Undici tentativi, cinque modelli di frontiera, nessun dataset valido. È il punto di partenza di una ricerca che misura un fallimento sistematico: trasformare i protocolli di studio clinico in dataset pronti per l'analisi secondo gli standard CDISC resta un collo di bottiglia nelle submission regolatorie e i modelli linguistici, da soli, non lo superano. Il lavoro introduce GxP-Agent, un sistema multi-agente che codifica l'ordine del processo regolatorio in un grafo aciclico diretto (DAG) e decompone la generazione del dataset in quindici nodi di dominio, ciascuno eseguito da worker agent con contesto di competenze pharmaverse, gate di validazione e retry condizionale.

Il risultato più netto arriva da CDISC-Bench, un benchmark costruito a partire dalla submission pilota FDA CDISCPilot01, con 254 soggetti e 49 variabili ADSL di riferimento. Con Claude Sonnet 4.6, GxP-Agent raggiunge il 100% di corrispondenza strutturale in tre run indipendenti: 49 variabili su 49 e 254 record corretti. Il miglior baseline retrieval-augmented si ferma al 59,2%, mentre tutti gli approcci single-agent e multi-agent flat restano a zero. Non è una differenza marginale: è il passaggio da un output inutilizzabile a un dataset conforme.

La tesi del paper è che la topologia del processo, non il ragionamento del modello, è l'ingrediente decisivo. Lo dimostra il comportamento di GPT-4.1: sotto la stessa architettura DAG raggiunge in media il 59,2% di corrispondenza strutturale, mentre con ogni altra architettura ottiene zero. Lo stesso pattern si estende ad ADAE, il dominio degli eventi avversi, con un DAG ramificato a nove nodi, 55 variabili e 1.191 record: 100% di corrispondenza strutturale al primo tentativo.

Per chi legge in ottica di deployment, il punto non è quale modello sia migliore. La struttura a DAG sposta il controllo dall'abilità del singolo LLM alla progettazione del flusso. I gate di validazione diventano checkpoint verificabili, il retry condizionale limita le uscite fuori specifica e la decomposizione in nodi di dominio crea una traccia ispezionabile, requisito chiave in un ambiente GxP. È un segnale strutturale: nei domini regolati, la via per l'affidabilità passa per vincoli espliciti sul processo, non per prompt o contesti più ampi.

Questo ha implicazioni per chi opera in contesti farmaceutici o con dati clinici sensibili. Un'architettura di questo tipo può essere eseguita su stack locali o ibridi, mantenendo i dati e i controlli dentro i confini dell'organizzazione; la sorgente non specifica il contesto di deployment, ma il pattern è compatibile con esigenze di sovranità e audit. Allo stesso tempo, i vendor di soluzioni agentiche orizzontali senza conoscenza di dominio rischiano di perdere rilevanza in settori dove la conformità non è un'opzione. Per chi valuta deployment on-premise, AI-RADAR offre framework analitici su /llm-onpremise per misurare questi trade-off senza scorciatoie.

Resta una domanda aperta: quanto di questo successo dipende dalla qualità dei dati pilota FDA e quanto si generalizzerà a protocolli più eterogenei? Il paper non promette una soluzione universale, ma sposta il dibattito dal potenziamento del modello all'ingegneria del processo. In un settore dove un dataset sbagliato può bloccare una submission, è una distinzione che vale più di un benchmark.