由 Kexin Huang 领导的研究人员报告，他们开发出了一种通用型生物医学人工智能智能体，后者能够自主执行一系列研究任务。作者在多项案例研究中对该工具进行了测试，结果显示其性能卓越；他们表示，其研究结果指向了“一个未来：AI 智能体与研究人员协同工作，加速从基础研究到转化应用的生物医学发现进程。”生物医学研究推动了对发病机制、诊断方法和治疗手段的发现；然而，日益复杂的工作流程、不断扩充的数据集、专业化的工具以及激增的文献资料等都使得人们难以充分利用现有的知识和资源。由于对专家级研究人员的需求超出了现有的人力资源，宝贵的数据和分析机会因此往往未能得到充分利用。这凸显了开发能够扩展专业能力并加速科学发现之手段的必要性。AI 智能体的开发为重塑生物医学研究的多个方面带来了机遇，尤其是当此类工具能够处理范围广泛的生物医学任务时。 Huang 和同事在此推出了 Biomni，这是一种能够挖掘生物医学文献以综合定义“行动空间”的 AI 智能体。该大语言模型还能同时成为规划引擎，解读用户请求并准备一系列多步骤子任务以满足用户请求。凭借这种方式，Biomni 可以在没有预设模板的情况下编排工作流程并给予执行。作者在多种生物医学基准测试中对 Biomni 进行了评估。他们还评估了它在若干任务中与人类相比的表现；结果发现，Biomni 始终能达到专家水平的准确度，但所需时间则大幅缩短。他们还在 5 个案例研究中测试了这一工具；这些研究涵盖了从分析可穿戴传感器数据到设计实验方案以协助从事实体实验的研究人员。作者指出，尽管 Biomni 的运行环境涵盖了广泛的生物医学工具和数据库，“但其所评估的任务仅代表该领域的一部分，关键领域还未得到探索。”他们表示，即便如此，通过将复杂的工作流程自动化，“Biomni 可让研究人员将精力重新投入到创造性的假设生成、进行实验创新及开展跨学科的合作。”