Biomni: универсальный биомедицинский ИИ-агент 81

小编 · 2025-06-26

Biomni — биомедицинский инструмент, разработанный Стэнфордским университетом, Genentech и другими организациями. Он способен автономно выполнять сложные исследовательские задачи в области генетики, геномики, микробиологии, фармакологии и клинической медицины. Сочетая логический вывод большой языковой модели с планированием на основе Retrieval-Augmented Generation (RAG), он извлекает из обширной литературы необходимые инструменты и данные и динамически компонentует их для выполнения исследовательских процессов. Тесты показали высокую эффективность в ряде биомедицинских задач, что обещает повысить эффективность исследований и ускорить клиническое применение.

Biomni: универсальный биомедицинский ИИ-агент

Biomni — это биомедицинский инструмент, разработанный совместно Стэнфордским университетом, Genentech и другими учреждениями. Он способен автономно выполнять сложные исследовательские задачи в таких областях, как генетика, геномика, микробиология, фармакология и клиническая медицина. Система сочетает рассуждения на основе больших языковых моделей и планирование с расширенным поиском, извлекая необходимые инструменты и данные из огромного массива литературы и динамически комбинируя их для выполнения исследовательских процессов. Тестирование показало, что система демонстрирует выдающиеся результаты в ряде биомедицинских задач и может повысить эффективность научных исследований, а также способствовать развитию клинических приложений.

F1.medium.jpg

Основные компоненты Biomni:

Biomni состоит из двух частей: Biomni-E1 (унифицированная среда программного обеспечения и данных) и Biomni-A1 (агент на основе среды):
Biomni-E1: объединяет 150 профессиональных инструментов, 105 программных пакетов и 59 баз данных, при этом все ресурсы проверены вручную. Например, он подключается к сетевым API таких баз данных, как PDB и OpenTarget, а также загружает часть данных в локальное озеро данных и преобразует их в структурированный формат.
Biomni-A1: использует три ключевые технологии — отбор инструментов на основе большой языковой модели, код в качестве универсального интерфейса выполнения и адаптивную стратегию планирования. Он поддерживает динамический вызов настраиваемых ресурсов, формирование сложных рабочих процессов (таких как циклы и параллельные операции), а также способен непрерывно оптимизировать план исследования на основе биомедицинских знаний.

Показатели производительности

Тесты: в экзамене Human Last Exam (HLE) точность достигает 17,3%, что значительно превышает базовый показатель большой языковой модели в 6,0%; в задачах ответов на вопросы по базам данных LAB-Bench (DbQA) точность составляет 74,4%, что сопоставимо с уровнем экспертов-людей (74,7%); в задачах ответов на вопросы по последовательностям (SeqQA) точность достигает 81,9%, превышая результат человека в 78,8%.
Практические задачи: в 8 типах задач, включая приоритизацию вариантов и перепрофилирование лекарств, производительность по сравнению с базовой большой языковой моделью повысилась на 402,3%, что существенно превосходит аналогичные инструменты.

Примеры применения

Анализ данных носимых устройств: проанализированы 458 наборов данных с датчиков, обнаружено среднее повышение температуры тела после еды на 2,19 °C, а также выявлены индивидуальные различия в метаболизме.
Мультиомиксные исследования: обработано более 330 000 последовательностей, проверены известные взаимосвязи в регуляции генов и обнаружены новые транскрипционные факторы, такие как AUTS2.
Проектирование экспериментов: в задачах клонирования генов точность сгенерированных экспериментальных протоколов достигает уровня экспертов-людей. При реальных лабораторных операциях клонирование было успешно выполнено в соответствии с предложенным протоколом, а результаты секвенирования полностью совпали с ожидаемыми.