TxAgent : un agent IA pour le raisonnement thérapeutique et les traitements médicamenteux personnalisés 193

Qu'est-ce que TxAgent ?

TxAgent est un agent thérapeutique d'intelligence artificielle développé par la Harvard Medical School, capable de fournir des recommandations thérapeutiques personnalisées aux patients grâce à un raisonnement en plusieurs étapes et à la récupération de connaissances biomédicales en temps réel, combinées à une boîte à outils de 211 outils. Il peut analyser les interactions médicamenteuses, les contre-indications et élaborer des stratégies thérapeutiques en fonction des caractéristiques individuelles du patient (telles que l'âge, les facteurs génétiques et la progression de la maladie).

Fonctionnalités de TxAgent

• Raisonnement en plusieurs étapes : TxAgent peut évaluer les interactions médicamenteuses aux niveaux moléculaire, pharmacocinétique et clinique, et identifier les contre-indications en fonction des comorbidités et des médicaments concomitants du patient.

• Récupération de connaissances en temps réel : Il peut récupérer et synthétiser des preuves à partir de multiples sources biomédicales, en optimisant les recommandations thérapeutiques par un raisonnement itératif.

• Appel d'outils et aide à la décision : TxAgent sélectionne les outils appropriés en fonction des objectifs de la tâche et exécute des appels de fonctions structurés pour résoudre des tâches thérapeutiques nécessitant un raisonnement clinique et une vérification multi-sources.

• Plans de traitement personnalisés : Il peut personnaliser les stratégies thérapeutiques en fonction des caractéristiques individuelles du patient, telles que l'âge, les facteurs génétiques et la progression de la maladie.

• Trajectoire de raisonnement transparente : TxAgent génère des réponses en langage naturel et fournit une trajectoire de raisonnement détaillée, expliquant chaque étape de son processus de décision.

Capacités de TxAgent

• Ancrage des connaissances : Acquisition de connaissances validées via des appels d'outils et génération de réponses sur cette base.

• Sélection d'outils orientée objectif : Utilisation du modèle ToolRAG pour sélectionner et appliquer les outils les plus appropriés à partir de ToolUniverse.

• Résolution de problèmes par raisonnement en plusieurs étapes : Résolution de tâches complexes ou gestion de réponses inattendues des outils grâce à de multiples itérations de réflexion et appels de fonctions.

• Exploitation d'une base de connaissances en constante mise à jour : Accès à des bases de données en perpétuelle mise à jour via des outils, permettant de résoudre des problèmes dépassant les connaissances intégrées de TxAgent.

Performances

• TxAgent a obtenu d'excellents résultats sur plusieurs benchmarks, couvrant 3 168 tâches de raisonnement médicamenteux et 456 scénarios de traitement personnalisé :

• Sur les tâches de raisonnement médicamenteux ouvertes, il atteint un taux de précision de 92,1 %, surpassant GPT-4o de 25,8 %.

• Sur le raisonnement structuré en plusieurs étapes, il surpasse DeepSeek-R1 (671B).

• En termes de capacité de généralisation sur les variantes et descriptions de noms de médicaments, il maintient une variance <0,01, dépassant les LLM existants utilisant des outils de plus de 55 %.

Applications de TxAgent

• Tâches de raisonnement médicamenteux : TxAgent a obtenu d'excellents résultats sur plusieurs benchmarks, couvrant 3 168 tâches de raisonnement médicamenteux et 456 scénarios de traitement personnalisé.

• Aide à la décision clinique : Il peut fournir aux médecins des recommandations thérapeutiques précises, réduisant le risque d'événements indésirables et améliorant les décisions thérapeutiques.

• Analyse des interactions médicamenteuses : En appelant des bases de données externes et des modèles de machine learning, TxAgent peut évaluer les interactions entre les médicaments.

• Ajustement personnalisé du traitement : Par exemple, ajustement de la posologie en fonction de l'état hépatique du patient.

Mode d'emploi

1. Installation des dépendances :

Il est recommandé d'utiliser un GPU H100 avec plus de 80 Go de mémoire.

• Installer ToolUniverse :

pip install tooluniverse

• Installer TxAgent :

pip install txagent

2. Exécution des exemples :

• Exécuter le code d'exemple :

python run_example.py

• Lancer la démo Gradio :

python run_txagent_app.py

3. Modèles pré-entraînés :Les poids des modèles pré-entraînés sont disponibles sur HuggingFace.

4. Boîte à outils (ToolUniverse) :Le composant central de TxAgent, contenant 211 outils couvrant tous les médicaments approuvés par la FDA américaine depuis 1939.