Медея: ИИ-агент для терапевтического рассуждения в различных биологических контекстах

Терапевтические гипотезы могут переноситься между заболеваниями, однако их релевантность зависит от биологического контекста. Одна и та же мишень, воздействие или метод лечения могут вызывать различные эффекты в разных типах клеток, при различных состояниях заболевания, генетическом фоне и у разных пациентов. Поэтому терапевтическое рассуждение требует методов, сохраняющих контекст, проверяющих, подтверждается ли переносимость имеющимися данными, и выявляющих случаи, когда контекстно-специфические эффекты ограничивают такую переносимость. Хотя ИИ-агенты способны выполнять терапевтический анализ, существующие системы часто не сохраняют биологический контекст в ходе длительных рабочих процессов, не проверяют промежуточные вычислительные этапы или не согласуют противоречивые данные из разных наборов данных и публикаций. Здесь мы представляем Медею — ИИ-агента для терапевтического рассуждения в различных биологических контекстах. Медея выполняет многоэтапный анализ с использованием биологических инструментов, моделей машинного обучения и поиска литературы, обеспечивая проверку на этапах планирования, выполнения и синтеза доказательств. Мы оцениваем Медею на 5 673 открытых аналитических задачах в трех областях: определение терапевтических мишеней с учетом специфики типов клеток при пяти заболеваниях и для 29 типов клеток, прогнозирование синтетической летальности в семи линиях раковых клеток и прогнозирование ответа на иммунотерапию по мультимодальным профилям пациентов. Используя ранее не опубликованный скрининг эпистатического мини-массива, выполненный в условиях двух воздействий, повреждающих ДНК, мы оцениваем Медею по способности прогнозировать синтетическую летальность среди 238 046 пар генов в дрожжах. Медея точно предсказывает экспериментально измеренные взаимодействия, приводящие к синтетической летальности, что указывает на то, что ее эффективность отражает биологическую релевантность, а не утечку информации из эталонных наборов данных. Во всех этих оценках Медея превосходит большие языковые модели, модели рассуждения, биомедицинских агентов и специализированные модели машинного обучения, сохраняя при этом низкую частоту ошибок и калиброванный отказ от ответа. Эти результаты показывают, что верифицируемые ИИ-агенты способны выполнять терапевтический анализ в различных биологических контекстах.