摘要
Agentic研究系统作为一种新兴范式，超越了孤立的模型推理、代码生成或统计分析，旨在协调科学工作流程。然而，在机构生物医学环境中的部署需要治理机制来支持研究规划、数据访问、工作流程编排、证据追踪、可重复性和人类监督。
我们提出了NVAITC AI科学家（NAIS），这是一个治理的端到端agentic研究系统，旨在支持领域通用的科学工作流程，同时将受保护的数据保持在机构隐私边界内。NAIS集成了提案审查、执行规划、治理计算路由、可重复工作流程编排、证据生成和科学家参与的监督。
我们在一项真实的高血压全基因组关联研究（GWAS）中验证了NAIS，使用来自286,422名个体的医院关联基因型和电子健康记录（EHR）数据，遵循仅聚合的数据政策。该agent计划了队列提取，编排了GWAS执行，生成了质量控制摘要，并起草了以发表为导向的输出。人类与AI的审查识别了表型差异，并实现了高血压定义的迭代优化。在调和后，agent编排的GWAS重现了已知的高血压基因位点，包括FGF5、ATP2B1、CNNM2、FTO和GRB14，其中FGF5的信号强度达到$- ext{log}_{10}(p) ext{ } ext{sim} ext{ } 70$。
作为二次示范，NAIS还支持了一项药物诱导的肝损伤预测工作流程，达到了多模态图神经网络AUC为0.842。这些结果表明，治理的agentic研究系统能够支持可扩展的AI辅助生物医学发现，同时产生与专家主导工作流程可比拟的输出。
博主点评： NVAITC AI科学家展示了AI在生物医学研究中的巨大潜力，通过自动化与人类专家的结合，提升了研究效率与质量。这一系统的成功实施，标志着科学研究模式的根本变革，值得关注和借鉴。