检索增强生成技术在医学人工智能中的应用与前沿探索.pdfVIP

962ChinJPharmacoepidemiol,AUG.2025,Vol.34,No.8

·综述·

检索增强生成技术在医学人工智能中的应用与

前沿探索

金 哲，邹 健，李 逍，吕嘉欣，胡中旭，冯 达111121

1. 华中科技大学同济医学院药学院（武汉 430030）

2. 华中科技大学机械科学与工程学院（武汉 430074）

随着大语言模型（LLM）的蓬勃兴起，深度学习的自然语言生成能力在医学

【摘要】

领域展现出了显著价值。然而模型参数的“封闭性”易导致其产生“幻觉”，难以对最新

知识作出准确回答，且推理过程缺乏透明度与溯源。检索增强生成（RAG）技术通过在生

成阶段主动连接外部文献数据库、知识图谱等信息源，大幅降低了LLM对过时训练数据的

依赖，并在回答中引入可验证的证据和实时更新的知识。在医学领域，RAG技术有效解决

了文献检索与临床决策支持中的高准确度与可追溯性需求，广泛应用于新药研发、药物警戒、

罕见病诊疗等方面。结合强化学习、多模态处理与合规隐私保护等新兴技术，RAG技术正

朝着更加开放、高度定制化的方向演进，为医学信息检索与辅助决策提供了全新的智能化

解决方案。

大语言模型；检索增强生成；“幻觉”问题；医学信息检索

【关键词】

TP391A

【中图分类号】【文献标识码】

Applicationandfrontierexplorationofretrieval-augmentedgeneration

technologyinmedicalartificialintelligence

111121

JINZhe,ZOUJian,LIXiao,LyuJiaxin,HUZhongxu,FENGDa

1.SchoolofPharmacy,TongjiMedicalCollege,HuazhongUniversityofScienceandTechnology,Wuhan

430030,China

2.SchoolofMechanicalScienceEngineering,HuazhongUniversityofScienceandTechnology,Wuhan

430074,China

Correspondingauthor:FENGDa,Email:fengda@

AbstractWiththerapidriseoflargelanguagemodels(LLM),thenaturallanguage

【】

generationcapabilitiesofdeeplearninghavedemonstratedsignificantvalueinthemedical

field.However,theclosednatureofmodelparametersmakesthempronetogenerating

hallucinations,makingitdifficulttoprovideaccurateanswerstothelatestknowledge,andthe

reasoningprocesslackstransparencyandtraceability.Retrieval-augmentedgeneration(RAG)

technologyaddressestheseissuesbyactivelyconnectingexternalinformationsourcessuchas

documentdatabasesandknowledgegraphsduringthegenerationprocess.Thissignifica