Trong bài báo này, chúng tôi đề xuất một phương pháp mới để sử dụng LLM (Lớp học ngôn ngữ) để phát hiện và phân tích phản ứng có hại của thuốc, bất chấp __T732__ của các mô hình ngôn ngữ quy mô lớn (LLM). Để giải quyết các vấn đề về sự phụ thuộc dữ liệu học hộp đen, hiện tượng ảo giác và thiếu kiến thức chuyên biệt về miền của các LLM hiện có, chúng tôi đề xuất hai kiến trúc, RAG và GraphRAG, tích hợp kiến thức toàn diện về phản ứng có hại của thuốc vào mô hình ngôn ngữ Llama 3 8B. Kết quả thực nghiệm sử dụng tập dữ liệu gồm 19.520 mối liên hệ giữa phản ứng có hại của thuốc cho thấy GraphRAG đạt được độ chính xác gần như hoàn hảo trong việc phát hiện phản ứng có hại của thuốc. Điều này cung cấp một giải pháp chính xác và có khả năng mở rộng, thể hiện một bước tiến đáng kể trong việc ứng dụng LLM trong lĩnh vực cảnh giác dược.
