BioInsight: Multi-Agent-Orchestrierung für die interaktive biomedizinische Wissensentdeckung

Zusammenfassung

Biomedizinische Forscher nutzen zunehmend KI-generierte Analysen und Berichte zur Interpretation von Signalen auf Proteinebene. Allerdings sind statische Ausgaben oft unzureichend für forschungsbasierte Entscheidungsprozesse, bei denen Benutzer Belege prüfen, Unsicherheiten bewerten, Mechanismen vergleichen und Hypothesen verfeinern müssen. Wir stellen BioInsight vor, ein Multi-Agenten-System, das von der statischen biomedizinischen Berichterstellung zur interaktiven, evidenzzentrierten Generierung von Benutzerschnittstellen übergeht. Auf Basis eines Krankheitsnamens, einer Proteinassoziationstabelle und optionaler Kohorten-Metadaten organisiert BioInsight krankheitsspezifische Evidenzen durch typisierte Zwischenartefakte, darunter geordnete Signalwege, Literaturbelegpakete, Notizen zur Argumentation auf Proteinebene, zitationsgestützte Berichte, Dashboard-Schemata sowie gerenderte interaktive Schnittstellen. Das System trennt den Evidenzabruf von der mechanistischen Argumentation, normalisiert Zitationen über deterministische Komponenten und wandelt die gleiche strukturierte Evidenz, die im Bericht verwendet wird, in eine interaktive Schnittstelle um. Wir evaluieren BioInsight anhand standardisierter biomedizinischer Frage-Antwort-Aufgaben, anspruchsvoller Protein-Funktions-Argumentation sowie durchgängiger biomedizinischer Evidenzsynthese. Die Ergebnisse zeigen, dass BioInsight die besten Leistungen erzielt, und legen nahe, dass biomedizinische KI-Systeme über rein textbasierte und statische Berichte hinausgehen sollten hin zu herkunftssichernden, interaktiven Evidenzartefakten.

English

Biomedical researchers increasingly use AI-generated analyses and reports to interpret protein-level signals, but static outputs are often insufficient for research decision-making, where users need to inspect evidence, assess uncertainty, compare mechanisms, and refine hypotheses. We present BioInsight, a multi-agent system that moves from static biomedical report generation to interactive evidence-centered interactive interface generation. Given a disease name, a protein association table, and optional cohort metadata, BioInsight organizes disease-specific evidence through typed intermediate artifacts, including ranked pathways, literature evidence packets, protein-level reasoning notes, citation-grounded reports, dashboard schemas, and rendered interactive interfaces. The system decomposes evidence retrieval from mechanistic reasoning, normalizes citations through deterministic components, and converts the same structured evidence used in the report into an interactive interface. We evaluate BioInsight on standardized biomedical QA, challenging protein-function reasoning, and end-to-end biomedical evidence synthesis. Results show that BioInsight achieves best, and suggest that biomedical AI systems should move beyond text-only and static reports toward provenance-preserving, interactive evidence artifacts.