BioInsight: Orquestación Multi-Agente para el Descubrimiento Interactivo de Conocimiento Biomédico

Resumen

Los investigadores biomédicos utilizan cada vez más análisis e informes generados por IA para interpretar señales a nivel de proteínas, pero los resultados estáticos suelen ser insuficientes para la toma de decisiones en investigación, donde los usuarios necesitan inspeccionar evidencia, evaluar incertidumbre, comparar mecanismos y refinar hipótesis. Presentamos BioInsight, un sistema multiagente que pasa de la generación estática de informes biomédicos a la generación interactiva centrada en la evidencia. Dado un nombre de enfermedad, una tabla de asociaciones proteicas y metadatos de cohorte opcionales, BioInsight organiza la evidencia específica de la enfermedad a través de artefactos intermedios tipificados, que incluyen vías clasificadas, paquetes de evidencia de la literatura, notas de razonamiento a nivel de proteínas, informes fundamentados en citas, esquemas de paneles de control e interfaces interactivas renderizadas. El sistema descompone la recuperación de evidencia del razonamiento mecanicista, normaliza las citas mediante componentes deterministas y convierte la misma evidencia estructurada utilizada en el informe en una interfaz interactiva. Evaluamos BioInsight en preguntas biomédicas estandarizadas, razonamiento desafiante sobre funciones proteicas y síntesis de evidencia biomédica de extremo a extremo. Los resultados muestran que BioInsight alcanza los mejores resultados y sugieren que los sistemas biomédicos de IA deberían avanzar más allá de los informes solo textuales y estáticos hacia artefactos de evidencia interactivos que preserven la procedencia.

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.