CPT Pharmacometrics & Systems Pharmacology· 2026Q1
PMxAgent: Farmakometri için Ajan Tabanlı Bir Platform
PMxAgent: An Agentic Platform for Pharmacometrics
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
PMxAgent, Docker ve Python tabanlı bir MCP sunucusu ile R tabanlı bir API kullanarak ajan tarafından çağrılabilen farmakometrik araçlar oluşturan açık kaynaklı bir platformdur ve yapay zeka ajanlarının PK simülasyonu, NCA ve ER modellemesi gibi karmaşık analizleri gerçekleştirmesini sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- PMxAgent, Docker, R API ve Python MCP sunucularını kullanarak ajan tarafından çağrılabilen farmakometrik araçlar oluşturan açık kaynaklı bir platformdur.
- OpenAPI spesifikasyonlarından otomatik olarak araçlar oluşturur, farmakometrik fonksiyonları yapay zeka ajanları tarafından keşfedilebilir hale getirir.
- Geliştirilen araçlar arasında NCA, ER modellemesi, PK simülasyonu, veri standardizasyonu ve popülasyon PK veri seti üretimi bulunmaktadır.
- Bir örnek olay incelemesinde, PMxAgent NCA'da %98,3 doğruluk elde etmiş, sınır yapay zeka ajanlarına eşit veya daha iyi performans göstermiş ve deterministik sonuçlar üretmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
ABSTRACT AI agents are transforming computational workflows, yet pharmacometric analyses remain manual, relying on significant data wrangling, custom scripts, and specialized software. We present PMxAgent, an open‐source agentic platform for developing and deploying specialized agent‐callable pharmacometric tools. The platform uses Docker to orchestrate an R‐based API server alongside a Python‐based model context protocol (MCP) server, which automatically generates agent‐callable tools from OpenAPI specifications, making pharmacometric functions discoverable and usable by AI agents. To exemplify pharmacometric applications, five tools were developed: non‐compartmental analysis (NCA) using PKNCA, exposure‐response (ER) modeling, pharmacokinetic (PK) simulation using mrgsolve, data standardization (DATA), and generation of population PK datasets from the nlmixr2lib model library (LIBRARY). As a proof‐of‐concept case study, PMxAgent orchestrated a multistep pharmacometric workflow, consisting of a PK simulation of 60 subjects across three dose groups, NCA to derive individual exposure metrics, and ER analysis. To evaluate analytical accuracy and reproducibility, the agentic NCA workflow was benchmarked against four frontier AI agents across 182 drugs and 1820 simulated subjects, using PKanalix as reference. PMxAgent's NCA accuracy (98.3%) matched or exceeded that of all frontier agents evaluated. PMxAgent produced deterministic, reproducible results in contrast to GPT and Claude agents that performed NCA by generating new code each run. PMxAgent was demonstrated using two MCP‐compatible AI agents (Cursor and Claude Code) and is designed to integrate with any AI agent supporting the MCP protocol. PMxAgent provides an extensible foundation for integrating pharmacometric tools into human‐supervised AI‐driven workflows while ensuring reproducibility, transparency, and detailed documentation required for model‐informed drug development.
Yazarların özeti; kaynağından alınmıştır. CPT Pharmacometrics & Systems Pharmacology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Farmakoloji (Farmakoloji, Toksikoloji ve Eczacılık)
PharmacologyPharmacology, Toxicology and Pharmaceutics