TheraAgent: PETセラノスティクス用の自己進化型記憶と証拠に基づく推論を備えたマルチエージェントフレームワーク

要旨: PETセラノスティクスは精密腫瘍学を変革しているが、治療反応には大きなばらつきがあり、転移性去勢抵抗性前立腺癌(mCRPC)に対する177Lu-PSMA放射性リガンド治療(RLT)を受ける多くの患者が反応せず、信頼できる術前予測が求められている。LLMベースのエージェントは複雑な医療診断で顕著な可能性を示してきた一方、PETセラノスティクスのアウトカム予測への適用は未開拓であり、三つの主要な課題に直面している: (1) データと知識の不足: RLTは2022年にFDA承認されたばかりで、訓練ケースが少なく、一般的なLLMの知識が不足している; (2) 異種情報統合: ロバストな予測はPET/CT、検査、自由テキストの臨床文書からの構造化知識抽出に依存; (3) エビデンスに基づく推論: 臨床判断はLLMの幻覚ではなく試験データに基づいて行われるべきである。本論文では TherAgent を提示する。私たちの知る限りPETセラノスティクスの最初のエージェントフレームワークであり、三つの中核的イノベーションを備える: (1) 自信重み付きコンセンサスによる複数専門家の特徴抽出、三人の専門家が不確実性評価とともに異種入力を処理; (2) Self-Evolving Agentic Memory (SEA-Mem)、蓄積されたケースから予後パターンを学習し、限られたデータからケースベースの推論を可能にする; (3) エビデンス校正推論、選別されたセラノスティクス知識ベースを統合して予測をVISION/TheraP試験のエビデンスに基づかせる。35例の実患者および400例の合成ケースで評価、TheraAgentは実患者で全体精度75.7%、合成ケースで87.0%を達成し、MDAgentsおよびMedAgent-Proを20%以上上回った。これらの結果はPETセラノスティクスにおける信頼性の高いAIエージェントの有望な設計図を示し、試験校正済み・多源泉の意思決定支援を実現する。受理され次第コードを公開する。