HADES: Un Approccio di IA Spiegabile per la Previsione del Danno Epatico Indotto da Farmaci
I ricercatori propongono che la previsione del danno epatico indotto da farmaci (DILI) dovrebbe essere considerata come un problema di generazione di ipotesi spiegabili piuttosto che un semplice compito di classificazione binaria. A supporto di ciò, hanno creato il DILER Benchmark, che arricchisce molecole curate con ipotesi meccanicistiche di epatotossicità tratte dalla letteratura biomedica. Inoltre, introducono HADES, un sistema agente che produce chiare tracce di ragionamento integrando previsioni a livello molecolare, degradazione dei metaboliti, approfondimenti strutturali e prove delle vie di tossicità. Valutato con DILER, HADES supera i modelli attuali nella classificazione binaria offrendo anche prospettive meccanicistiche. Questa ricerca è descritta in un preprint disponibile su arXiv (2605.02669v1).
Fatti principali
- Il danno epatico indotto da farmaci (DILI) è una delle principali cause di abbandono nelle fasi avanzate delle sperimentazioni cliniche.
- I predittori computazionali esistenti si basano sulla classificazione binaria, limitando la generalizzazione e la comprensione meccanicistica.
- La previsione del DILI è meglio impostata come un problema di generazione di ipotesi spiegabili.
- Il DILER Benchmark va oltre le etichette binarie con ipotesi meccanicistiche di epatotossicità tratte dalla letteratura.
- HADES è un sistema agente per tracce di ragionamento trasparenti e verificabili.
- HADES combina previsioni a livello molecolare, decomposizione dei metaboliti, comprensione strutturale e prove delle vie di tossicità.
- HADES supera i modelli esistenti nella classificazione binaria sul DILER Benchmark.
- Il preprint è disponibile su arXiv con ID 2605.02669v1.
Entità
Istituzioni
- arXiv