AI 在药代动力学研究与教育中的 NONMEM 编码：捷径还是陷阱？
其他定量生物学
2025-07-14 v1
摘要
人工智能 (AI) 正越来越多地被探索作为支持药代动力学建模的工具，尤其是针对 NONMEM 编码挑战。本研究评估了七个 AI 代理在 13 个药代动力学任务中生成 NONMEM 代码的能力，包括各种 population 药代动力学 (PK) 和药代动力学 (PD) 模型。我们进一步开发了标准化的评分标准来评估代码准确性，并创建了一个优化提示词以提高 AI 代理的性能。我们的结果显示，OpenAI o1 和 gpt-4.1 模型在使用我们优化的提示词后取得了最佳性能，两者都能准确地为所有任务生成代码。总体而言，AI 代理在编写基本的 NONMEM 模型结构方面表现良好，为药代动力学模型编码提供了有用的基础。然而，用户审查和细化仍然至关重要，尤其是对于具有特殊数据集对齐或高级编码技术的复杂模型。我们还讨论了 AI 在药代动力学教育中的应用，特别是防止过度依赖 AI 编码的策略。本工作为当前 AI 代理在 NONMEM 编码中的性能提供了基准，并引入了一个实用的提示词，可促进药代动力学研究和教育中更准确和更高效的 AI 使用。
引用
@article{arxiv.2507.08144,
title = {AI for NONMEM Coding in Pharmacometrics Research and Education: Shortcut or Pitfall?},
author = {Wenhao Zheng and Wanbing Wang and Carl M. J. Kirkpatrick and Cornelia B. Landersdorfer and Huaxiu Yao and Jiawei Zhou},
journal= {arXiv preprint arXiv:2507.08144},
year = {2025}
}