Openfda
PulseAugur coverage of Openfda — every cluster mentioning Openfda across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
使用 FDA 检查和警告信数据增强 AI 代理
一篇新帖子解释了如何增强 Claude、ChatGPT 和 Cursor 等 AI 代理以查询 FDA 检查和警告信数据,这些数据并未被 openFDA API 完全涵盖。该帖子详细介绍了两种选择:使用免费的开源 openFDA MCP 服务器来获取药品标签和不良事件等基本数据,或者使用 RegDataLab,这是一个付费托管的 MCP 服务器,集成了更全面的 FDA 数据集,包括检查和执法行动,并能更有效地解析公司名称。
-
Orinyx发布开源工具,用于根据FDA标签核查AI药物声明
Orinyx发布了其开源药物声明处理器(MCP)工具的0.1.4版本,该工具可根据FDA标签文本核查AI药物声明。此次更新主要侧重于文档改进,明确开发人员账户可以使用五次FDA参考查询。Orinyx MCP作为一种工具,供AI代理调用,以根据官方FDA标签核查药物剂量、给药途径和频率,并提供诸如“支持”、“标记”、“无法读取”或“未经验证”等结果,并附有标签文本和DailyMed的引用。
-
小型语言模型在对齐后于生物医学文本生成方面展现潜力
一篇新的研究论文探讨了小型语言模型(SLMs)在生物医学数据到文本生成中的训练后对齐方法,特别是在创建药品说明书方面。该研究使用Qwen-2.5模型比较了监督微调(SFT)、直接偏好优化(DPO)、优势比偏好优化(ORPO)和组相对策略优化(GRPO)。研究人员引入了FDALeaflets,一个源自OpenFDA药品标签的数据集,以测试泛化能力。结果表明,对齐后的SLMs在某些指标上可以超越GPT-5,其中ORPO和GRPO在领域内语…
-
小型语言模型在对齐后展现出强大的生物医学文本生成能力
一篇新的研究论文探讨了小型语言模型(SLMs)在生物医学数据到文本生成中的训练后对齐技术。该研究使用基于Qwen的SLMs,比较了监督微调(SFT)、直接偏好优化(DPO)、优势比偏好优化(ORPO)和组相对策略优化(GRPO)。结果表明,与GPT-5等专有模型相比,对齐后的SLMs,特别是GRPO,在药品说明书和openFDA药物标签数据集上表现出更优越的性能和跨数据集泛化能力,优于SFT基线模型,并显示出稳健的结果。
-
新的AI管道确保针对外部权威机构的事实准确性
开发了一个新的管道来解决AI提取器在受监管领域(尤其是在制药领域)的局限性。与通常侧重于将提取的事实与源文本进行匹配的系统不同,这种方法优先识别遗漏并确保针对外部权威机构的事实准确性。该系统使用一个名为Semantica的开源语义库,以及公共生物医学语料库和RxNorm、openFDA等权威机构来验证信息。该管道强调,语言模型在生成候选事实方面表现良好,但不应成为事实的最终仲裁者,尤其是在安全性和合规性至关重要的情况下。
-
新的BERT模型增强了医疗器械召回分诊能力
研究人员开发了RecallRisk-BERT,一个旨在改进医疗器械召回分诊和评估的新型多任务框架。该模型整合了召回叙述中的文本数据以及产品代码和法规编号等结构化特征,以同时预测召回的严重程度和根本原因类别。该框架使用PubMedBERT进行文本表示,并将其与其他嵌入相结合,与单任务模型相比表现出优越的性能,并与观察到的根本原因严重程度模式显示出很强的一致性。
-
Google DeepMind推出AI联合临床医生,助力医护人员和患者
Google DeepMind推出了一项AI联合临床医生研究计划,旨在增强医护人员的能力并改善患者护理。该计划建立在MedPaLM和AMIE等先前工作的基础上,探索AI如何作为协作团队成员,在临床监督下与患者互动。早期评估显示,AI联合临床医生在药物知识和推理方面表现出色,优于现有的证据综合工具。