論文の概要: An explainable hypothesis-driven approach to Drug-Induced Liver Injury with HADES

• arxiv url: http://arxiv.org/abs/2605.02669v1
• Date: Mon, 04 May 2026 14:50:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.346353
• Title: An explainable hypothesis-driven approach to Drug-Induced Liver Injury with HADES
• Title（参考訳）: HADESによる薬剤性肝障害に対する仮説駆動型アプローチ
• Abstract要約: 薬物性肝障害(DILI)は、後期臨床試験における主要な原因である。 仮説生成問題として,DILI予測の方がよいと論じる。 透明で監査可能な推論トレースを生成するために設計されたエージェントシステムであるHADESを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Drug-induced liver injury (DILI) remains a leading cause of late-stage clinical trial attrition. However, existing computational predictors primarily rely on binary classification, a framing that limits generalization and yields no mechanistic insight to guide translational decisions. We argue that DILI prediction is better posed as an explainable hypothesis-generation problem. To support this shift, we introduce the DILER Benchmark, a dataset that extends beyond binary labels by augmenting a curated set of molecules with mechanistic hepatotoxicity hypotheses derived from biomedical literature. We further present HADES, an agentic system designed to generate transparent and auditable reasoning traces. By combining molecular-level predictions, metabolite decomposition, structural understanding, and toxicity pathway evidence, HADES mechanistically assesses DILI risk. Evaluated on the DILER Benchmark, HADES outperforms existing models in binary classification, achieving a ROC-AUC of 0.68 on the Test Set and 0.59 on the challenging Post-2021 Set, compared with 0.63 and 0.50 for DILI-Predictor, respectively. More importantly, we establish a baseline for mechanistic hypothesis generation, where HADES achieves a Hypothesis Alignment Fuzzy Jaccard Index of 0.16. This result underscores the inherent complexity of the task while highlighting the need for advanced explainable approaches in predictive toxicology.
• Abstract（参考訳）: 薬物性肝障害(DILI)は、後期臨床試験における主要な原因である。 しかし、既存の計算予測器は主に二項分類に依存しており、これは一般化を制限し、翻訳決定を導く機械的な洞察を与えないフレーミングである。 仮説生成問題として,DILI予測の方がよいと論じる。 このシフトをサポートするために、DILERベンチマーク(DILER Benchmark)を導入する。これは、生物医学文献から派生した機械的肝毒性仮説を用いて、硬化した分子群を増補することでバイナリラベルを超えて拡張するデータセットである。 さらに、透明で監査可能な推論トレースを生成するために設計されたエージェントシステムであるHADESについて述べる。 分子レベルの予測、代謝物分解、構造理解、毒性経路の証拠を組み合わせることで、HADESはDILIリスクを機械的に評価する。 DILERベンチマークに基づいて評価され、HADESは既存のモデルを二進分類で上回り、テストセットで0.68、挑戦的なポスト2021セットで0.59、DILI予測器で0.63、0.50とそれぞれ達成した。 さらに重要なことは、HADESが0.16の仮説アライメントファジィジャカード指数を達成する機械的仮説生成のベースラインを確立することである。 この結果は、予測毒性学における高度な説明可能なアプローチの必要性を強調しながら、タスクの本質的な複雑さを強調している。

関連論文リスト

• Zero-source LLM Hallucination Detection with Human-like Criteria Probing [43.90784659213977]
  大規模言語モデル(LLM)は、しばしば事実的に誤りまたは偽りのコンテンツを生成することによって幻覚を引き起こす。 幻覚検出のためのヒト様基準探索法(HCPD)を提案する。 HCPDは、人間の評価者の多面的推論をエミュレートするパラダイムである。
  論文  参考訳（メタデータ） (2026-06-11T04:58:05Z)
• Pharmacogenomic Knowledge Graph Augmentation for Graph Neural Network-Based Drug-Drug Interaction Prediction [0.0]
  薬物・薬物相互作用(DDI)予測に応用されたグラフニューラルネットワーク(GNN)は、SMILES由来のグラフとして符号化された分子構造にのみ依存する。 本研究は,薬理学以前の知識がこのギャップを部分的に埋めているかどうかを考察する。 実験は、対レベルのデータ分割と薬物レベルのデータ分割の両方の下で行われ、目に見えない薬物への一般化を定量化する。
  論文  参考訳（メタデータ） (2026-06-05T07:47:32Z)
• SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation [42.644852156101685]
  エピデミック予測は、人間の行動が病気の拡散に動的に反応する、という根本的な課題に直面している。 頑健な外挿のための正則化として物理的制約を利用するtextbfSL-BiLEM(Structured Learnable Behavior-in-the-Loop Epidemic Model)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T08:46:04Z)
• Learning Diagnostic Reasoning for Decision Support in Toxicology [34.623049546258294]
  緊急毒性学への最初の強化学習(Reinforcement Learning, RL)であるDeToxRを提案する。 14種類の物質クラスにまたがる多ラベル予測のためのロバストなデータ融合エンジンを設計する。 臨床成績報酬を直接利用してモデルの推論を最適化する。
  論文  参考訳（メタデータ） (2026-03-31T11:26:45Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Early Risk Stratification of Dosing Errors in Clinical Trials Using Machine Learning [1.626552847072743]
  本研究の目的は、臨床試験の早期リスク階層化のための機械学習(ML)ベースのフレームワークを開発することである。 臨床Trials.govから42,112個のCT画像からなるデータセットを構築した。 CTは, 有害事象報告, MedDRA用語, Wilson自信区間から得られた高線量誤差率を示す2値ラベルを付与した。
  論文  参考訳（メタデータ） (2026-02-25T13:29:48Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
  本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。 エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。 データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
  論文  参考訳（メタデータ） (2025-11-20T03:38:46Z)
• Accelerating Drug Safety Assessment using Bidirectional-LSTM for SMILES Data [0.0]
  Bi-Directional Long Short Term Memory (BiLSTM) は、入力分子配列を処理するリカレントニューラルネットワーク(RNN)の変種である。 提案した研究は、SMILES文字列にコードされたシーケンシャルパターンを理解することを目的としており、それによって分子の毒性を予測する。
  論文  参考訳（メタデータ） (2024-07-08T18:12:11Z)
• YZS-model: A Predictive Model for Organic Drug Solubility Based on Graph Convolutional Networks and Transformer-Attention [9.018408514318631]
  伝統的な手法は複雑な分子構造を見逃し、不正確な結果をもたらすことが多い。 本稿では,グラフ畳み込みネットワーク(GCN),トランスフォーマーアーキテクチャ,Long Short-Term Memory(LSTM)ネットワークを統合するディープラーニングフレームワークであるYZS-Modelを紹介する。 YZS-Modelは、R2$ 0.59、RMSE$ 0.57を達成し、ベンチマークモデルを上回った。
  論文  参考訳（メタデータ） (2024-06-27T12:40:29Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Filter Drug-induced Liver Injury Literature with Natural Language Processing and Ensemble Learning [0.0]
  薬物性肝障害 (DILI) は、肝臓を損傷する薬物の副作用である。 重度DILI症例では肝不全や死亡などの生命予後も報告された。 過去の出版物からのデータ抽出は手動ラベリングに大きく依存している。 バイオメディカルテキストの自動処理を可能にする人工知能の最近の進歩
  論文  参考訳（メタデータ） (2022-03-09T23:53:07Z)

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。