論文の概要: Evidence-Grounded Frontier Mapping and Agentic Hypothesis Generation in Nanomedicine
- arxiv url: http://arxiv.org/abs/2605.18144v1
- Date: Mon, 18 May 2026 09:50:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:49.29192
- Title: Evidence-Grounded Frontier Mapping and Agentic Hypothesis Generation in Nanomedicine
- Title（参考訳）: ナノメディシンにおけるエビデンス・グラウンドフロンティアマッピングとエージェント仮説生成
- Authors: Christiaan G. A. Viviers, Koen de Bruin, Mirre M. Trines, Ayla M. Hokke, Roy van der Meel, Avi Schroeder, Twan Lammers, Willem J. M. Mulder, Fons van der Sommen,
- Abstract要約: pArticleMapは、文献作成と研究・仮説生成システムである。
pArticleMapは、将来的なコンセプトの共起を予測するのではなく、低密度の記事レベルブリッジリージョンとクラスタインターフェースをターゲットにしている。
タスクレベルの維持仮説では、プールされた金の回収率は10.8%となり、リコール@10は15.9%、将来の隣接レートは61.0%となった。
- 参考スコア（独自算出の注目度）: 5.717419738557379
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nanomedicine research spans delivery chemistry, immunology, imaging, biomaterials, and disease-specific translational science, yet its conceptual design space remains fragmented across a large and heterogeneous literature. To date, artificial intelligence in nanomedicine has focused primarily on property prediction and formulation optimization, with much less attention to evidence-grounded discovery support at the level of research direction selection. We introduce pArticleMap, a literature-mapping and research-hypothesis-generation system that combines article embeddings, similarity-graph analysis, sparse frontier extraction, structured evidence-pack retrieval, and an audited large-language-model (LLM) workflow for grounded ideation. Rather than forecasting future concept co-occurrence, pArticleMap targets low-density article-level bridge regions and cluster interfaces, then generates and scores citation-grounded hypotheses with large language models in an agentic setup. We evaluate the system with a retrospective realization benchmark (generate later literature under a historical cutoff) and a blinded human reader assessment layer across cue-conditioned nanomedicine tasks. Across 4 selected retrospective bundles, pArticleMap generated ideas and selected task-retained hypotheses (winner ideas) under the benchmark protocol. For task-level retained hypotheses, a pooled gold recovery rate of 10.8% was obtained, with a recall@10 of 15.9% and a future-neighborhood rate of 61.0%, indicating that the system often reached the correct forward-looking neighborhood (paper ideas) even without exact paper-level recovery. Human-agent agreement is modest overall, indicating that internal scoring is useful as a support signal but does not replace expert judgment. These results position pArticleMap as a conservative, evidence-grounded research assistant for nanomedicine.
- Abstract（参考訳）: ナノメディシンの研究は、デリバリー化学、免疫学、イメージング、バイオマテリアル、および疾患特異的翻訳科学に及んでいるが、その概念的デザイン空間は大規模で異質な文献で断片化されている。
これまで、ナノメディシンの人工知能は、主に特性予測と定式化の最適化に重点を置いてきた。
pArticleMapは、論文の埋め込み、類似性グラフ解析、スパースフロンティア抽出、構造化エビデンス・パック検索、グラウンドド・アイデアのための監査された大規模言語モデル(LLM)ワークフローを組み合わせた、文献作成・研究・仮説生成システムである。
pArticleMapは、将来的なコンセプトの共起を予測するのではなく、低密度の記事レベルブリッジ領域やクラスタインターフェースをターゲットとして、エージェント的な設定で大規模な言語モデルによる引用基底仮説を生成し、スコア付けする。
本手法は, ナノメディシンタスクを対象とし, 振り返り実現ベンチマーク(後続の文献作成)と視覚障害者読影層を用いて評価する。
4つの選択されたレトロスペクティブバンドルの中で、pArticleMapは、ベンチマークプロトコルの下で、アイデアと選択されたタスク保持仮説(勝者の考え)を生成した。
タスクレベルの維持仮説では、プールされた金の回収率は10.8%、リコール@10は15.9%、将来の隣り合うレートは61.0%となり、正確な紙レベルの回収がなくても、システムはしばしば正しい前方(紙のアイデア)に到達したことを示している。
人間とエージェントの合意は概して控えめであり、内部スコアは支援信号として有用であるが、専門家の判断に取って代わるものではないことを示している。
これらの結果は、pArticleMapをナノメディシンの保守的で根拠に基づく研究アシスタントとして位置づけている。
関連論文リスト
- From Literature to Hypotheses: An AI Co-Scientist System for Biomarker-Guided Drug Combination Hypothesis Generation [4.281508114645598]
CoDHyは、がん研究におけるバイオマーカー誘導薬物の組み合わせ仮説生成のための、対話的かつ人為的なループシステムである。
構造化バイオメディカルデータベースと非構造化文献証拠をタスク固有の知識グラフに統合する。
ユーザーは科学的コンテキストを設定し、中間結果を検査し、仮説を反復的に洗練することができる。
論文 参考訳（メタデータ） (2026-02-28T12:14:37Z) - FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases [10.00386797940562]
本研究では,FlyBenchを用いて,エンドツーエンドのエージェントキュレーションにおけるAIエージェントの評価を行う。
遺伝子記号のみが与えられた場合、エージェントは構造化アノテーションを生成するために16,898のフルテキスト文書のコーパスを検索して読み込まなければならない。
このベンチマークには、FlyBaseから引き出された100の遺伝子にまたがる、専門家による7,397のアノテーションが含まれている。
論文 参考訳（メタデータ） (2026-02-09T20:12:38Z) - From Archives to Decisions: Multi-Agent Pharmaceutical Co-Scientist for Traceable Drug Discovery and Reverse Translation [0.6347968479268647]
医薬品研究・開発を支援する多エージェント共同研究者であるDiscoVerseを紹介する。
このシステムはロシュの大規模な歴史的コーパスに意味検索、クロスドキュメントリンク、監査可能な合成を実装している。
我々のアプローチを実世界の規模で検証するために、ロシュ研究レポジトリから180分子のサブセットを選択しました。
論文 参考訳（メタデータ） (2025-11-23T03:17:26Z) - Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。
各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。
合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
論文 参考訳（メタデータ） (2025-08-26T16:41:37Z) - BioDisco: Multi-agent hypothesis generation with dual-mode evidence, iterative feedback and temporal evaluation [0.0]
既存の自動化手法は、斬新で根拠に基づく仮説を生成するのに苦労している。
BioDiscoは言語モデルに基づく推論とデュアルモードエビデンスシステムに基づくマルチエージェントフレームワークである。
論文 参考訳（メタデータ） (2025-08-02T09:32:52Z) - Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。
MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。
マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
論文 参考訳（メタデータ） (2024-04-10T07:41:35Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - TractGeoNet: A geometric deep learning framework for pointwise analysis
of tract microstructure to predict language assessment performance [66.43360974979386]
拡散磁気共鳴画像(dMRI)による回帰処理を行うための幾何学的深層学習フレームワークであるTractGeoNetを提案する。
回帰性能を向上させるために,新しい損失関数 Paired-Siamese Regression Los を提案する。
本手法の有効性を,2つの言語神経心理学的評価に対して予測することで評価した。
論文 参考訳（メタデータ） (2023-07-08T14:10:37Z) - Exemplar Auditing for Multi-Label Biomedical Text Classification [0.4873362301533824]
我々は、最近提案されたゼロショットシーケンスラベリング手法「畳み込み分解による教師付きラベリング」を一般化する。
この手法は"イントロスペクション(introspection)"と分類され、推論時間予測のきめ細かい特徴を最も近い隣人に関連付ける。
提案手法は,医療従事者に対して,モデルの予測を駆動する健全な特徴を理解する上で,競争力のある分類モデルと尋問メカニズムの両方を提供する。
論文 参考訳（メタデータ） (2020-04-07T02:54:20Z)
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。