https://www.nature.com/articles/s44360-026-00205-y 

[!abstract]+ 
大型语言模型（LLM）在辅助药物推荐方面展现出潜力，无论是在临床环境内还是临床环境外；但它们也可能放大系统性偏见，进而影响公平性和成本。我们考察了LLM在针对含有相同活性成分且经美国食品药品监督管理局（FDA）批准的药物进行推荐时，是否保持了商业中立性。我们利用177,120个合成临床情境（涵盖123种“疾病-药物”组合及1,440种社会人口学特征），评估了五种LLM所给出的产品推荐。在各类“疾病-药物”组合及不同模型中，推荐频率最高的产品平均占据了“首选推荐”的97.5%；各模型在推荐哪些产品这一问题上表现出高度的一致性。LLM给出的产品推荐分布与现实世界中的处方模式存在差异，且往往会导致更高的预计采购成本。与监管信息不一致的推荐情况，会因所使用的LLM模...