Des chercheurs ont présenté TrialAtlas, une organisation de recherche multi-agents enrichie par la mémoire, conçue pour assister la planification du développement clinique (CDP). Le système coordonne des agents spécialisés dans la synthèse de la littérature, l'intelligence concurrentielle et l'analyse réglementaire afin d'anticiper les risques de développement.
- TrialAtlas apprend à partir d'essais cliniques historiques et de demandes antérieures de nouveaux médicaments (NDAs) pour ancrer ses décisions dans une expérience accumulée.
- L'équipe a évalué le système en utilisant TrialAtlasBench, un jeu de données de 291 lettres de réponse complète de la FDA couvrant la détection des déficiences, les améliorations de conception et la prédiction du succès.
- Pour la détection des déficiences, TrialAtlas a obtenu un score F1 de 50,0 %, surpassant la référence la plus performante de 6,1 points.
- Il a atteint une précision équilibrée de 85,3 % et un F1 de 84,7 % pour prédire le succès technique et réglementaire, améliorant les références de 6,7 points en précision équilibrée et de 12,0 points en kappa de Cohen.
- Dans les évaluations par des experts, 86,4 % des préoccupations générées par TrialAtlas ont été jugées valides, contre 83,1 % pour OpenAI DeepResearch et 59,3 % pour Gemini DeepResearch.
Le système vise à réduire le caractère fastidieux et subjectif de la planification du développement clinique en fournissant des informations fondées sur les données concernant la conception des essais et les résultats réglementaires.