GxP-Agent：基于DAG拓扑的可靠临床试验编程多智能体系统

临床试验编程是药物研发过程中至关重要的一环，其核心任务是将研究方案转化为符合CDISC（Clinical Data Interchange Standards Consortium）标准的分析就绪数据集。然而，这一过程长期被视为监管申报中的瓶颈环节。尽管大型语言模型（LLM）在代码生成方面展现出强大潜力，但在该高合规性要求的场景中却频频失效——最新研究表明，在对五种前沿模型进行的11次单次尝试中，无一能成功生成有效的受试者级分析数据集。

为解决这一挑战，arXiv于2026年5月发布了一项名为《GxP-Agent: Process-DAG Topology for Reliable Clinical Trial Programming with LLM Agents》的技术研究。该工作提出了一种创新的多智能体架构GxP-Agent，其核心思想并非依赖单一LLM的推理能力，而是将领域内的监管流程知识显式编码为有向无环图（Directed Acyclic Graph, DAG）拓扑结构。

具体而言，GxP-Agent将原本单一、复杂的临床数据集生成任务分解为15个领域特定的子任务节点，每个节点由具备“pharmaverse”技能上下文的专用工作智能体执行。整个流程嵌入了严格的验证门控机制和条件重试逻辑，确保每一步输出均符合GxP（Good Practice）规范要求。这种结构化设计有效规避了LLM在复杂、长链推理中常见的逻辑断裂与格式错误问题。

研究团队构建了一个名为CDISC-Bench的新基准，基于FDA试点提交项目CDISCPilot01，包含254名受试者和49个真实ADSL（Analysis Dataset for Subject-Level）变量。在该基准上，采用Claude Sonnet 4.6作为基础模型的GxP-Agent在三次独立运行中均实现了100%的结构匹配率（49/49变量正确，254条记录无误）。相比之下，表现最佳的检索增强基线方法仅为59.2%，而所有单智能体及扁平化多智能体方案均得分为0%。

更值得注意的是，该DAG拓扑架构显著提升了弱模型的表现力。例如，GPT-4.1在相同DAG框架下平均结构匹配率达59.2%，而在其他架构中始终为0%。这表明，任务流程的结构化编排比单纯依赖模型能力更为关键。此外，该方法已成功泛化至不良事件数据集（ADAE）生成任务，使用9节点分支DAG处理55个变量和1,191条记录，首次尝试即达成100%结构匹配。

这项研究揭示了一个重要范式转变：在高度规范化的专业领域，将领域知识以图结构形式嵌入系统架构，远比期待通用大模型“理解一切”更为可靠。GxP-Agent不仅为临床试验编程提供了可行的自动化解决方案，也为其他受严格监管行业的AI应用提供了可复用的设计思路——即通过过程工程（process engineering）而非仅靠模型升级来保障系统可靠性与合规性。