这个品类的数据长什么样
小分子化药的临床试验数据主要来源于临床研究报告（CSR）、临床试验方案、受试者病例报告表（CRF）以及相关的生物标志物检测结果。这些数据以非结构化文本、半结构化表格和结构化数值的形式存在。文本部分通常包含研究背景、入组排除标准、药物作用机制、不良事件描述、药代动力学（PK）和药效学（PD）数据。表格数据则常见于受试者基线特征、实验室检查结果和不良事件统计。数据更新节奏与临床试验阶段密切相关，早期临床试验数据更新较快，后期试验则相对稳定。文档结构通常遵循ICH GCP指导原则，如CTD格式。字段和单位具有高度的专业性，例如剂量单位（mg/kg）、浓度单位（ng/mL）、时间点（h, day）以及各种生物标志物指标及其正常范围。
这些特征在「向量模型与索引」这一环带来什么约束
小分子化药数据的专业性对向量模型的语义理解能力提出了高要求，模型需要准确捕捉药物分子结构、靶点、作用机制与临床表型之间的复杂关系。临床试验方案中的细致入组排除标准，例如特定基因型、肝肾功能指标或合并用药限制，要求向量索引具备高召回率和精确匹配能力。数据中的数值型信息，如剂量、浓度和生物标志物阈值，在向量化时需要特殊处理，以避免单纯的文本嵌入丢失其数值含义。例如，"剂量 10mg" 和 "剂量 100mg" 在语义上差异巨大，但若仅按字面嵌入，模型可能难以区分。此外，试验方案的更新和修正，意味着索引需要支持高效的增量更新机制，以确保检索结果的时效性和准确性。不良事件描述中可能包含大量医学术语和同义词，这要求向量模型具备一定的医学知识图谱整合能力，以实现更鲁棒的语义匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 临床试验文本段落通常较长，需要保留足够的上下文信息。 |
分段重叠长度 | 100–200 字符 | 确保关键信息在分段边界处不会被截断，提高信息召回率。 |
embeddingModel | text-embedding-3-large 或同级别模型 | 小分子化药数据专业性强，需要高维、高精度向量模型捕捉复杂语义。 |
召回条数 | 前 10–20 条 | 临床试验预筛涉及多维度信息，适当增加召回量有助于全面评估。 |
相似度阈值 | 0.75–0.85 | 需平衡召回率与精确率，避免过度宽松引入无关结果，或过度严格遗漏潜在匹配。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 临床试验报告文件较大，解析耗时可能较长，预留充足时间。 |
容易做错的三处
- 现象：检索结果中出现大量与目标药物无关的临床试验方案。原因：
相似度阈值设置过低，导致模型召回了大量泛化性高的文档片段。 - 现象：关于特定药物剂量或生物标志物范围的检索结果缺失或不准确。原因：未对包含数值信息的文本段落进行特殊处理，向量模型未能有效编码数值的量级差异。
- 现象：上传最新的临床试验修正案后，检索结果未体现更新内容。原因：索引未配置增量更新机制，或更新任务失败导致新数据未能及时入库。
怎么确认配好了
- 选取一批包含小分子化药关键特征（如特定靶点、入组排除标准、不良事件等级）的查询语句，执行检索，检查返回结果的准确性和完整性，并与人工判断的预期结果进行比对，确认召回的文档片段是否包含查询的核心信息。
- 针对一组已知包含特定数值型约束（如剂量范围、PK/PD参数）的文档，构造相应的查询，验证检索结果能否正确识别和排序含有精确数值匹配的片段，判断数值信息嵌入的有效性。
- 上传一个包含最新临床试验进展或修正的新版本文档，然后立即执行相关查询，观察检索结果是否反映了文档的最新内容，以核实索引更新机制的有效性。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。