Biomni: универсальный биомедицинский агент на основе ИИ

Biomni: A General-Purpose Biomedical AI Agent
Aviv Regev, Xin‐Fu Zhou, Yingzhou Lu, Junze Zhang, M Snyder, Jure Leskovec, Matthew T. Wheeler, Le Cong, Kexin Huang, Shruti Marwaha, Jonathan A. Bernstein, Hanchen Wang, Jingtian Zhou, Yusuf Roohani, Yuanhao Qu, Di Yin, Serena Zhang, Ryan J. Li, Lin Qiu, G. L. Li, Jennefer N. Carter, Mengdi Wang, Peng He
2025-06-02

Biomniрассуждение LLM и выполнение на основе кодаагент обнаружения действийбиомедицинский ИИ-агентпланирование с усиленным извлечением (retrieval-augmented planning)
Биомедицинские исследования лежат в основе прогресса в понимании человеческого здоровья и болезней, разработки лекарств и клинической помощи. Однако рост сложности лабораторных экспериментов, объёма данных, числа аналитических инструментов и обширной литературы делает биомедицинские исследования всё более ограниченными повторяющимися и фрагментированными рабочими процессами, что замедляет открытия и ограничивает инновации, подчёркивая необходимость принципиально нового способа масштабирования научной экспертизы. В настоящей работе мы представляем Biomni, универсальный биомедицинский агент ИИ, разработанный для автономного выполнения широкого спектра исследовательских задач в различных биомедицинских поддисциплинах. Для систематического отображения пространства биомедицинских действий Biomni сначала использует агент обнаружения действий для создания первой унифицированной агентной среды — извлекая ключевые инструменты, базы данных и протоколы из десятков тысяч публикаций по 25 биомедицинским областям. На этой основе Biomni реализует универсальную агентную архитектуру, интегрирующую рассуждения большой языковой модели (LLM) с планированием с дополняющим поиском и выполнением через код, что позволяет динамически составлять и выполнять сложные биомедицинские рабочие процессы — полностью без опоры на заранее заданные шаблоны или жёсткие последовательности задач. Систематическое бенчмаркинг-тестирование демонстрирует, что Biomni обеспечивает сильную обобщаемость по разнородным биомедицинским задачам — включая приоритизацию причинных генов, репозиционирование лекарств, диагностику редких заболеваний, анализ микробиома и молекулярное клонирование — без какой-либо настройки подсказок для конкретных задач. Примеры из реального мира дополнительно демонстрируют способность Biomni интерпретировать сложные мультимодальные биомедицинские наборы данных и автономно генерировать экспериментально проверяемые протоколы. Biomni представляет будущее, в котором виртуальные ИИ-биологи работают наряду с учёными и дополняют их, значительно повышая производительность исследований, клиническую проницательность и качество здравоохранения. Biomni доступен по адресу https://biomni.stanford.edu; мы приглашаем учёных изучать его возможности, испытывать его пределы и совместно создавать новую эпоху биомедицинских открытий.
1
Агент обнаружения действий использовался для создания единой агентной среды путём извлечения ключевых инструментов, баз данных и протоколов из десятков тысяч публикаций по 25 биомедицинским доменам.
2
Biomni — универсальный биомедицинский ИИ-агент, который автономно выполняет широкий спектр исследовательских задач в различных биомедицинских областях.
3
Архитектура Biomni сочетает рассуждение на базе больших языковых моделей с планированием, усиленным поиском, и выполнением кода, что позволяет динамически составлять и выполнять сложные биомедицинские рабочие процессы без предопределённых шаблонов.
4
Реальные кейс-исследования демонстрируют, что Biomni может интерпретировать сложные мультимодальные биомедицинские данные и автономно генерировать экспериментально проверяемые протоколы.
5
Систематическое бенчмаркинг-проверка показывает, что Biomni хорошо обобщается на гетерогенные биомедицинские задачи (приоритизация причинных генов, репурпозинг лекарств, диагностика редких болезней, анализ микробиома, молекулярное клонирование) без настройки подсказок для конкретных задач.

Biomni — универсальный биомедицинский AI-агент и его объединённая агентная среда для выполнения биомедицинских исследовательских задач

Автономная компоновка и выполнение разнообразных биомедицинских рабочих процессов (включая обнаружение действий, рассуждение на базе LLM, планирование с поддержкой поиска информации и выполнение через код) для обобщения на задачи, такие как приоритизация генов, репозиционирование лекарств, диагностика редких заболеваний, анализ микробиома и молекулярное клонирование

Publication Details
Publication Date
2025-06-02
Journal
Publisher
ISSN
Cited by
118
Access Type
Author Information
Authors
Aviv Regev
Xin‐Fu Zhou
Yingzhou Lu
Junze Zhang
M Snyder
Jure Leskovec
Matthew T. Wheeler
Le Cong
Kexin Huang
Shruti Marwaha
Jonathan A. Bernstein
Hanchen Wang
Jingtian Zhou
Yusuf Roohani
Yuanhao Qu
Di Yin
Serena Zhang
Ryan J. Li
Lin Qiu
G. L. Li
Jennefer N. Carter
Mengdi Wang
Peng He
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%