在心理健康領域，患者越來越依賴線上資訊瞭解藥物安全，但現有資訊源存在顯著分歧：監管機構的不良事件記錄權威但抽象，而患者敘述貼近個人體驗卻缺乏驗證。不恰當的整合可能加劇恐懼、反安慰劑反應和用藥不依從，尤其在精神病學中後果嚴重。為此，arXiv上的一篇新論文提出了一種基於知識圖譜的多智慧體框架，旨在融合異質來源並保持證據與軼事的區分。
該框架整合了來自Reddit的466,525條帖子、WebMD的60,782條評論以及美國FDA二十年的不良事件報告系統資料，涵蓋九種抗抑鬱藥物，包括氟西汀、舍曲林等常見藥物。研究團隊開發了一個基於大型語言模型的實體識別管線，並以醫生標註為基準進行評測：藥物識別F1分數最高達0.969，病症識別F1分數最高達0.973，表現出高準確性。分析顯示，兩個社群平臺之間的一致性較高（Jaccard相似度最高達0.905），而它們與監管報告的一致性明顯更低，表明患者生成資料構成了部分獨立的安全訊號。以舍曲林為例，許多不良事件在社群源中比FDA記錄早出現數百天，暗示患者社群可能更早捕捉到藥物安全性問題。
該框架採用Neo4j知識圖，並基於ATC-N、ICD-10和MedDRA醫學詞彙表，明確標註每種資訊的來源，確保每一主張均可追溯，監管事實與患者體驗互不混淆。研究者認為，這種源感知的整合方法為更可審計的精神科藥物資訊開闢了途徑，其實用性和患者獲益尚需前瞻性測試驗證。這項工作由Huizi Yu等12位作者完成，發表於arXiv預印本（arXiv:2606.26205），代表了利用AI改善心理健康藥物資訊獲取的重要一步。