性能优于o3-mini，DeepMind发布通用医学开源LLM与问答Agent，改善治疗开发

编辑 | 萝卜皮

开发一种新的治疗方法风险特别大，过程非常缓慢，而且可能花费数十亿美元。据统计，90% 的候选药物过不了第一阶段的试验。

在这里，Google DeepMind 团队发布了 TxGemma，这是一组开源模型，旨在通过利用大型 语言模型 的强大功能来提高治疗开发的效率。

TxGemma 以之前发布的 Gemma（一组轻量级、先进的开源模型）为基础，经过专门训练，可以理解和预测整个发现过程中治疗实体的属性，从确定有希望的目标到帮助预测临床试验结果。这可以缩短从实验室到临床的时间，并降低与传统方法相关的成本。

TxGemma 使用 700 万个训练示例从 Gemma 2 进行微调，是专为预测和对话式治疗 数据分析 而设计的开源模型。这些模型有三种尺寸，每种尺寸都包含一个「预测」版本，专门针对从治疗数据共享中提取的狭窄任务进行量身定制，例如预测分子是否有毒。

这些任务包括：分类（例如，该分子是否会穿过血脑屏障）、回归（例如，预测药物的结合亲和力）、生成（例如，给定某些反应的产物，生成反应物集）。

开发人员和医学研究者可以根据自己的治疗数据和任务对 TxGemma 进行适配调整。

论文链接：https://storage.googleapis.com/research-media/txgemma/txgemma-report.pdf

与执行特定任务的模型不同，TxGemma 综合了来自不同来源的信息，从而能够广泛应用于整个治疗开发流程。

TxGemma 包括 2B、9B 和 27B 参数 模型，这些模型基于 Gemma-2 进行了微调，适用于小分子、蛋白质、核酸、疾病和细胞系的综合数据集。

图示：TxGemma 概述。（来源：论文）

高效的通用治疗 LLM

TxGemma 代表了治疗开发领域从任务特定型 人工智能 向高效通用模型的潜在转变。这些高效的 LLM（2B-27B 参数 ）为专业模型提供了有竞争力的替代方案，在广泛的预测和生成任务中实现了出色的性能。

在 TDC（Therapeutics Data Commons ）策划的 66 项治疗开发任务中，TxGemma Predict 在 64 项任务中的表现优于或接近最先进的通用模型（在 45 项任务中优于），在 50 项任务中的表现优于或接近最先进的专业模型（在 26 项任务中优于）。

图示：TxGemma-Predict 的性能与治疗属列表模型的比较。（来源：论文）

此外，与微调基础 Gemma-2 相比，对治疗下游任务（例如临床试验不良事件预测）微调 TxGemma 模型所需的训练数据较少，这使得 TxGemma 适合数据有限的应用。

除了这些预测能力之外，TxGemma 还具有对话模型，可以弥补一般 LLM 和专业属性预测器之间的差距。这些模型允许科学家和医学工作者以自然语言进行交互，为基于分子结构的预测提供机械推理，并参与科学讨论。例如，研究人员可以询问 TxGemma-Chat 为什么它预测某种分子有毒，并根据分子的结构获得解释。

通用治疗 Agent 系统

在此基础上，研究人员进一步推出了 Agentic-Tx，这是一个由 Gemini 2.0 提供支持的通用治疗 Agent 系统，可以推理、行动、管理各种工作流程并获取外部领域知识。Agentic-Tx 配备了 18 种工具，包括：TxGemma 作为多步推理工具；来自 PubMed、维基百科和网络的通用搜索工具；特定分子工具；基因和蛋白质工具。

图示：使用 Agentic-Tx 进行代理 规划 和执行的示例工作流程。（来源：论文）

Agentic-Tx 在 Humanity’s Last Exam 基准 （化学和生物学）上超越了当下领先的模型，与高级推理模型 o3-mini（high）相比提高了 9.8%，与 o1 相比提高了 17.9%。

在 ChemBench 上，TxGemma 表现出色，与 o3-mini (high) 相比，其性能提升了 5.6% (ChemBench-Preference) 和 1.1% (ChemBench-Mini)，与 o1 相比，其性能提升了 17.0% 和 4.3%。

发布模型的同时， DeepMind  还提供了一个微调示例 Colab 笔记本，演示了开发人员如何根据自己的治疗数据和任务调整 TxGemma。此笔记本使用 TrialBench 数据集来展示如何微调 TxGemma 以预测临床试验中的不良事件。

微调使研究人员能够利用其专有数据来创建适合其独特研究需求的模型，从而可能产生更准确的预测，帮助研究人员评估潜在新疗法的安全性或有效性。为更具挑战性的现实世界治疗应用中的治疗安全性和有效性铺平道路。

TxGemma 开源地址：

https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/txgemma?pli=1&invt=AbtNKA

https://huggingface.co/collections/google/txgemma-release-67dd92e931c857d15e4d1e87

相关内容：

https://x.com/Google DeepMind /status/1905274923980853412

https://developers.googleblog.com/en/introducing-txgemma-open-models-improving-therapeutics-development/