[3F1-OS-8] OS-8

9:45 AM - 10:00 AM JST(12:45 AM - 1:00 AM UTC)

[3F1-OS-8-04] Large Language Model Agents for Automating Drug Combination Effect Discovery: Development and Challenges

〇Bumbu Shoji¹, Kiminori Shimamoto¹, Tomohisa Seki², Yoshimasa Kawazoe^1,2, Masami Tsuchiya³, Satoko Hori³, Eiji Aramaki⁴ (1. Graduate School of Medicine, The University of Tokyo, 2. The University of Tokyo Hospital, 3. Faculty of Pharmacy, Keio University, 4. Graduate School of Science and Technology, Nara Institute of Science and Technology)

Keywords:

AI for Science

【背景】有効な薬剤併用効果の発見は臨床的価値をもたらすが、膨大な組み合わせの網羅的探索は人手では困難である。そのため、大規模言語モデル（LLM）を用いた探索の自動化が期待される。【目的】LLMベースのエージェントによる、探索工程の自動化に向けた課題を検討する。【方法】臨床データベース（DB）と統計解析に基づく既存フレームワークを用いて、従来研究者が行ってきた、1) 探索対象となる薬剤併用と効果に関するリサーチクエスチョン立案、2) 統計解析パラメータ導出、3)各パラメータとDB項目とのマッピングの各工程を順次実行し、統計解析プログラムを併用して解析結果を提示するLLMエージェントを開発し、その出力を評価した。【結果・考察】各工程からなるワークフロー全体を自動的に実行できることは確認されたが、能力面に関する3つの課題が特定された。共変量発生評価における疾患と薬剤の関係性に関する推論の不足、研究デザインを判断するための臨床的能力の不足、そしてシステム出力と実際の臨床現場の実践との間に存在するギャップである。本研究により、研究立案から解析準備までの一連の工程を自動化できる可能性が示された。