BioInsight: Orquestração Multiagente para Descoberta Interativa de Conhecimento Biomédico

Resumo

Pesquisadores biomédicos utilizam cada vez mais análises e relatórios gerados por IA para interpretar sinais proteicos, mas resultados estáticos frequentemente são insuficientes para a tomada de decisões de pesquisa, onde os usuários precisam inspecionar evidências, avaliar incertezas, comparar mecanismos e refinar hipóteses. Apresentamos o BioInsight, um sistema multiagente que transita da geração estática de relatórios biomédicos para a geração de interfaces interativas centradas em evidências. Dado um nome de doença, uma tabela de associação proteica e metadados de coorte opcionais, o BioInsight organiza evidências específicas da doença por meio de artefatos intermediários tipados, incluindo vias classificadas, pacotes de evidências da literatura, notas de raciocínio em nível proteico, relatórios fundamentados em citações, esquemas de painéis e interfaces interativas renderizadas. O sistema decompõe a recuperação de evidências do raciocínio mecanicista, normaliza citações por meio de componentes determinísticos e converte a mesma evidência estruturada usada no relatório em uma interface interativa. Avaliamos o BioInsight em questões padronizadas de QA biomédico, raciocínio desafiador sobre função proteica e síntese de evidências biomédicas de ponta a ponta. Os resultados mostram que o BioInsight alcança o melhor desempenho e sugerem que sistemas de IA biomédica devem ir além de relatórios exclusivamente textuais e estáticos, em direção a artefatos de evidências interativos e que preservem a proveniência.

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.