Fugu-MT 論文翻訳(概要): Vibe Medicine: Redefining Biomedical Research Through Human-AI Co-Work

論文の概要: Vibe Medicine: Redefining Biomedical Research Through Human-AI Co-Work

arxiv url: http://arxiv.org/abs/2604.23674v1
Date: Sun, 26 Apr 2026 12:27:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-28 17:12:07.4945
Title: Vibe Medicine: Redefining Biomedical Research Through Human-AI Co-Work
Title（参考訳）: バイオメディカル:人間とAIのコワーキングワークによるバイオメディカル研究の再定義
Authors: Zihao Wu, Steven Xu, Bowen Chen, Shaowen Wan, Yiwei Li, Wei Ruan, Yanjun Lyu, Siyuan Li, Dajiang Zhu, Tianming Liu, Lin Zhao,
Abstract要約: 我々は、AIエージェントを自然言語で指示し、複雑な多段階のバイオメディカル研究を実行する、共同作業パラダイムであるVibe Medicineを紹介した。有効化インフラストラクチャは、有能なLLM、OpenClawやHermes Agentのようなエージェントフレームワーク、OpenClawの医療スキルコレクションの3つのレイヤで構成されている。幻覚、データプライバシ、過度信頼などの主要なリスクを特定し、より信頼性が高く、信頼できる、そして臨床統合されたエージェント支援研究に向けた方向性を概説する。
参考スコア（独自算出の注目度）: 22.700427717216765
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the emergence of large language models (LLMs) and AI agent frameworks, the human-AI co-work paradigm known as Vibe Coding is changing how people code, making it more accessible and productive. In scientific research, where workflows are more complex and the burden of specialized labor limits independent researchers and those in low-resource areas, the potential impact is even greater, particularly in biomedicine, which involves heterogeneous data modalities and multi-step analytical pipelines. In this paper, we introduce Vibe Medicine, a co-work paradigm in which clinicians and researchers direct skill-augmented AI agents through natural language to execute complex, multi-step biomedical workflows, while retaining the role of research director who specifies objectives, reviews intermediate results, and makes domain-informed decisions. The enabling infrastructure consists of three layers: capable LLMs, agent frameworks such as OpenClaw and Hermes Agent, and the OpenClaw medical skills collection, which includes more than 1,000 curated skills from multiple open-source repositories. We analyze the architecture and skill categories of this collection across ten biomedical domains, and present case studies covering rare disease diagnosis, drug repurposing, and clinical trial design that demonstrate end-to-end workflows in practice. We also identify the principal risks, such as hallucination, data privacy, and over-reliance, and outline directions toward more reliable, trustworthy, and clinically integrated agent-assisted research that advances research and technological equity and reduces health care resource disparities.
Abstract（参考訳）: 大規模言語モデル(LLM)とAIエージェントフレームワークの出現により、Vibe Codingとして知られる人間とAIのコワーキングパラダイムは、人々のコーディング方法を変え、よりアクセシビリティと生産性を高めている。科学研究において、ワークフローがより複雑で、専門的な労働力の負担が独立した研究者や低リソース領域の研究者に制限される場合、潜在的な影響は、特に異種データモダリティと多段階分析パイプラインを含むバイオメディシンにおいてさらに大きい。本稿では,臨床医や研究者がAIエージェントを自然言語で指示して,複雑な多段階のバイオメディカルワークフローを実行し,目的を特定し,中間結果をレビューし,ドメインインフォームド決定を行う,共同作業パラダイムであるVibe Medicineを紹介する。有効化インフラストラクチャは、有能なLLM、OpenClawやHermes Agentのようなエージェントフレームワーク、複数のオープンソースリポジトリから1,000以上のキュレートされたスキルを含むOpenClawの医療スキルコレクションの3つのレイヤで構成されている。本研究は,10のバイオメディカルドメインにまたがるこのコレクションのアーキテクチャとスキルカテゴリを解析し,稀な疾患診断,薬物再資源化,エンドツーエンドのワークフローを実際に示す臨床治験設計に関するケーススタディである。また、幻覚、データプライバシ、過度信頼などの主要なリスクを特定し、研究と技術エクイティを向上し、医療資源の格差を減らし、より信頼性が高く、信頼性が高く、臨床的に統合されたエージェント支援研究に向けた方向性を概説する。

関連論文リスト

Coding-Free and Privacy-Preserving Agentic Framework for Data-Driven Clinical Research [4.939671899632412]
臨床エージェントリサーチインテリジェンスシステム(CARIS)を開発した。 CARISは、研究計画、文献検索、コホート建設、機関レビューボード(IRB)ドキュメント、Vibe Machine Learning(ML)、レポート生成といったワークフローを自動化する。臨床タスクが異なる3つの異種データセットを用いてCARISを評価し,4回のイテレーションで計画とIRB文書を完了し,Vibe MLをサポートし,報告を生成し,LCMによる評価では96%,人的評価では82%の完全性を達成した。
論文参考訳（メタデータ） (2026-04-14T04:22:44Z)
Towards a Medical AI Scientist [73.6056699962416]
私たちは、臨床自律研究に特化した最初の自律的な研究フレームワークである、メディカルAIサイエンティストを紹介します。このフレームワークは3つの研究モード、すなわち論文ベースの再現、文学にインスパイアされた革新、タスク駆動探索で動作する。本システムでは,提案手法と実装の密接な整合性を実現するとともに,実行可能実験において極めて高い成功率を示す。
論文参考訳（メタデータ） (2026-03-30T15:37:25Z)
Cross-Disciplinary Knowledge Retrieval and Synthesis: A Compound AI Architecture for Scientific Discovery [1.5143261755366868]
BioSageは、LLMをRAGと統合した新しい複合AIアーキテクチャで、AI、データサイエンス、バイオメディカル、バイオセキュリティドメインにわたる発見を可能にするために、特殊なエージェントとツールを編成した。本システムでは,クエリ計画と応答合成を備えた検索エージェントを含む,複数の特殊エージェントを特徴とし,引用支援型応答を持つドメイン間の知識検索を実現する。我々の研究は、チャート、表、構造化された科学データに対するマルチモーダル検索と推論に重点を置いており、また、クロスディシプリナ発見のための総合的なマルチモーダルベンチマークも開発している。
論文参考訳（メタデータ） (2025-11-23T05:33:11Z)
A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making [49.048767633316764]
KAMACは知識駆動のAdaptive Multi-Agent Collaborationフレームワークである。エージェントは進化する診断コンテキストに基づいて、専門家チームを動的に形成および拡張することができる。 2つの実世界の医療ベンチマーク実験により、KAMACはシングルエージェント法と高度なマルチエージェント法の両方を著しく上回っていることが示された。
論文参考訳（メタデータ） (2025-09-18T14:33:36Z)
ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
論文参考訳（メタデータ） (2025-05-26T12:27:27Z)
Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
論文参考訳（メタデータ） (2025-05-03T14:21:48Z)
m-KAILIN: Knowledge-Driven Agentic Scientific Corpus Distillation Framework for Biomedical Large Language Models Training [22.996230737442254]
バイオメディカルな大規模言語モデル(LLM)のためのコーパスヘッダーは、オープンソースの科学コーパスにおいて、不十分な量と品質のプレス課題に対処しようとしている。本稿では, バイオメディカル領域におけるLLMトレーニングに適した, 科学的コーパス蒸留のための知識駆動型エージェントフレームワークを提案する。
論文参考訳（メタデータ） (2025-04-28T08:18:24Z)
OpenMEDLab: An Open-source Platform for Multi-modality Foundation Models in Medicine [55.29668193415034]
マルチモダリティ基盤モデルのためのオープンソースプラットフォームであるOpenMEDLabについて紹介する。これは、最前線臨床および生体情報学応用のための大規模言語とビジョンモデルを刺激し、微調整する先駆的な試みの解決策をカプセル化する。様々な医用画像のモダリティ、臨床テキスト、タンパク質工学など、事前訓練された基礎モデル群へのアクセスが可能である。
論文参考訳（メタデータ） (2024-02-28T03:51:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。