医学 AI

An AI agent for treatment reasoning over a biomedical tool universe

一个在生物医学工具宇宙中进行治疗推理的AI智能体

Shanghua Gao, Ayush Noori, Richard Zhu, Curtis Ginder, Zhenglun Kong, Xiaorui Su, Justin Kauffman, Benjamin S. Glicksberg, Joshua Lampert, Ankit Sakhuja, Ashwin Sawant, ATHENA-R1 Evaluation Consortium, David A. Clifton, Noa Dagan, Ran Balicer, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； The Ivan and Francesca Berkowitz Family Living Laboratory Collaboration at Harvard Medical School and Clalit Research Institute（哈佛医学院伊万和弗朗西斯卡·伯科维茨家族生活实验室合作与克莱利研究所） ； Cardiovascular Division, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院心脏病学部，布里格姆和妇女医院） ； The Windreich Department of Artificial Intelligence and Human Health, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院人工智能与人类健康系） ； The Hasso Plattner Institute for Digital Health at Mount Sinai, Icahn School of Medicine at Mount Sinai and Mount Sinai Health System（西奈山伊坎医学院和西奈山医疗系统数字健康研究所） ； Mindich Child Health and Development Institute and the Departments of Pediatrics and Genetics & Genomic Sciences, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院Mindich儿童健康与发展研究所及儿科学和遗传学与基因组科学系） ； Mount Sinai Fuster Heart Hospital, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院Fuster心脏医院） ； Mount Sinai AI Assurance Lab, Mount Sinai Health System（西奈山医疗系统AI保证实验室） ； Institute for Critical Care Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院重症监护医学研究所） ； Department of Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院医学系） ； ATHENA-R1 Evaluation Group（ATHENA-R1评估组） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 提出ATHENA-R1智能体，通过强化学习在212种生物医学工具上训练，实现迭代证据收集的治疗推理，在多个基准上超越现有模型，准确率达94.7%。

Comments Project page: https://athena.openscientist.ai Code: https://github.com/mims-harvard/ATHENA

Accelerating scientific discovery with Co-Scientist

用Co-Scientist加速科学发现

Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Petar Sirkovic, Artiom Myaskovsky, Grzegorz Glowaty, Felix Weissenberger, Alessio Orlandi, Dan Popovici, Anil Palepu, Keran Rong, Ryutaro Tanno, Khaled Saab, Fan Zhang, Jacob Blum, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Dina Zverinski, Ivor Rendulic, Elahe Vedadi, Florian Hasler, Luka Rimanic, Marina Boia, Ivan Budiselic, Ben Feinstein, Mathias Bellaiche, Tom Sheffer, Jan Freyberg, Jeremy Ratcliff, Ottavia Bertolli, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yossi Matias, James Manyika, Demis Hassabis, Yunhan Xu, Pushmeet Kohli, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； Stanford University School of Medicine（斯坦福大学医学院） ； Houston Methodist（休斯顿卫理公会医院） ； Sequome ； Fleming Initiative and Imperial College London（弗莱明倡议与伦敦帝国理工学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG、q-bio

AI总结 Co-Scientist是一种基于Gemini的多智能体AI系统，通过异步任务框架和竞赛进化过程，提升科学假设生成质量，应用于药物再利用、新靶点发现和抗菌机制解释，验证了其加速科学发现的能力。

Comments 157 pages in total (main 42 pages, supplementary information 115 pages), 4 main figures, 1 main table, 6 extended data figures, 2 extended data tables, 9 supplementary figures, 4 supplementary tables, 37 main references, 117 supplementary references. Nature (2026)

Hierarchical Projection for Adaptive Knowledge Transfer

自适应知识迁移的分层投影

Samhita Pal, Tian Gu

机构 * Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Columbia University（哥伦比亚大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出ProjectionTL框架，通过分层贝叶斯建模与自适应投影实现源选择与特征选择，缓解负迁移，提升跨域学习的准确性、稳定性和可解释性。

Comments We found a mistake in the proof that needs to be revised

MARS: A neurosymbolic approach for interpretable drug discovery

MARS：一种用于可解释药物发现的神经符号方法

Lauren Nicole DeLong, Yojana Gadiya, Paola Galdi, Jacques D. Fleuriot, Daniel Domingo-Fernández

机构 * University of Edinburgh（爱丁堡大学） ； Enveda Therapeutics ； Cancer Research UK Scotland Institute（英国癌症研究中心苏格兰研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出MARS，一种结合逻辑规则与神经网络的神经符号方法，用于药物作用机制解构，通过识别并缓解推理捷径提升药物发现的可解释性与可靠性。

Comments Under review. Corresponding code is here: https://github.com/laurendelong21/MARS and here: https://github.com/laurendelong21/MoA-Net

Electrophoretic motion of a liquid droplet with Brinkman-screened internal hydrodynamics

具有Brinkman屏蔽内部流体动力学的液滴电泳运动

Sutapa Mandal, Subrata Majhi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文发展了球形多孔液滴电泳理论，通过Brinkman-Debye-Bueche方程描述内部流动，推导了任意Debye层厚度下的闭式迁移率表达式，揭示了渗透率对迁移率的非单调影响。

Comments 27 pages, 6 figures

Specialisation and experience of research teams: Which matters more for the impact of their publications?

研究团队的专业化与经验：哪个对论文影响力更重要？

Emil Dolmer Alnor

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文引入团队经验概念，基于近百万篇生物医学论文，发现团队经验和专业化均与引用影响力正相关，但经验的相关性更强。

Comments Submitted for review to Journal of Research on Research

Ultrasensitive infrared-to-visible artificial vision via self-evolving projection guided by single-pixel detection

通过单像素检测引导的自进化投影实现超灵敏红外到可见光人工视觉

Yao Wang, Baolei Liu, Muchen Zhu, Linjun Zhai, Dajing Wang, Zhaohua Yang, Fan Wang

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出自进化红外到可见光上转换系统（SIVIS），结合单像素检测与迭代优化投影，实现极低光下实时红外可视化，检测极限达0.11光子/像素/帧。

Comments 23 pages, 5 figures

Scalable and Calibrated Sampling for Bayesian Generalized Linear Mixed Model via Stochastic Gradient Markov Chain Monte Carlo

基于随机梯度马尔可夫链蒙特卡洛的可扩展且校准的采样：用于贝叶斯广义线性混合模型

Youngsoo Baek, Andrea Agazzi, Felipe A. Medeiros, Samuel I. Berchuck

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种针对广义线性混合模型的随机梯度马尔可夫链蒙特卡洛算法，通过Fisher恒等式构建梯度估计器，实现大规模数据下的准确后验推断，并通过模拟和电子健康记录分析验证了方法的有效性。

Comments 29 pages, 5 figures

Synthesized Annotation Guidelines are Knowledge-Lite Boosters for Clinical Information Extraction

合成的标注指南是临床信息提取的低知识提升器

Enshuo Hsu, Martin Ugbala, Krishna Kumar Kookal, Zouaidi Kawtar, Nicholas L. Rider, Muhammad F. Walji, Kirk Roberts

机构 * McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心麦克威廉姆斯生物医学信息学院） ； School of Dentistry, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心牙科学院） ； Enterprise Development and Integration, University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心企业开发与集成部） ； Virginia Tech Carilion School of Medicine, Department of Health Systems & Implementation Science（弗吉尼亚理工大学卡里利恩医学院卫生系统与实施科学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种无需人工输入的自改进方法，利用LLM生成标注指南，提升临床信息提取性能，实验显示在多个基准测试中取得显著改进。