Исследователи представили TrialAtlas, организацию для исследований с расширенной памятью на основе нескольких агентов, предназначенную для помощи в планировании клинической разработки (CDP). Система координирует специализированные агенты для синтеза литературы, конкурентной разведки и регуляторного анализа, чтобы прогнозировать риски разработки.
- TrialAtlas обучается на исторических клинических испытаниях и предыдущих заявлениях о новых лекарствах (NDAs), чтобы опираться в своих решениях на накопленный опыт.
- Команда оценила систему с помощью TrialAtlasBench, набора данных из 291 полного ответа FDA (Complete Response Letters), охватывающего выявление недостатков, улучшение дизайна и прогнозирование успеха.
- Для выявления недостатков TrialAtlas достиг F1-меры на уровне 50,0%, превзойдя сильнейшую базовую модель на 6,1 пункта.
- Он показал сбалансированную точность 85,3% и F1-меру 84,7% для прогнозирования технического и регуляторного успеха, улучшив показатели по сравнению с базовыми моделями на 6,7 пунктов в сбалансированной точности и на 12,0 пунктов в коэффициенте Коэна.
- В экспертных оценках 86,4% опасений, сгенерированных TrialAtlas, были признаны действительными, по сравнению с 83,1% для OpenAI DeepResearch и 59,3% для Gemini DeepResearch.
Система стремится снизить трудоёмкий и субъективный характер планирования клинической разработки, предоставляя основанные на данных инсайты в отношении дизайна испытаний и регуляторных результатов.