BioInsight : Orchestration multi-agents pour la découverte interactive de connaissances biomédicales

Résumé

Les chercheurs biomédicaux utilisent de plus en plus des analyses et des rapports générés par l'IA pour interpréter les signaux au niveau des protéines, mais les sorties statiques sont souvent insuffisantes pour la prise de décision en recherche, où les utilisateurs doivent inspecter les preuves, évaluer l'incertitude, comparer les mécanismes et affiner les hypothèses. Nous présentons BioInsight, un système multi-agent qui passe de la génération statique de rapports biomédicaux à la génération interactive centrée sur les preuves d'interfaces interactives. Étant donné un nom de maladie, une table d'association protéique et des métadonnées de cohorte optionnelles, BioInsight organise les preuves spécifiques à la maladie via des artefacts intermédiaires typés, incluant des voies classées, des paquets de preuves issues de la littérature, des notes de raisonnement au niveau des protéines, des rapports fondés sur des citations, des schémas de tableau de bord et des interfaces interactives rendues. Le système dissocie l'extraction des preuves du raisonnement mécanistique, normalise les citations via des composants déterministes, et convertit les mêmes preuves structurées utilisées dans le rapport en une interface interactive. Nous évaluons BioInsight sur des questions-réponses biomédicales standardisées, un raisonnement difficile sur la fonction des protéines, et une synthèse de preuves biomédicales de bout en bout. Les résultats montrent que BioInsight atteint les meilleures performances, et suggèrent que les systèmes d'IA biomédicaux devraient dépasser les rapports purement textuels et statiques pour se tourner vers des artefacts de preuves interactifs et préservant la provenance.

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.