論文の概要: NVAITC AI Scientist: A Governed End-to-End Research System -- A Hypertension GWAS Case Study
- arxiv url: http://arxiv.org/abs/2607.11084v1
- Date: Mon, 13 Jul 2026 04:53:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.331295
- Title: NVAITC AI Scientist: A Governed End-to-End Research System -- A Hypertension GWAS Case Study
- Title（参考訳）: NVAITC AI Scientist: Governed End-to-End Research System - 高血圧 GWAS のケーススタディ
- Abstract要約: エージェント研究システムは、孤立したモデル推論、コード生成、統計分析を超えて科学を調整するための新しいパラダイムとして浮上している。
本稿では,保護されたデータを機関のプライバシ境界内に保持しつつ,ドメイン一般科学を支援するために設計されたエンドツーエンドのエージェント研究システムを提案する。
- 参考スコア（独自算出の注目度）: 10.094871686600138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic research systems are emerging as a new paradigm for coordinating scientific workflows beyond isolated model inference, code generation, or statistical analysis. However, deployment in institutional biomedical environments requires governed mechanisms for research planning, data access, workflow orchestration, evidence tracking, reproducibility, and human oversight. We present NVAITC AI Scientist (NAIS), a governed end-to-end agentic research system designed to support domain-general scientific workflows while keeping protected data within institutional privacy boundaries. NAIS integrates proposal review, execution planning, governed computational routing, reproducible workflow orchestration, evidence generation, and scientist-in-the-loop oversight. We validate NAIS in a real-world hypertension genome-wide association study (GWAS) using hospital-linked genotype and electronic health record (EHR) data from 286,422 individuals under an aggregate-only data policy. The agent planned cohort extraction, orchestrated GWAS execution, generated quality-control summaries, and drafted publication-oriented outputs. Human-AI review identified phenotype discrepancies and enabled iterative refinement of the hypertension definition. After reconciliation, the agent-orchestrated GWAS reproduced established hypertension loci, including FGF5, ATP2B1, CNNM2, FTO, and GRB14, with the strongest signal at FGF5 reaching $-\log_{10}(p) \sim 70$. As a secondary demonstration, NAIS also supported a drug-induced liver injury prediction workflow, achieving a multimodal graph neural network AUC of 0.842. These results demonstrate that governed agentic research systems can support scalable AI-assisted biomedical discovery while producing outputs comparable to expert-led workflows.
- Abstract（参考訳）: エージェント研究システムは、孤立したモデル推論、コード生成、統計分析を超えて科学的ワークフローを調整するための新しいパラダイムとして現れています。
しかし、制度的なバイオメディカル環境への展開には、研究計画、データアクセス、ワークフローオーケストレーション、エビデンス追跡、再現性、人間の監視のための統制されたメカニズムが必要である。
NVAITC AI Scientist(NAIS)は、ドメイン一般の科学ワークフローをサポートしつつ、保護されたデータを機関のプライバシ境界内に保持するように設計された、エンドツーエンドのエージェントリサーチシステムである。
NAISは提案のレビュー、実行計画、管理された計算ルーティング、再現可能なワークフローオーケストレーション、エビデンス生成、ループ内の科学者監視を統合している。
病院関連遺伝子型および電子健康記録(EHR)データを用いた実際の高血圧ゲノムワイド・アソシエーション研究(GWAS)におけるNAISの検証を行った。
エージェントはコホート抽出、GWAS実行の編成、品質管理サマリーの生成、出版指向のアウトプットのドラフトを計画した。
人間-AIレビューは、表現型不一致を特定し、高血圧定義の反復的改善を可能にした。
和解後、GWASはFGF5, ATP2B1, CNNM2, FTO, GRB14を含む確立した高血圧座を再現し、FGF5で最強のシグナルは$-\log_{10}(p) \sim 70$に達した。
二次的なデモンストレーションとして、NAISは薬物誘発肝障害予測ワークフローをサポートし、マルチモーダルグラフニューラルネットワークAUCの0.842を達成した。
これらの結果は、管理されたエージェント研究システムは、専門家主導のワークフローに匹敵するアウトプットを生成しながら、スケーラブルなAI支援バイオメディカル発見をサポートすることができることを示している。
関連論文リスト
- SciForge: An AI-Native, Multimodal Workbench for Scientific Discovery [48.99744520105086]
SciForgeはマルチモーダルな研究ネイティブAIワークベンチである。
検索、解析、モデルルーティング、ワークフローの実行、プロット、書き込み、プレゼンテーション生成がモジュラーエージェントアクセス可能なサービスとして実行される間、人間の判断のためにグラフィカルインターフェースを予約する。
論文 参考訳（メタデータ） (2026-07-17T15:13:03Z) - Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。
ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。
タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
論文 参考訳（メタデータ） (2026-06-10T22:55:30Z) - AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。
我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。
本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
論文 参考訳（メタデータ） (2026-05-22T03:40:30Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research [4.995664191055236]
NeuroAgentは、ニューロイメージングデータのキー前処理と分析ステップを自動化するエージェントフレームワークである。
自然言語クエリによるインタラクティブなダウンストリーム分析をサポートする。
これにより、前処理に必要な手作業の削減と、エンドツーエンドの自動分析パイプラインの実現が可能になる。
論文 参考訳（メタデータ） (2026-05-07T17:13:48Z) - 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) - HLER: Human-in-the-Loop Economic Research via Multi-Agent Pipelines for Empirical Discovery [15.29303145822579]
本稿では,実証研究自動化を支援するマルチエージェントアーキテクチャであるHLER(Human-in-the-Loop Economic Research)を紹介する。
このシステムは、データ監査、データプロファイリング、仮説生成、計量分析、原稿起草、自動レビューのための特殊エージェントを編成する。
実験の結果、データセットを意識した仮説生成は87%のケースで実現可能な研究質問を生成する一方、完全な実証的な原稿は1ラン当たり0.8～1.5ドルの平均APIコストで作成できることがわかった。
論文 参考訳（メタデータ） (2026-03-08T03:40:34Z) - SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。
症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。
臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
論文 参考訳（メタデータ） (2025-08-20T01:58:45Z) - Automating Exploratory Multiomics Research via Language Models [22.302672656499315]
PROTEUSは、生のデータファイルからデータ駆動仮説を生成する完全に自動化されたシステムである。
本稿では, 下流データ解析と仮説の提案が重要な分野である臨床プロテオゲノミクス(Proteogenomics)にProteusを適用した。
論文 参考訳（メタデータ） (2025-06-09T09:44:21Z) - LLM Agent Swarm for Hypothesis-Driven Drug Discovery [2.7036595757881323]
ファーマシュワーム(PharmaSwarm)は、新規な薬物標的および鉛化合物の仮説を提唱し、検証し、洗練するために、特殊な「エージェント」を編成する統合マルチエージェントフレームワークである。
PharmaSwarmはAIの副操縦士として機能することで、翻訳研究を加速し、従来のパイプラインよりも効率的に高信頼の仮説を提供することができる。
論文 参考訳（メタデータ） (2025-04-24T22:27:50Z)
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。