BioInsight: Multi-Agent Orkestratie voor Interactieve Biomedische Kennisondekking

Samenvatting

Biomedische onderzoekers maken steeds vaker gebruik van AI-gegenereerde analyses en rapporten om signalen op eiwitniveau te interpreteren, maar statische uitvoer is vaak ontoereikend voor onderzoeksbesluitvorming, waarbij gebruikers bewijs moeten inspecteren, onzekerheid moeten beoordelen, mechanismen moeten vergelijken en hypothesen moeten verfijnen. Wij presenteren BioInsight, een multi-agentsysteem dat verschuift van statische biomedische rapportgeneratie naar interactieve, bewijsgerichte interfacegeneratie. Gegeven een ziektnaam, een eiwitassociatietabel en optionele cohortmetagegevens, organiseert BioInsight ziektespecifiek bewijs door middel van getypeerde tussenliggende artefacten, waaronder gerangschikte signaalroutes, literatuurbewijspakketten, redeneernotities op eiwitniveau, citatiegebaseerde rapporten, dashboardschema's en gerenderde interactieve interfaces. Het systeem scheidt bewijsvergaring van mechanistisch redeneren, normaliseert citaties via deterministische componenten en zet dezelfde gestructureerde bewijsvoering die in het rapport wordt gebruikt om in een interactieve interface. We evalueren BioInsight op gestandaardiseerde biomedische vraagbeantwoording, uitdagende eiwitfunctie-redenering en end-to-end biomedische bewijssynthese. Resultaten tonen aan dat BioInsight de beste prestaties levert en suggereren dat biomedische AI-systemen verder moeten gaan dan tekst-only en statische rapporten, richting herkomstbehoudende interactieve bewijsartefacten.

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.