Un equipo de investigadores dirigido por Kexin Huang presenta el desarrollo de un agente de inteligencia artificial biomédica de uso general capaz de realizar de forma autónoma diversas tareas de investigación. Los autores probaron su herramienta en diversos estudios de caso, en los que mostró un rendimiento sólido, y afirman que sus resultados apuntan «hacia un futuro en el que los agentes de IA trabajen junto a investigadores humanos para acelerar los descubrimientos biomédicos, desde la investigación básica hasta su aplicación traslacional». La investigación biomédica impulsa descubrimientos sobre los mecanismos de las enfermedades, el diagnóstico y las terapias, pero los flujos de trabajo cada vez más complejos, los conjuntos de datos en expansión, las herramientas especializadas y una bibliografía en rápido crecimiento dificultan el pleno aprovechamiento de los conocimientos y recursos disponibles. Como consecuencia, a menudo se infrautilizan datos valiosos y oportunidades de análisis, ya que la demanda de investigadores expertos supera la disponibilidad de personal cualificado. Esto pone de relieve la necesidad de enfoques que permitan ampliar el alcance de los conocimientos especializados y acelerar los descubrimientos. El desarrollo de agentes de IA ofrece oportunidades para transformar ciertos aspectos de la investigación biomédica, especialmente si estas herramientas pueden abordar una amplia gama de tareas biomédicas.
En este trabajo, Huang y sus colegas presentan Biomni, un agente de IA que explora la literatura biomédica para definir «espacios de acción» exhaustivos. El modelo de lenguaje de gran tamaño también actúa como motor de planificación: interpreta la solicitud del usuario y prepara una serie de subtareas en varios pasos para responder a dicha solicitud. De este modo, Biomni puede diseñar y ejecutar flujos de trabajo sin necesidad de plantillas predefinidas. Los autores evaluaron Biomni con diversos bancos de pruebas biomédicos. También evaluaron su rendimiento en comparación con el de los seres humanos en varias tareas, y observaron que Biomni igualaba de forma sistemática la precisión de los expertos, al tiempo que requería mucho menos tiempo. También probaron la herramienta en cinco estudios de caso, que iban desde el análisis de datos de sensores portátiles hasta el diseño de protocolos de laboratorio para ayudar a los investigadores experimentales. Los autores señalan que, aunque el entorno de Biomni abarca una amplia gama de herramientas y bases de datos biomédicas, «las tareas evaluadas representan solo un subconjunto del campo y aún quedan ámbitos clave por explorar». Con todo, afirman que, al automatizar flujos de trabajo complejos, «Biomni permite a los investigadores reorientar sus esfuerzos hacia la generación creativa de hipótesis, la innovación experimental y la colaboración interdisciplinar».
