본 논문은 약물-표적 상호작용(DTI) 예측을 위한 다중 에이전트 대규모 언어 모델(LLM) 시스템인 DrugAgent를 제시한다. DrugAgent는 조정자 기반 아키텍처를 DTI 영역에 적용하고, 머신러닝 예측, 지식 그래프, 문헌 증거 등의 도메인 특정 데이터 소스를 통합하며, 투명한 DTI 추론을 위해 Chain-of-Thought(CoT)와 ReAct(Reason+Act) 프레임워크를 통합한다. 키나제 억제제 데이터셋을 사용한 실험 결과, DrugAgent는 비추론 기반 다중 에이전트 모델(GPT-4o mini)보다 F1 점수에서 45% 향상된 성능(0.514 vs 0.355)을 보였다. ablation study를 통해 각 에이전트의 기여도를 분석하였으며, AI 에이전트가 가장 큰 영향을 미치는 것으로 나타났다. DrugAgent는 다양한 출처의 증거를 결합하여 상세하고 사람이 이해할 수 있는 추론을 제공하여, 임상 의사결정 및 규제 준수에 필수적인 예측의 근거를 이해하는 데 중요한 역할을 한다.
