En este artículo, proponemos un método novedoso para utilizar LLM en la detección y el análisis de reacciones adversas a medicamentos, a pesar de la falta de modelos de lenguaje a gran escala (LLM). Para abordar los problemas de dependencia de datos de aprendizaje de caja negra, el fenómeno de las alucinaciones y la falta de conocimiento específico del dominio de los LLM existentes, proponemos dos arquitecturas, RAG y GraphRAG, que integran un conocimiento completo de las reacciones adversas a medicamentos en el modelo de lenguaje Llama 3 8B. Los resultados experimentales, utilizando un conjunto de datos de 19 520 asociaciones de reacciones adversas a medicamentos, muestran que GraphRAG alcanza una precisión casi perfecta en la detección de reacciones adversas a medicamentos. Esto proporciona una solución precisa y escalable, lo que representa un avance significativo en la aplicación de los LLM en el campo de la farmacovigilancia.
