ATHENA-R1：用於治療決策推理的 AI 智能體，涵蓋全美 FDA 核准藥物資料庫

研究團隊推出 ATHENA-R1，這是一個專為治療決策推理設計的 AI 智能體，涵蓋自 1939 年以來所有美國 FDA 核准的藥物。該系統透過強化學習在 212 個生物醫學工具上進行訓練，具備逐步識別缺失資訊、選擇並執行相關工具以及整合證據的能力，以處理包含疾病背景、共病症、用藥及禁忌症等多維度資訊的複雜治療情境。

在訓練方法上，團隊建立了一個兩層級的自我學習框架：首先利用多代理系統（multi-agent systems）構建工具、任務與推理軌跡以進行監督式微調，隨後透過帶有科學反饋獎勵的強化學習來優化推理品質，確保證據蒐集、工具使用的紮實性以及邏輯上的非冗餘性。此方法無需依賴人工標註的軌跡即可訓練系統。

在效能評估方面，ATHENA-R1 在包含 3,168 個藥物推理任務與 456 個病患治療案例的五個基準測試中，表現優於語言模型與工具使用系統。其開放式藥物推理準確率達到 94.7%，治療推理準確率為 82.9%，分別比 GPT-5 高出 17.8 點與 10.7 點。在由 28 個罕見疾病組織專家進行的盲測評估中，該系統在所有標準上均獲選優於參考模型，且醫師對其在複雜住院心臟病與傳染病案例中的表現給予正面評價。

針對安全性驗證，系統生成的不良事件假說在 540 萬名病患的電子健康紀錄中進行測試，顯示調整後的比值比（adjusted odds ratios）介於 1.48 至 1.84 之間，且在陰性對照組中未出現升高的情況。研究指出，治療推理因需先確定應尋求的證據才能下結論，長期以來對 AI 而言極具挑戰，但本研究證明可將其重新構建為可學習的迭代證據蒐集過程，並透過強化學習訓練 AI 執行此任務。