DDIAgents：药物相互作用预测新框架，动态编排知识提升准确性

药物相互作用（DDI）预测对用药安全至关重要，但传统方法难以有效整合异质生物医学证据。近日，研究人员在arXiv上发布新论文《DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction》，提出一种机制条件化的多智能体框架。该框架通过动态知识编排，针对不同药物相互作用机制自适应调整信息流。

DDIAgents框架包含规划智能体、专家智能体和结论智能体。给定药物对后，规划智能体首先实例化专业专家智能体，将机制相关知识源路由至相应智能体，最后通过结论智能体聚合分析结果。这种设计减少了无关信息干扰，支持互补的专家推理，并产生可解释的智能体级推理依据。

实验表明，DDIAgents在多个真实DDI预测基准测试中，持续优于现有的基于特征、图、大语言模型和智能体的基线方法。除了预测性能优势，该研究还展示了多智能体系统如何组织异质科学知识，实现自适应且可解释的AI4Science推理。这项工作为药物安全研究提供了新思路，也展示了多智能体系统在科学推理任务中的应用潜力。