新たなAIシステムが生物医学研究のワークフロー自動化を促進

Kexin Huangを筆頭とする研究者らが、一連の研究タスクを自律的に実行できる汎用生物医学人工知能エージェントの開発を報告している。様々なケーススタディでこのツールを検証したところ、優れた性能が示され、これらの結果は「AIエージェントが人間の研究者と共に働き、基礎研究から橋渡しまでの生物医学的発見を加速させる未来」を指し示している、と著者らは述べている。生物医学研究は、病気のメカニズムや診断法、治療法における発見をもたらすが、ワークフローはますます複雑になり、データセットは膨大になり、ツールは専門化し、文献は急増していることから、得られた知識やリソースを十分に活用することが困難になっている。結果として、熟練した研究者に対する需要が、投入可能な労働力を上回っているため、往々にして貴重なデータや分析機会が十分に利用されていない。高い専門性にも対応し発見を加速させることのできるアプローチが必要であることが浮き彫りになっている。AIエージェントの開発は、こうしたツールが幅広い生物医学タスクに対処できる場合は特に、生物医学研究の状況を変える好機をもたらすものである。

今回、Huangらは、生物医学文献のマイニングを行い包括的な「行動空間（action space）」を定めるAIエージェントであるBiomniを紹介している。この大規模言語モデルは、エンジンを計画立案し、ユーザーの要求を解釈し、その要求を満たすための一連の多段階のサブタスクを整備する役割も果たす。そうすることでBiomniは、事前設定されたテンプレートがなくても、ワークフローを組み立てて実行することができる。著者らは、様々な生物医学ベンチマークに照らしてBiomniを検証した。また、複数のタスクにわたりその性能を人間と比較し評価したところ、Biomniは一貫して専門家の精度に匹敵し、その所要時間は人間よりも大幅に短かった。さらに、ウェアラブル・センサーのデータ解析からウェットラボの研究者を支援するための実験プロトコルの設計まで、5つのケーススタディでもこのツールを検証した。著者らは、Biomniの環境は広範な生物医学ツールおよびデータベースに及ぶが、「評価したタスクは一部の分野のみであって、主要な領域については未探索のままである」と述べている。そうであっても、複雑なワークフローの自動化により、「Biomniは、研究者らが創造的な仮説の生成や実験の革新、学際的な協力に労力を回せるようにしている」と著者らは述べている。