Resumen: Los errores de medicación representan una amenaza significativa para la seguridad del paciente, lo que hace que la verificación del farmacéutico (PV) sea una salvaguardia final crítica, aunque muy onerosa. La aplicación directa de los modelos de lenguajes grandes (LLM) a este dominio de tolerancia cero es insostenible debido a su inherente falta de confiabilidad fáctica, falta de trazabilidad y debilidad en el razonamiento complejo. Para abordar estos desafíos, presentamos PharmGraph-Auditor, un sistema novedoso diseñado para una auditoría de recetas segura y basada en evidencia. El núcleo de nuestro sistema es una base de conocimientos farmacéuticos híbridos (HPKB) confiable, implementada bajo el paradigma de gráfico de conocimiento virtual (VKG). Esta arquitectura unifica estratégicamente un componente relacional para la satisfacción de restricciones establecidas y un componente gráfico para el razonamiento topológico a través de una capa de mapeo riguroso. Para construir este HPKB, proponemos el algoritmo de refinamiento de esquemas iterativos (ISR), un marco que permite la coevolución de esquemas gráficos y relacionales a partir de textos médicos. Para la auditoría, presentamos la Cadena de Verificación (CoV) basada en KB, un nuevo paradigma de razonamiento que transforma el LLM de un generador poco confiable a un motor de razonamiento transparente. CoV descompone la tarea de auditoría en una secuencia de consultas verificables contra HPKB, generando planes de consulta híbridos para recuperar evidencia del almacén de datos más apropiado. Los resultados experimentales demuestran capacidades sólidas de extracción de conocimientos y muestran promesas de utilizar PharmGraph-Auditor para permitir a los farmacéuticos lograr una verificación de prescripciones más segura y rápida.
Publicado originalmente en export.arxiv.org el 11 de marzo de 2026.
Ver fuente original
