA等大型语言模型。