بيومني: وكيل ذكاء اصطناعي ثوري يُحدث نقلة نوعية في الأبحاث الطبية الحيوية

بيومني: وكيل ذكاء اصطناعي يُحدث ثورة في الأبحاث الطبية الحيوية

يُعَدّ مجال البحث الطبي الحيوي مجالاً سريع التطور يسعى إلى النهوض بصحة الإنسان من خلال الكشف عن آليات الأمراض، وتحديد أهداف علاجية جديدة، وتطوير علاجات فعالة. ويشمل هذا المجال مجالات متنوعة، بما في ذلك علم الوراثة، والأحياء الجزيئية، وعلم الأدوية، والدراسات السريرية، والتي تتطلب أدوات متخصصة وخبرة متعمقة. وقد أوجدت التعقيدات المتزايدة للبيانات، والتجارب، والأدبيات الطبية الحيوية فرصاً وتحديات على حد سواء. فالباحثون بحاجة إلى دمج النتائج من علم الجينوم، وعلم البروتينات، ومصادر البيانات الأخرى، لتوليد فرضيات، وتصميم التجارب، وتفسير النتائج. إن القدرة على إدارة هذا التعقيد بكفاءة أمر بالغ الأهمية لتسريع الاكتشافات العلمية وترجمة النتائج إلى تطبيقات سريرية.

التحديات الرئيسية في الأبحاث الطبية الحيوية

تتمثل التحديات الأساسية في الأبحاث الطبية الحيوية في الكم الهائل من البيانات، والأساليب، والأدوات التي يجب إدارتها لإنتاج نتائج ذات مغزى. غالباً ما يواجه الباحثون سير عمل مجزأ، ويعتمدون على العديد من الأدوات المتخصصة التي لا تتكامل بشكل جيد مع بعضها البعض. وهذا يخلق نقاط اختناق عند محاولة تصميم التجارب، أو معالجة مجموعات البيانات الضخمة، أو تفسير المعلومات الطبية الحيوية متعددة الوسائط. يزداد الأمر سوءاً بسبب محدودية توافر الباحثين البشريين الخبراء، مما يجعل من الصعب مواكبة الكم المتزايد من المعرفة العلمية. ونتيجة لذلك، تظل أجزاء كبيرة من البيانات الطبية الحيوية غير مستخدمة، وغالبًا ما تُفوت الروابط بين النتائج عبر مختلف المجالات الفرعية.

بيومني: حلٌّ مبتكر للتحديات القائمة

يتطلب معالجة هذه الشواغل نهجاً جديداً يمكنه توسيع نطاق الخبرة، ومعالجة تعقيد البيانات، ودعم سير العمل المتكامل عبر مختلف المجالات الطبية الحيوية. غالباً ما تركز الأدوات الحالية للبحث الطبي الحيوي على مهام محدودة، مثل تحليل جين محدد، أو التنبؤ بهيكل البروتين، أو دراسات تفاعل الدواء مع الهدف. تتطلب هذه الأدوات إعداداً دقيقاً، ومعرفة متخصصة في المجال، ودمجاً يدوياً في سير عمل أوسع نطاقاً. بينما أظهرت نماذج اللغات الكبيرة (LLMs) وعداً في مهام مثل الإجابة على الأسئلة الطبية الحيوية، إلا أنها لا تستطيع عادةً التفاعل مع الأدوات أو قواعد البيانات المتخصصة مباشرة. وقد اعتمدت الجهود السابقة لإنشاء وكلاء ذكاء اصطناعي للمهام الطبية الحيوية على سير عمل أو قوالب محددة مسبقاً، مما يحد من مرونتها. وبالتالي، عانى الباحثون من صعوبة في إيجاد أنظمة ذكاء اصطناعي يمكنها التكيف مع المهام الطبية الحيوية المتنوعة، أو تكوين سير عمل جديدة ديناميكياً، أو تنفيذ تحليلات معقدة من البداية إلى النهاية.

بنية بيومني ووظائفه

قدّم باحثون من جامعة ستانفورد، وجينينتيك، ومعهد أرك، وجامعة واشنطن، وجامعة برينستون، وجامعة كاليفورنيا في سان فرانسيسكو، بيومني، وهو وكيل ذكاء اصطناعي طبي حيوي عام الغرض. يجمع بيومني بين بيئة طبية حيوية أساسية، (Biomni-E1)، وهيكلة متقدمة لتنفيذ المهام، (Biomni-A1). تم بناء Biomni-E1 من خلال استخراج عشرات الآلاف من المنشورات الطبية الحيوية عبر 25 مجالاً فرعياً، واستخراج 150 أداة متخصصة، و 105 حزمة برمجية، و 59 قاعدة بيانات، لتشكيل مساحة عمل طبية حيوية موحدة. يقوم Biomni-A1 باختيار الأدوات ديناميكياً، وصياغة الخطط، وتنفيذ المهام من خلال إنشاء وتشغيل التعليمات البرمجية، مما يسمح للنظام بالتكيف مع المشكلات الطبية الحيوية المتنوعة. يسمح هذا التكامل بين المنطق، والتنفيذ القائم على التعليمات البرمجية، واختيار الموارد لـ بيومني بأداء مجموعة واسعة من المهام بشكل مستقل، بما في ذلك تحليلات المعلومات الحيوية، وتوليد الفرضيات، وتصميم البروتوكولات.

على عكس نماذج استدعاء الوظائف الثابتة، يسمح هيكل بيومني بدمج تنفيذ التعليمات البرمجية، واستعلام البيانات، واستدعاء الأدوات بشكل مرن، مما يخلق خط أنابيب سلس لسير العمل الطبية الحيوية المعقدة. يستخدم Biomni-A1 آلية اختيار أدوات تعتمد على نماذج اللغات الكبيرة (LLM) لتحديد الموارد ذات الصلة بناءً على أهداف المستخدم. يُطبق التعليمات البرمجية كواجهة عالمية لتركيب سير عمل معقدة مع منطق إجرائي، بما في ذلك الحلقات، والتعامد، والخطوات الشرطية. تُمكّن استراتيجية التخطيط التكيفي بيومني من صقل الخطط بشكل متكرر أثناء تنفيذ المهام، مما يضمن سلوكاً واعياً بالسياق ومتجاوباً.

تقييم أداء بيومني

تم تقييم أداء بيومني بدقة من خلال معايير متعددة. في مقياس LAB-Bench، حقق بيومني دقة 74.4٪ في DbQA و 81.9٪ في SeqQA، متفوقاً على الخبراء البشريين (74.7٪ و 78.8٪ على التوالي). في مقياس HLE الذي يغطي 14 مجالاً فرعياً، سجل بيومني 17.3٪، متفوقاً على نماذج اللغات الكبيرة الأساسية بنسبة 402.3٪، ووكلاء الترميز بنسبة 43.0٪، ومتغيره الخاص المُقَطَع بنسبة 20.4٪.

أظهرت دراسات الحالة الواقعية قدرة بيومني على توليد خطوط أنابيب من 10 خطوات لتحليل 458 ملفاً من أجهزة استشعار قابلة للارتداء بشكل مستقل، وكشف عن زيادة في درجة الحرارة بعد الوجبة بنسبة 2.19 درجة مئوية عبر الأفراد. كما حلل 227 ليلة من بيانات النوم، واكتشف رؤى مثل الذروات في منتصف الأسبوع في كفاءة النوم وأهمية الانتظام اليومي على إجمالي مدة النوم.

تتعدى قدرة بيومني على معالجة أسئلة البحث الواقعية إلى التحليلات متعددة العلوم، حيث قام بمعالجة أكثر من 336,000 ملف تعريف لـ RNA-seq أحادي النواة و ATAC-seq من بيانات الهيكل العظمي الجنيني البشري. قام بيومني ببناء خط أنابيب تحليل من 10 مراحل للتنبؤ بالروابط بين عامل النسخ وجين الهدف، وفلترة النتائج باستخدام بيانات إمكانية الوصول إلى الكروماتين، وتلخيص النتائج في تقرير منظم. تعامل الوكيل مع جميع جوانب التحليل، بما في ذلك توليد التعليمات البرمجية، و تصحيح الأخطاء، وتفسير النتائج، وإنتاج مخرجات مثل مخططات المسار، وخرائط الحرارة، ورسوم بيانية مكونة من مكونات رئيسية. تُظهر هذه القدرات قدرة بيومني على إدارة مجموعات البيانات واسعة النطاق ومتعددة الوسائط، وتحديد الأنماط البيولوجية، وتسريع المسار من البيانات الخام إلى الفرضيات القابلة للاختبار.

النقاط الرئيسية

• يتألف Biomni-E1 من 150 أداة متخصصة و 105 حزمة برمجية و 59 قاعدة بيانات، كلها متكاملة للبحث الطبي الحيوي.
• متوسط زيادة أداء بيومني: 402.3٪ مقارنة بنماذج اللغات الكبيرة الأساسية، و 43.0٪ مقارنة بوكلاء الترميز، و 20.4٪ مقارنة بـ Biomni-ReAct.
• نفذ بيومني بشكل مستقل خط أنابيب من 10 خطوات لتحليل 458 ملفاً من أجهزة استشعار قابلة للارتداء، وكشف عن زيادة في متوسط درجة الحرارة بعد الوجبة بنسبة 2.19 درجة مئوية.
• في مقياس LAB-Bench، حقق بيومني دقة 74.4٪ في DbQA و 81.9٪ في SeqQA، متفوقاً على الخبراء البشريين.
• تعامل بيومني مع مجموعة بيانات متعددة العلوم معقدة تضم 336,162 ملف تعريف، وولد مخرجات قابلة للتفسير، بما في ذلك شبكات تنظيم الجينات وتحليلات إثراء النمط.
• يتضمن متوسط تنفيذ المهمة 6-24 خطوة، باستخدام ما يصل إلى 4 أدوات، و 8 حزم برمجية، و 3 عناصر من بحيرة البيانات.
• يسمح الهيكل المرن لـ بيومني بتوليد مخططات مكونة من مكونات رئيسية، وخرائط حرارة، ومخططات مسار، وخرائط مجموعات بشكل مستقل، مما ينتج تقارير قابلة للقراءة من قبل الإنسان دون تدخل يدوي.

الخلاصة

يمثل بيومني خطوة كبيرة إلى الأمام في مجال ذكاء اصطناعي طبي حيوي، حيث يجمع بين المنطق، وتنفيذ التعليمات البرمجية، والتكامل الديناميكي للموارد في نظام واحد. أظهر الباحثون أنه يمكنه التعميم عبر المهام، وتنفيذ سير عمل معقدة دون قوالب يدوية، وإنتاج نتائج تتنافس مع الخبرة البشرية أو تتجاوزها في العديد من المجالات. تشير قدرة النظام على معالجة مجموعات البيانات الضخمة، وتركيب خطوط الأنابيب المعقدة، وتوليد تقارير قابلة للقراءة من قبل الإنسان إلى أنه لديه القدرة على تسريع الاكتشافات الطبية الحيوية بشكل كبير، وتقليل العبء على الباحثين، وتمكين رؤى جديدة.

المصدر: MarkTechPost