稀有疾病药物再定位的 RareAgent：自演化推理
人工智能
2025-10-17 v2 多智能体系统
摘要
计算方法在稀有疾病上的药物再定位尤其具有挑战性，当药物与目标疾病之间不存在先验关联时。因此，知识图谱完成和消息传递图神经网络几乎没有可靠的学习信号可传递，导致性能差异。我们提出 RareAgent，一个自演化多智能体系统，将此任务从被动模式识别重新框架化为主动证据寻求推理。RareAgent 组织任务特定的对抗性辩论，智能体从多样视角动态构建证据图，以支持、反驳或推论假设。推理策略在自演化循环中进行后验分析，产生文本反馈以细化智能体策略，而成功的推理路径则被提炼为可迁移的启发式，以加速未来调查。全面评估显示，RareAgent 在指示 AUPRC 上比推理基线提高了 18.1%，并提供了与临床证据一致的透明推理链。
引用
@article{arxiv.2510.05764,
title = {RareAgent: Self-Evolving Reasoning for Drug Repurposing in Rare Diseases},
author = {Lang Qin and Zijian Gan and Xu Cao and Pengcheng Jiang and Yankai Jiang and Jiawei Han and Kaishun Wu and Jintai Chen},
journal= {arXiv preprint arXiv:2510.05764},
year = {2025}
}