論文の概要: Bio AI Agent: A Multi-Agent Artificial Intelligence System for Autonomous CAR-T Cell Therapy Development with Integrated Target Discovery, Toxicity Prediction, and Rational Molecular Design

• arxiv url: http://arxiv.org/abs/2511.08649v1
• Date: Thu, 13 Nov 2025 01:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.174148
• Title: Bio AI Agent: A Multi-Agent Artificial Intelligence System for Autonomous CAR-T Cell Therapy Development with Integrated Target Discovery, Toxicity Prediction, and Rational Molecular Design
• Title（参考訳）: Bio AI Agent: 統合的ターゲット発見、毒性予測、合理的分子設計による自律型CAR-T細胞治療のためのマルチエージェント人工知能システム
• Authors: Yi Ni, Liwei Zhu, Shuai Li,
• Abstract要約: Bio AI Agentは、大規模言語モデルを利用したマルチエージェント人工知能システムである。 共同専門エージェントによる自律的なCAR-T開発を可能にする。 システムは、ターゲット選択エージェント、毒性予測エージェント、分子設計エージェント、特許情報エージェント、臨床翻訳エージェント、決定オーケストレーションエージェントの6つの自律エージェントから構成される。
• 参考スコア（独自算出の注目度）: 6.751107151551917
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Chimeric antigen receptor T-cell (CAR-T) therapy represents a paradigm shift in cancer treatment, yet development timelines of 8-12 years and clinical attrition rates exceeding 40-60% highlight critical inefficiencies in target selection, safety assessment, and molecular optimization. We present Bio AI Agent, a multi-agent artificial intelligence system powered by large language models that enables autonomous CAR-T development through collaborative specialized agents. The system comprises six autonomous agents: Target Selection Agent for multi-parametric antigen prioritization across >10,000 cancer-associated targets, Toxicity Prediction Agent for comprehensive safety profiling integrating tissue expression atlases and pharmacovigilance databases, Molecular Design Agent for rational CAR engineering, Patent Intelligence Agent for freedom-to-operate analysis, Clinical Translation Agent for regulatory compliance, and Decision Orchestration Agent for multi-agent coordination. Retrospective validation demonstrated autonomous identification of high-risk targets including FcRH5 (hepatotoxicity) and CD229 (off-tumor toxicity), patent infringement risks for CD38+SLAMF7 combinations, and generation of comprehensive development roadmaps. By enabling parallel processing, specialized reasoning, and autonomous decision-making superior to monolithic AI systems, Bio AI Agent addresses critical gaps in precision oncology development and has potential to accelerate translation of next-generation immunotherapies from discovery to clinic.
• Abstract（参考訳）: キメラ抗原受容体T細胞(CAR-T)療法は、がん治療のパラダイムシフトを示すが、8～12年の開発スケジュールと臨床効果率は40～60%を超え、標的選択、安全性評価、分子最適化における重要な非効率性を強調している。 本稿では,大規模言語モデルを用いた多エージェント人工知能システムであるBio AI Agentについて紹介する。 本システムは、6つの自律的エージェントからなる: 癌関連ターゲット1万件にわたる多パラメータ抗原優先順位付けのためのターゲット選択エージェント、組織発現アトラスと薬物移動データベースを統合する包括的安全プロファイリングのための毒性予測エージェント、合理的CARエンジニアリングのための分子設計エージェント、自由操作分析のための特許情報エージェント、規制コンプライアンスのための臨床翻訳エージェント、多エージェント協調のための決定オーケストレーションエージェント。 振り返り検証では、FcRH5(肝毒性)やCD229(腫瘍外毒性)、CD38+SLAMF7の組み合わせに対する特許侵害リスク、包括的な開発ロードマップの生成など、リスクの高いターゲットの自律的同定が実証された。 モノリシックAIシステムよりも優れた並列処理、特殊推論、自律的な意思決定を可能にすることにより、Bio AI Agentは、精度オンコロジー開発における重要なギャップに対処し、発見からクリニックへの次世代免疫療法の翻訳を加速する可能性がある。

関連論文リスト

• From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
  自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。 静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。 本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
  論文  参考訳（メタデータ） (2025-10-07T05:45:25Z)
• LIMI: Less is More for Agency [49.63355240818081]
  LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。 高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。 マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
  論文  参考訳（メタデータ） (2025-09-22T10:59:32Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• PeerGuard: Defending Multi-Agent Systems Against Backdoor Attacks Through Mutual Reasoning [8.191214701984162]
  マルチエージェントシステムは、複雑なタスクを完了させたり、協力したり、競合したりする自律エージェントとして、高度なAIモデルを活用する。 重要性は増しているが、マルチエージェントシステムの安全性はいまだに未調査である。 本研究では,マルチエージェントシステムにおけるバックドア脆弱性を調査し,エージェントインタラクションに基づく防御機構を提案する。
  論文  参考訳（メタデータ） (2025-05-16T19:08:29Z)
• CBM-RAG: Demonstrating Enhanced Interpretability in Radiology Report Generation with Multi-Agent RAG and Concept Bottleneck Models [1.7042756021131187]
  本稿では,CBM(Concept Bottleneck Models)とRAG(Multi-Agent Retrieval-Augmented Generation)システムを組み合わせた自動放射線学レポート生成フレームワークを提案する。 CBMは胸部X線の特徴を人間の理解できない臨床概念にマッピングし、透明な疾患分類を可能にする。 RAGシステムはマルチエージェントのコラボレーションと外部知識を統合し、文脈的にリッチなエビデンスベースのレポートを生成する。
  論文  参考訳（メタデータ） (2025-04-29T16:14:55Z)
• AI-guided Antibiotic Discovery Pipeline from Target Selection to Compound Identification [0.0]
  タンパク質構造予測と機械学習の最近の進歩は、薬物発見を加速する有望な機会を提供する。 我々は3次元構造認識生成モデルのエンド・ツー・エンドでガイド付き実現を実現する。 この研究は、初期の抗生物質開発に人工知能をデプロイするための比較ベンチマークと青写真を提供する。
  論文  参考訳（メタデータ） (2025-04-15T11:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。