基于 HADES 的可解释、假设驱动的药物诱导性肝损伤方法
人工智能
2026-05-07 v2
摘要
药物诱导性肝损伤（DILI）仍是临床试验失败的主要原因之一。然而，现有的计算预测模型主要依赖二分类，这种做法限制了泛化能力，无法提供以解释性见解来指导翻译决策的机制。我们认为，DILI 预测更适合作为可解释的假设生成问题。为支持这一转变，我们引入了 DILER 基准数据集，超越二分类标签，通过为精选的分子集合增添来源于生物医学文献的机制性肝毒性假设。我们进一步提出了 HADES，一个旨在生成透明且可审计推理痕迹的智能体系统。通过结合分子层面的预测、代谢物分解、结构理解和毒性通路证据，HADES 对 DILI 风险进行机制性评估。在 DILER 基准上评估的 HADES 在二分类任务中表现优于现有模型，测试集 ROC-AUC 为 0.68，Post-2021 集为 0.59，分别与 DILI-Predictor 的 0.63 和 0.50 相比。更重要的是，我们建立了机制性假设生成的基准，其中 HADES 实现了 0.16 的假设对齐模糊 Jaccard 指数。这一结果凸显了该任务的内在复杂性，同时突显了预测毒理学中需要更先进可解释方法的需求。
引用
@article{arxiv.2605.02669,
title = {An explainable hypothesis-driven approach to Drug-Induced Liver Injury with HADES},
author = {Maciej Wisniewski and Bartosz Topolski and Pawel Dabrowski-Tumanski and Dariusz Plewczynski and Tomasz Jetka},
journal= {arXiv preprint arXiv:2605.02669},
year = {2026}
}