醫學證據太分散，AI 代理想把轉譯研究寫成可追溯報告

藥物研發最難的時刻，往往不是缺少資料，而是資料彼此說著不同語言。基因名稱、疾病分類、臨床試驗登錄、專利線索、細胞株多體學數據，各自散落在不同資料庫；研究團隊要回答一個看似簡單的問題，例如某種癌症用藥該搭配哪個生物標記或第二種作用機制，背後其實是一場跨來源、跨尺度的證據整理。

5 月 7 日登上 arXiv 的一篇預印本，介紹了 Ingenix.AI 團隊開發的 BioResearcher。作者把它描述為一套「情境導引」的多代理 AI 系統：使用者提出轉譯醫學問題後，系統會先選擇版本化的研究流程，再把任務交給不同子代理，分別處理實體辨識、文獻與試驗檢索、專利查找、資料庫查詢，以及可在沙盒中執行的基因體規模分析。

這裡的重點不只是速度，而是可稽核性。論文稱，BioResearcher 的輸出目標是形成一份可審閱的研究檔案，保留 PMID、臨床試驗 NCT 編號、專利號等來源標記，並在最終彙整前進行逐項主張的多模型比對與調和。對藥物研發而言，這種設計試圖回應一個實務痛點：AI 若只給出漂亮結論，卻不能說清楚證據來自哪裡、彼此如何衝突，就很難進入真正的決策流程。

作者報告的測試結果相當積極。在 109 題單步驟測試中，BioResearcher 低推理設定版本的總通過率為 83.49%，平均分數 0.892；在 BixBench-Verified-50 的計算生物學任務中，準確率為 89.33%；在 BaisBench Scientific Discovery 軌道上，平均分數為 0.758。另有一組 30 題臨床端到端生物標記基準，題目涵蓋已核准伴隨診斷、臨床試驗線索、合成致死假說與預後標記等不同成熟度，BioResearcher 在前十名清單中找回正確標記的比率為 74.7%，排除相鄰但錯誤負對照的比率為 96.8%。

論文也提供一個較具體的使用情境：系統被用來整理 ATR 相關生物標記假說，區分泛癌種訊號與特定亞型訊號，並把 TP53、ATM、APC、ARID1A 等候選標記放在不同證據強度與機制脈絡中。這顯示它的定位並非直接產生臨床建議，而是協助研究者建立可追問、可反駁、可再分析的候選清單。

不過，這篇研究目前仍是預印本，且未找到可信的同事件外部來源可交叉確認。基準設計、評分方式、模型組合與資料可近性，都會影響結果的可重現性；其中部分評估也依賴專家整理的答案與 LLM-as-a-judge 評分。對嚴肅的生醫用途來說，下一步不只是跑更多排行榜，而是讓第三方在相同任務、相同資料權限、相同成本限制下重測。

更大的問題則在治理。若這類代理系統進入藥廠、醫院或臨床試驗設計單位，它產生的報告是否屬於研究輔助、醫療器材軟體，還是決策支援工具，會牽動驗證標準、責任歸屬與資料合規。BioResearcher 這篇預印本給出的訊號很清楚：生醫 AI 正從單次問答走向工作流程代理；但在轉譯醫學裡，能不能被信任，最後仍取決於每一條證據鏈能否被人類重新走過。