本文介绍了MedM-PLM医学多模态预训练语言模型，提升了电子健康记录的表示能力，应用于药物推荐、再入院预测和ICD编码等任务，表现优于现有方法。研究表明，专门的临床模型在理解电子健康记录方面优于大型综合模型，并探讨了大型语言模型在医疗领域的应用及其挑战，强调选择合适模型以优化自然语言处理技术的重要性。

本文探讨了大型语言模型（LLM）在临床药学中的应用，包括药物推荐、临床决策支持系统（CDSS）和药物安全监测。研究表明，LLM能够提高药物处方的安全性和效率，并在药物发现和开发中展现潜力。

该论文提出了一种名为EDGE的新型药物推荐方法，通过基于本体的药物表示和基于表型的病人表示来快速推荐新药。通过外部药物-疾病知识库来消除假阴性监督信号的影响，提升推荐准确率。实验结果显示，该方法在ROC-AUC得分方面比现有方法提高了7.3%。

G-BERT是一种结合图神经网络和BERT的医疗代码表示和药物推荐模型，通过在EHR数据上进行预训练和微调，实现了对药物推荐任务的最新成果。