English(EN) Multi-Agent Retrieval-Augmented Causality Assessment (MARCA) of Individual Case Safety Reports in Pharmacovigilance

新AI框架MARCA助力药物警戒安全报告分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一个名为MARCA（多主体检索增强因果关系评估）的新型四主体框架，以协助药物警戒中个体病例安全报告的因果关系评估。该系统利用Gemini 2.5 Pro和DeepSeek-V3.2等大型语言模型，结合检索增强生成技术，分析科学文献和药品标签。MARCA在各种评估问题上与人类专家表现出高度一致性，最终因果关系分类一致性达到79.4%。探索性结果还表明，使用检索增强分数可以提高准确性。 AI

影响该框架可以通过自动化因果关系评估的某些方面来提高药物安全监测的效率和准确性。

排序理由该集群描述了一篇在arXiv上发表的研究论文，该论文详细介绍了一个特定领域的新AI框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇在arXiv上发表的研究论文，该论文详细介绍了一个特定领域的新AI框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Daisy Rae Lopez, Angela Boccia, Maurizio Sessa · 2026-10-27 04:00

药物警戒中个体病例安全性报告的多主体检索增强因果关系评估 (MARCA)

arXiv:2610.33279v1 Announce Type: new Abstract: Introduction: Increasing volumes of individual case safety reports (ICSRs) challenge expert-led causality assessment in pharmacovigilance. We developed MARCA (Multi-Agent Retrieval-Augmented Causality Assessment), a four-agent frame…

本文如何被排名

报道来源 [1]

药物警戒中个体病例安全性报告的多主体检索增强因果关系评估 (MARCA)

相关实体

相关话题