סינתזת ידע מבוססת ראיות ואימות השערות: ניווט בבסיסי ידע ביו-רפואי באמצעות בינה מלאכותית ניתנת להסבר ומערכות סוכנים
13 ביוני 2025
מאמר זה מתאר RUGGED (אחזור תחת הבחנה ניתנת להסבר של מחלה מונחית גרף), המשלב הסקת מודל שפה גדול (LLM) עם Retrieval-Augmented Generation (RAG). הוא שואב ראיות ממאגרי ידע ביו-רפואיים שנאספו על ידי מומחים ופרסומים ביו-רפואיים שנבדקו על ידי עמיתים כדי לסנתז ידע חדש ממידע עדכני, לזהות תחזיות הניתנות להסבר וניתנות לפעולה, ולאתר כיוונים מבטיחים לחקירות מונעות השערות.
פרוטוקול זה מציג פלטפורמה לחקירה מהימנה של שאלות ביו-רפואיות וקליניות, וליצירת השערות. Rugged עוזרת לחקור את הנוף הביו-רפואי על ידי מינוף מודלים גדולים של שפה, חיבורם לפרסומים שנבדקו על ידי עמיתים ומאגרי ידע ביו-רפואיים שנאספו, כמו גם שימוש בבינה מלאכותית הניתנת להסבר כדי לחשוף קשרים חדשים. ההתקדמות האחרונה בבינה מלאכותית גנרטיבית ובמודלים גדולים של שפה שינו את האופן שבו אנו עוסקים במשאבים ביו-רפואיים הנתמכים בראיות, ומאפשרים משימות כגון סיכום, מענה על שאלות וחקר השערות גמישות. גישות מוקדמות יותר הסתמכו על כריית טקסט כדי לחלץ דפוסים ומערכות יחסים ברמה גבוהה מהספרות הביו-רפואית. כיום, גישות משלבות מודלים גדולים של שפה עם יצירת אחזור מוגברת, מערכות סוכנים ויכולות קריאת כלים. מודלים רבים של שפה הזמינים לציבור נאבקים באמינות, ועלולים לייצר מידע שגוי עובדתית. בעוד שהמודלים האחרונים השתפרו, התפוקה שלהם בזמן הפרסום הייתה לעתים קרובות חסרה ספציפיות לתחום, הסתמכה על שפה כללית מעורפלת ויצרה הסברים ארוכים ומקוטעים. בפרסומים קודמים עם JoVE, הדגשנו כיצד כריית טקסט ומודלים של גרף ידע ביו-רפואי מיושמים כדי לחזות ולהבין קשרים בין חלבונים, רכיבים תאיים ומחלות לב וכלי דם. בהתבסס על בסיס זה, המחקר האחרון שלנו מתמקד בשילוב ידע ביו-רפואי מובנה זה עם תהליכי עבודה הנתמכים על ידי מודלים גדולים של שפה, המאפשרים הסקה מדויקת ותגובות מבוססות ראיות.
[קריין] כדי להתחיל, התחל את השירות המחוספס עם הפקודה בטרמינל. לחלץ ספרות ביו-רפואית ולזהות מסמכים רלוונטיים, יחד עם קשרי מחלות חלבון ברמה גבוהה באמצעות caseOLAP LIFT. בקר בפרוטוקול caseOLAP LIFT JoVE ובצע את ניתוח כריית הטקסט caseOLAP LIFT. לאחר מכן, שכפל את מאגר Know2BIO בטרמינל. באמצעות שורת הפקודה, הפעל את קובץ ה- Script של create_edge_files.py כדי להוריד את משאבי מאגר הידע ולעקוב אחר התקדמות צינור החילוץ. לאחר מכן, בנה את גרף הידע עם סקריפט prepare_kgs.py. שלב את התוצאות של סקריפט combine_kg_results.py כדי למזג את הקשרים והישויות שחולצו מניתוח כריית הטקסט ובניית גרף הידע לגרף מקיף אחד. זהה ישויות ביו-רפואיות מעניינות על ידי סקירת גרף הידע ובחירת צמתים רלוונטיים לשימוש בניתוח חיזוי. השתמש בסקריפט filter.py כדי לחלץ תת-גרף שניתן להגיע אליו תוך שתי דילוגים מצמתי המחלה המעניינים שנבחרו והפעל את הפקודה. הפעל את קובץ ה- Script של ניתוח החיזוי על-ידי ציון הקצוות לחיזוי וגרף ידע הקלט כארגומנטים של שורת הפקודה וקבל את הפלט. כעת, התחבר לגורם המכיל של Rugged Docker. אם חלון המסוף הקודם נסגר, מתחברים מחדש למאגר של Docker. לאחר החיבור, נווט אל הספרייה Rugged עם סביבת העבודה CD Rugged בשורת הפקודה, ובצע את כל השלבים הנותרים בחלון שורת פקודה זה. לאחר וידוא שכל השירותים התומכים פועלים, הפעל את Rugged בממשק שורת הפקודה כדי להתחיל באינטראקציה עם המערכת. כדי לבצע שאילתה על גרף הידע, הציגו שאלה בשפה טבעית המתחילה במילת המפתח "שאילתה". לדוגמה, הקלד "שאילתה, מהן התרופות שנקבעו כיום המסווגות כחוסמי בטא?" חקור את התחזיות מניתוח חיזוי הקישורים עם שאלות המתחילות במילת המפתח "לחזות". לאחר מכן, אחזר מסמכים הקשורים לנושא ביו-רפואי משלב שני בשפה טבעית באמצעות מילת המפתח "חיפוש". צמצם את השאלות באופן איטרטיבי באמצעות ממשק דמוי הצ'אט של Rugged באותו חלון טרמינל. לחלופין, הפעל מחדש ושנה פקודות צופן ב-Neo4j כדי לחדד את תוצאות שאילתת גרף הידע. סכם את כל האינטראקציה עם מילת המפתח "סיכום" כדי להפיק סיכום טקסט לסקירה מאוחרת יותר, ובצע סקירה אנושית בלולאה כדי לשפר את הקריאות והדיוק של תגובות המערכת לפני השלמת הסיכום. לבסוף, סקור את יומני הצ'אט בתיקיית היומן בתוך Rugged ובדוק את הטקסט המלא של האינטראקציה. גרף הידע שנבנה באמצעות Know2BIO כלל 219,450 צמתים ו-6,323,257 קצוות. מערכת Rugged הטמיעה גרף ידע ונתוני פרסום באמצעות מודל BART לחיפוש וקטורי, עם פרסומים ארוכים יותר מ-500 אסימונים מסוכמים לפי סעיפים.
סקירה כללית
מאמר זה מציג את RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), פלטפורמה המשלבת הסקת מסקנות של מודלי שפה גדולים (LLM) עם יצירה מוגברתת-אחזור (Retrieval-Augmented Generation). מטרתה לסנתז ידע חדש מספרות ביו-רפואית וממאגרי ידע, ובכך להקל על יצירת היפותזות ובחינה של שאלות ביו-רפואיות.
מרכיבי מפתח של המחקר
תחום מדעי
- אינפורמטיקה ביו-רפואית
- בינה מלאכותית בטיפול רפואי
- גרפי ידע
רקע
- התקדמויות אחרונות בבינה מלאכותית גנרטיבית ובמודלי שפה גדולים שינו את פני המחקר הביו-רפואי.
- שיטות קודמות הסתמכו על כריית טקסט כדי להפיק קשרים מתוך הספרות המקצועית.
- שילוב של LLMs עם יצירה מוגברתת-שליפה (retrieval-augmented generation) משפר את האמינות והספציפיות.
- RUGGED שואף לשפר את חקר הנופים הביו-רפואיים.
מטרת המחקר
- לשילוב ידע ביו-רפואי מובנה בתוך תהליכי עבודה של LLM.
- לאפשר הסקה מדויקת ותגובות מבוססות ראיות.
- להקל על ביצוע חקירות מונחות-השערה במחקר ביו-רפואי.
שיטות שבהן נעשה שימוש
- שימוש בשירות Rugged לצורך חילוץ ספרות.
- בניית גרפי ידע באמצעות caseOLAP LIFT.
- שילוב של קשרים שחולצו לתוך גרף מקיף.
- שאילתות בשפה טבעית מול גרף הידע לצורך תחזיות ואחזור מסמכים.
תוצאות עיקריות
- גרף הידע כלל 219,450 צמתים ו-6,323,257 קשתות.
- RUGGED הטמיע גרף ידע ונתוני פרסומים באמצעות מודל BART.
- שיפור האינטראקציה עם ספרות ביו-רפואית באמצעות ממשק דמוי צ'אט.
- סיוע בליטוש איטרטיבי של שאילתות ותחזיות.
מסקנות
- RUGGED משפר את המהימנות של אחזור מידע ביו-רפואי.
- הוא תומך ביצירת השערות באמצעות בינה מלאכותית ניתנת להסבר (explainable AI).
- הפלטפורמה מהווה התקדמות משמעותית במתודולוגיות של מחקר ביו-רפואי.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
שילוב של בינה מלאכותית ניתנת להסבר (explainable AI) עם יצירה מוגברתת-שליפה (retrieval-augmented generation) מאפשר לצוותי ביו-פארמה לסנתז ולתקף ראיות על פני מאגרי ידע ביו-רפואיים נרחבים, ובכך להפחית עמימות בשלבי הגילוי המוקדמים. תהליך העבודה של RUGGED מגביר את הביטחון החזוי על ידי ביסוס בחינת השערות בספרות נבחרת ובגרפים של ידע מובנה. גישה זו תומכת בקבלת החלטות לגבי תיקי פיתוח מותאמות סיכון באמצעות ייעול הזיהוי של קשרי תרופה-מחלה בעלי פוטנציאל יישומי.
יישומים אסטרטגיים במו"פ של ביו-פרמה
גילוי מוקדם ותיקוף מטרה
- תומך בבחינת היפותזות על ידי קישור בין קשרים המופקים מספרות לבין מאגרי ידע מאוצרים.
- מאפשר הפחתת סיכונים מכניסטית באמצעות תחזיות מבוססות-גרף הניתנות להסבר של קשרי תרופה-מחלה.
- מסייע בתיקוף תפקודי של מטרות על ידי הצפת אינטראקציות מולקולריות מגובות בראיות.
- משפר את רמת הביטחון החיזויית לצורך תיעדוף של מטרות ומסלולים בתחומי מחלה מורכבים.
סריקה ופיתוח בדיקות (Assay Development)
- מכין קשרי ביולוגיה מתוקתקים עבור תהליכי סינון (screening) במורד הזרם.
- מנstandardize את שילוב הראיות, ובכך תומך ביכולת השחזור בפיתוח בדיקות (assays).
- מאפשר חקירה ניתנת להרחבה ומבוססת שאילתות של קשרי תרכובת-מטרה.
- מספק פלטים כמותיים להערכה ותיעדוף מהימנים של תרכובות.
מחקר תרגומי ופרה-קליני
- מתאימה ממצאים מולקולריים למערכות רלוונטיות למחלה לצורך רציפות תרגומית.
- תומכת ביצירת היפותזות לביומרקרים על ידי שילוב ראיות ממקורות מרובים.
- מאפשרת קבלת החלטות על קידום הפיתוח תוך התחשבות בסיכון, באמצעות פלטי חיזוי הניתנים להסבר.
- מפחיתה סיכון ביולוגי בשלבים מאוחרים על ידי הבהרת הבסיסים המכניסטיים של תרופות מועמדות.
שילוב תהליכי עבודה וצנרת עיבוד (Pipeline)
פלטפורמת RUGGED מגשרת בין שלבי הגילוי המוקדמים, תיקוף המטרה ומחקר תרגומי, על ידי הטמעת סינתזה של ידע מבוסס ראיות ברצף המו"פ.
- ביולוגיה של גילוי: מקלה על בדיקת השערות והבהרת מסלולים באמצעות אינטגרציה של ראיות מונחית-גרף.
- סריקה: מספקת תוצרים הניתנים לשחזור ומונחים בשאילתות להערכת תרכובות ומטרות.
- אנליטיקה: מספקת ציוני אסוציאציה כמותיים ותחזיות ניתנות להסבר להשוואה בין תנאים שונים.
- מחקר טרנסלציונלי: מקשר בין תובנות מולקולריות למודלים של מחלות ולהשערות קליניות כאשר הדבר נתמך על ידי נתונים מאוצרים.
- שימוש חוזר ארגוני: מבססת מסגרת ניתנת להרחבה ולשימוש חוזר לצורך אינטגרציה מתמשכת של ידע ותיקוף השערות.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון בחיזוי ומפחית עמימות מכניסטית בבחירת מטרות ומסלולים.
- ערך תפעולי: מבצע סטנדרטיזציה של סינתזת ראיות ותומך בתהליכי עבודה של ידע הניתנים לשחזור ולהרחבה.
- ערך אסטרטגי: מאפשר קבלת החלטות מושכלת של go/no-go וניהול פורטפוליו יעיל מבחינת הון.
- השפעה על הפורטפוליו: תומך בתעדוף מותאם סיכון ובקידום היפותזות טיפוליות.
שיקולי יישום
- דורש מומחיות בביואינפורמטיקה רפואית, בינה מלאכותית (AI) ואנליזה של גרפי ידע.
- תלוי בתשתית חישובית חסונה לצורך אינטגרציה ושליפת נתונים בהיקף רחב.
- מחייב סטנדרטיזציה חוצת-צוותים של פרוטוקולי אוצרות ותיקוף של ראיות.
- ניתן להתאמה למודלי מחלה ותחומי טיפול מגוונים עם מקורות נתונים מתאימים.
- מגבלות מעשיות כוללות את הצורך באוצרות שוטפת כדי לצמצם הטיות ולשמור על איכות הנתונים.
