DDIAgents는 약물-약물 상호작용(DDI) 예측을, 상호작용 메커니즘에 따라 관련성이 달라지는 이질적 생의학 근거를 동적으로 오케스트레이션하는 메커니즘 조건부 멀티에이전트 프레임워크로 수행한다. 약물 쌍이 주어지면 플래너 에이전트가 전문 에이전트를 인스턴스화하고 각자에게 메커니즘 관련 지식원을 라우팅한 뒤, 결론 에이전트가 분석을 종합한다. 추론된 상호작용 메커니즘에 맞춰 컨텍스트 흐름을 조정함으로써 무관한 정보를 줄이고 상호 보완적 전문가 추론을 지원하며 에이전트 단위의 해석 가능한 근거를 산출한다. 현실적 DDI 예측 벤치마크 실험에서 기존 특징 기반·그래프 기반·LLM 기반·에이전트 기반 베이스라인을 일관되게 앞섰다. 약물 안전에 필수적인 과제에서 멀티에이전트가 이질적 과학 지식을 적응적·해석 가능하게 조직하는 방식을 보여준다.
- •약물 쌍별로 달라지는 상호작용 메커니즘에 조건된 멀티에이전트 동적 지식 오케스트레이션으로 DDI 예측
- •플래너가 전문 에이전트를 생성·라우팅하고 결론 에이전트가 분석을 집약
- •메커니즘에 맞춰 컨텍스트 흐름을 조정해 무관 정보를 줄이고 해석 가능한 근거 산출
- •특징·그래프·LLM·에이전트 기반 베이스라인을 일관되게 능가
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction
- 1.약물-약물 상호작용(DDI) 예측을 위한 메커니즘 조건부 멀티에이전트 프레임워크 DDIAgents 제안
- 2.플래너 에이전트가 약물쌍마다 전문가 에이전트를 생성·라우팅하고 결론 에이전트가 분석을 종합
- 3.상호작용 메커니즘에 맞춰 문맥 흐름을 조절해 불필요 정보를 줄이고 해석 가능한 근거 생성
- 4.실제 DDI 벤치마크에서 특징·그래프·LLM·에이전트 기반 기존 기법을 일관되게 상회
왜 중요한가?
기존 DDI 모델이 이질적 생의학 근거를 정적으로 다루던 한계를, 메커니즘에 따라 지식 소스를 동적으로 배분하는 방식으로 개선해 예측 정확도와 해석가능성을 동시에 확보했다. 의약품 안전성 평가에 바로 활용될 수 있는 AI4Science 접근이다.
언급 프로젝트
본문 미리보기
arXiv:2606.31085v1 Announce Type: new Abstract: Drug-drug interaction (DDI) prediction is essential for medication safety, yet it requires reasoning over heterogeneous biomedical evidence whose relevance changes across interaction mechanisms. We propose DDIAgents, a mechanism-conditioned multi-agent framework that performs DDI prediction through dynamic knowledge orchestration. Given a drug pair, a planner agent instantiates specialized expert agents, routes mechanism-relevant knowledge sources
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
