TxAgent: Een AI-agent voor therapeutisch redeneren over een universum van tools

TxAgent: An AI Agent for Therapeutic Reasoning Across a Universe of Tools

March 14, 2025

Auteurs: Shanghua Gao, Richard Zhu, Zhenglun Kong, Ayush Noori, Xiaorui Su, Curtis Ginder, Theodoros Tsiligkaridis, Marinka Zitnik

cs.AI

Samenvatting

Precisie-therapie vereist multimodale adaptieve modellen die gepersonaliseerde behandelingsaanbevelingen genereren. Wij introduceren TxAgent, een AI-agent die gebruikmaakt van meerstaps redeneren en real-time biomedische kennisretrieval over een toolbox van 211 tools om medicijninteracties, contra-indicaties en patiëntspecifieke behandelstrategieën te analyseren. TxAgent evalueert hoe medicijnen interageren op moleculair, farmacokinetisch en klinisch niveau, identificeert contra-indicaties op basis van patiëntcomorbiditeiten en gelijktijdige medicatie, en past behandelstrategieën aan op basis van individuele patiëntkenmerken. Het haalt en synthetiseert bewijs uit meerdere biomedische bronnen, beoordeelt interacties tussen medicijnen en patiëntcondities, en verfijnt behandelingsaanbevelingen via iteratief redeneren. Het selecteert tools op basis van taakdoelen en voert gestructureerde functieaanroepen uit om therapeutische taken op te lossen die klinisch redeneren en cross-source validatie vereisen. De ToolUniverse consolideert 211 tools uit vertrouwde bronnen, inclusief alle door de Amerikaanse FDA goedgekeurde medicijnen sinds 1939 en gevalideerde klinische inzichten van Open Targets. TxAgent presteert beter dan toonaangevende LLM's, tool-gebruikmodellen en redeneeragentschappen over vijf nieuwe benchmarks: DrugPC, BrandPC, GenericPC, TreatmentPC en DescriptionPC, die 3.168 medicijnredeneertaken en 456 gepersonaliseerde behandelingsscenario's omvatten. Het behaalt een nauwkeurigheid van 92,1% in open-einde medicijnredeneertaken, overtreft GPT-4o en presteert beter dan DeepSeek-R1 (671B) in gestructureerd meerstaps redeneren. TxAgent generaliseert over varianten van medicijnnamen en beschrijvingen. Door multi-staps inferentie, real-time kennisverankering en tool-ondersteunde besluitvorming te integreren, zorgt TxAgent ervoor dat behandelingsaanbevelingen aansluiten bij gevestigde klinische richtlijnen en real-world bewijs, waardoor het risico op bijwerkingen wordt verminderd en de therapeutische besluitvorming wordt verbeterd.

English

Precision therapeutics require multimodal adaptive models that generate personalized treatment recommendations. We introduce TxAgent, an AI agent that leverages multi-step reasoning and real-time biomedical knowledge retrieval across a toolbox of 211 tools to analyze drug interactions, contraindications, and patient-specific treatment strategies. TxAgent evaluates how drugs interact at molecular, pharmacokinetic, and clinical levels, identifies contraindications based on patient comorbidities and concurrent medications, and tailors treatment strategies to individual patient characteristics. It retrieves and synthesizes evidence from multiple biomedical sources, assesses interactions between drugs and patient conditions, and refines treatment recommendations through iterative reasoning. It selects tools based on task objectives and executes structured function calls to solve therapeutic tasks that require clinical reasoning and cross-source validation. The ToolUniverse consolidates 211 tools from trusted sources, including all US FDA-approved drugs since 1939 and validated clinical insights from Open Targets. TxAgent outperforms leading LLMs, tool-use models, and reasoning agents across five new benchmarks: DrugPC, BrandPC, GenericPC, TreatmentPC, and DescriptionPC, covering 3,168 drug reasoning tasks and 456 personalized treatment scenarios. It achieves 92.1% accuracy in open-ended drug reasoning tasks, surpassing GPT-4o and outperforming DeepSeek-R1 (671B) in structured multi-step reasoning. TxAgent generalizes across drug name variants and descriptions. By integrating multi-step inference, real-time knowledge grounding, and tool-assisted decision-making, TxAgent ensures that treatment recommendations align with established clinical guidelines and real-world evidence, reducing the risk of adverse events and improving therapeutic decision-making.