CoMed：基于大语言模型的药物联用风险智能分析框架

CoMed是一个结合RAG检索增强生成、思维链推理和多智能体协作的AI框架，能够自动搜索医学文献、分析药物相互作用并生成详细的风险评估报告，为临床研究和药物安全分析提供智能支持。原作者/维护者为studentiz，来源平台GitHub，原始标题为"CoMed: Comprehensive framework for analyzing drug co-medication risks using Chain-of-Thought reasoning and LLMs"，发布时间2026年6月，DOI:10.1021/acs.jmedchem.5c03511，原始链接：https://github.com/studentiz/comed。

在现代医疗实践中，患者常需同时服用多种药物治疗复杂疾病，但多药联用存在潜在药物相互作用风险（药效降低、毒副作用增强等）。传统分析依赖医生经验和有限数据库，难以跟踪海量文献；药物相互作用机制复杂（药代动力学、药效学过程）。AI（尤其是LLM）有潜力解决此问题，但存在幻觉、知识时效性、可解释性不足等风险。CoMed框架为应对这些挑战而设计。

CoMed创新融合多种AI技术：

1. RAG检索增强生成：用户输入药物组合后，自动构建PubMed检索查询，检索相关文献并过滤，作为上下文提供给分析模块，解决LLM知识时效和幻觉问题，结论可追溯到文献来源。
2. 思维链推理：逐步分析问题（如药理机制、代谢途径重叠、临床案例等），提高准确性和可解释性。
3. 多智能体协作：包含风险分析、安全评估、临床建议智能体，通过共识或辩论模式协作，生成全面风险评估报告。

CoMed采用模块化架构：

• RAG模块（rag.py）：负责医学文献检索、相关性评分和统计分析，支持自定义参数。
• CoT模块（cot.py）：实现思维链推理，分解复杂问题为子问题。
• 多智能体模块（agents.py）：专业智能体实现与协作协议。
• 核心模块（core.py）：组件集成、配置管理和结果聚合。 工作流：药物组合输入→文献检索→关联分析→风险评估→报告生成，各阶段有验证和质量控制机制。

CoMed提供Python API：

• 配置LLM（如GPT-4o）环境变量，初始化药物列表，运行完整分析或分步执行（搜索、关联分析、风险评估、生成报告），支持链式调用。 支持场景：
• 心血管疾病药物组合分析（如华法林、阿司匹林等）。
• 糖尿病药物组合评估（如二甲双胍、胰岛素等）。
• 增量分析（动态添加药物更新结果）。
• 批量处理（多药物组合分析）。

CoMed定位为研究和教育工具，目标用户为临床研究人员、医疗专业人员和医学生。不适用于直接患者护理，不应作为临床决策的唯一依据，不能替代专业医疗判断。使用软件即表示理解其研究性质，临床决策需咨询合格医疗专业人员。

CoMed作为AI工具，帮助专业人员高效处理信息、加速文献综述、辅助药物安全性研究和临床决策支持。未来可整合更多数据源（电子病历、基因组数据、真实世界证据），提供更个性化、精准的评估。需明确工具边界，保持人机协作模式，促进医疗AI健康发展。