導(dǎo)語

生命科學(xué)與醫(yī)學(xué)領(lǐng)域正經(jīng)歷著深刻的智能革命。大語言模型與多智能體技術(shù)快速發(fā)展，正在推動形成計(jì)算醫(yī)學(xué)（Computational Medicine）新范式，為精準(zhǔn)醫(yī)療、疾病診斷和健康管理開辟全新路徑。AI驅(qū)動的計(jì)算醫(yī)學(xué)在自主探索、跨尺度數(shù)據(jù)融合、個(gè)體建模與數(shù)字孿生等方面快速發(fā)展，然而跨學(xué)科合作與方法論整合仍是重要挑戰(zhàn)。

為此，DAMO開發(fā)者矩陣（由阿里巴巴達(dá)摩院和中國互聯(lián)網(wǎng)協(xié)會聯(lián)合發(fā)起）與集智俱樂部共同主辦“AI驅(qū)動的計(jì)算醫(yī)學(xué)前沿：從科學(xué)發(fā)現(xiàn)到數(shù)字孿生”系列研討會，邀請多位國內(nèi)外前沿學(xué)者與業(yè)界專家分享交流。系列研討會將系統(tǒng)梳理計(jì)算醫(yī)學(xué)與AI交叉領(lǐng)域的最新進(jìn)展，自2025年7月6日（周日）開始，共5大議題分享與討論。本活動免費(fèi)報(bào)名，實(shí)行審核入群制，請?zhí)顚懶畔⒑笕肴海⑴c騰訊會議互動。

7月6日（周日）10:00開始第一期研討。歡迎相關(guān)研究、應(yīng)用領(lǐng)域的朋友報(bào)名參加，共同推動生命科學(xué)與醫(yī)療健康的智能未來！

本期簡介

在藥物研發(fā)與實(shí)驗(yàn)室自動化浪潮下，“AI生物學(xué)家”正在從構(gòu)想到現(xiàn)實(shí)。通過多智能體（Agent）架構(gòu)，讓模型自主提出科學(xué)假說、設(shè)計(jì)實(shí)驗(yàn)、操控自動化設(shè)備，并分析實(shí)驗(yàn)結(jié)果，形成完整閉環(huán)，大幅提高研發(fā)效率與成功率。多智能體生物醫(yī)學(xué)關(guān)注的焦點(diǎn)是如何從單一模型轉(zhuǎn)變?yōu)槎嘟巧珔f(xié)作，并且與物理世界緊密對接，真正創(chuàng)造可規(guī)模化的實(shí)驗(yàn)自動化新范式。

在上述背景下，本系列活動第一期，我們邀請到斯坦福大學(xué)的兩位博士生，黃柯鑫與屈元昊，分別介紹他們在多智能體生物醫(yī)學(xué)領(lǐng)域的前沿工作——Biomni（通用型生物醫(yī)學(xué)智能體）與CRISPR-GPT（AI驅(qū)動的基因編輯實(shí)驗(yàn)閉環(huán)）。同時(shí)，我們還特別邀請多位來自產(chǎn)業(yè)界的資深嘉賓，以圓桌討論的形式，深入探討“AI生物學(xué)家”從實(shí)驗(yàn)室原型到真實(shí)世界應(yīng)用的實(shí)踐路徑與挑戰(zhàn)。

分享內(nèi)容

報(bào)告一：Biomni：通用型生物醫(yī)學(xué)智能體

生物醫(yī)學(xué)研究是人類理解健康與疾病、藥物發(fā)現(xiàn)和臨床治療進(jìn)步的基礎(chǔ)。然而，隨著復(fù)雜的實(shí)驗(yàn)流程、大規(guī)模的數(shù)據(jù)集、眾多分析工具以及日益龐雜的文獻(xiàn)涌現(xiàn)，生物醫(yī)學(xué)研究逐漸陷入了重復(fù)、碎片化的工作流程，嚴(yán)重限制了科研創(chuàng)新的效率與規(guī)模，亟需一種根本性的新模式來拓展科學(xué)專家的能力。

在此背景下，黃柯鑫團(tuán)隊(duì)提出了Biomni，一個(gè)通用型生物醫(yī)學(xué)AI智能體，旨在自主完成跨越眾多生物醫(yī)學(xué)子領(lǐng)域的廣泛研究任務(wù)。為系統(tǒng)性地映射生物醫(yī)學(xué)領(lǐng)域的行動空間（action space），Biomni首先使用“行動發(fā)現(xiàn)”智能體（action discovery agent）構(gòu)建了首個(gè)統(tǒng)一的智能環(huán)境，通過對25個(gè)生物醫(yī)學(xué)領(lǐng)域中數(shù)萬篇文獻(xiàn)的挖掘，自動識別和集成了領(lǐng)域內(nèi)關(guān)鍵工具、數(shù)據(jù)庫和實(shí)驗(yàn)方案。在此基礎(chǔ)之上，Biomni設(shè)計(jì)了一個(gè)通用型的智能體架構(gòu)，將大語言模型（LLM）的推理能力與檢索增強(qiáng)規(guī)劃（retrieval-augmented planning）以及基于代碼的執(zhí)行進(jìn)行深度整合，使其能夠動態(tài)地組合與實(shí)施復(fù)雜的生物醫(yī)學(xué)研究流程，完全擺脫了預(yù)定義模板或剛性的任務(wù)流程。

系統(tǒng)性的基準(zhǔn)評測（benchmark）表明，Biomni在因果基因優(yōu)先排序、藥物再利用、罕見病診斷、微生物組分析、分子克隆等多種異構(gòu)生物醫(yī)學(xué)任務(wù)中表現(xiàn)出很強(qiáng)的泛化能力，且無需針對任務(wù)的特殊prompt調(diào)優(yōu)。此外，真實(shí)案例研究進(jìn)一步驗(yàn)證了Biomni解析復(fù)雜、多模態(tài)生物醫(yī)學(xué)數(shù)據(jù)，并自主生成可實(shí)驗(yàn)驗(yàn)證方案的能力。

本報(bào)告將進(jìn)一步探討B(tài)iomni所倡導(dǎo)的愿景：未來的虛擬AI生物學(xué)家將與人類科學(xué)家協(xié)同工作，極大地提升研究生產(chǎn)力、臨床洞察力和醫(yī)療健康水平。

參考資料：

https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1

報(bào)告二：CRISPR-GPT：多智能體驅(qū)動的基因編輯閉環(huán)實(shí)踐

在“AI 生物學(xué)家”的愿景中，人工智能不僅能解讀數(shù)據(jù)，更能像科研人員那樣構(gòu)思并迭代實(shí)驗(yàn)。屈元昊團(tuán)隊(duì)提出的 CRISPR-GPT 將這一愿景落實(shí)到基因編輯場景。該系統(tǒng)通過多智能體協(xié)作，實(shí)現(xiàn)了從實(shí)驗(yàn)構(gòu)思到結(jié)果驗(yàn)證的端到端自動化，極大地提升了基因編輯研究的效率和可重復(fù)性。

CRISPR-GPT 的核心在于其精巧的多智能體架構(gòu)。該框架將復(fù)雜基因編輯流程分解為多個(gè)協(xié)同工作的AI代理，例如負(fù)責(zé)文獻(xiàn)檢索、系統(tǒng)篩選、gRNA/pegRNA設(shè)計(jì)、脫靶評估以及SOP（標(biāo)準(zhǔn)操作規(guī)程）生成等。這些智能體通過知識鏈調(diào)用機(jī)制緊密協(xié)作，并由大語言模型（LLM）作為核心控制器協(xié)調(diào)信息流動。此外，CRISPR-GPT 通過外部生物信息工具和自動化實(shí)驗(yàn)平臺的接入，實(shí)現(xiàn)了理論設(shè)計(jì)與濕實(shí)驗(yàn)的無縫銜接，使模型能獨(dú)立完成「系統(tǒng)選擇 → gRNA/pegRNA 設(shè)計(jì) → 遞送策略 → 實(shí)驗(yàn)流程 → 結(jié)果驗(yàn)證」的端到端自動化過程。

本次報(bào)告將深入解析 CRISPR-GPT 的多智能體架構(gòu)以及知識鏈調(diào)用細(xì)節(jié)，闡釋如何通過智能體之間的協(xié)同，實(shí)現(xiàn)基因編輯的閉環(huán)實(shí)踐。此外，報(bào)告還將分享在構(gòu)建和運(yùn)行此類AI系統(tǒng)時(shí)，團(tuán)隊(duì)在合規(guī)性與安全性方面的思考與實(shí)踐，確保AI在生物醫(yī)學(xué)研究中的應(yīng)用符合倫理規(guī)范并具備高度的可靠性。最后，報(bào)告將探討 CRISPR-GPT 框架如何與實(shí)驗(yàn)機(jī)器人和實(shí)驗(yàn)室信息管理系統(tǒng)（LIMS）無縫銜接，展望未來自動化實(shí)驗(yàn)室的藍(lán)圖，以及AI在加速基因編輯技術(shù)發(fā)展和應(yīng)用中的巨大潛力。

參考資料：

https://www.biorxiv.org/content/10.1101/2024.04.25.591003v3

嘉賓信息

分享嘉賓

黃柯鑫，斯坦福大學(xué)計(jì)算機(jī)科學(xué)系博士生（導(dǎo)師：Jure Leskovec 教授），研究聚焦于開發(fā)具備新穎性、可部署性與可解釋性的AI技術(shù)以推動生物醫(yī)學(xué)發(fā)現(xiàn)，同時(shí)致力于多模態(tài)建模、不確定性量化與智能體推理等人工智能核心問題。已在Nature Medicine、Nature Biotechnology、Nature Chemical Biology、Nature Biomedical Engineering、Nature，以及NeurIPS、ICML、ICLR 等國際頂級期刊與會議發(fā)表多篇高影響力論文，并獲NeurIPS/ICML Workshops、ISMB、ASHG 等多個(gè)最佳論文獎(jiǎng)，研究成果曾登上Nature Biotechnology、Cell Patterns封面，并被福布斯、WIRED、MIT科技評論等主流媒體報(bào)道。曾與Genentech、葛蘭素史克、輝瑞、IQVIA、Flatiron Health、Dana-Farber癌癥研究所、洛克菲勒大學(xué)等機(jī)構(gòu)在機(jī)器學(xué)習(xí)領(lǐng)域開展深入合作。

屈元昊，斯坦福大學(xué)癌癥生物學(xué)系博士生（導(dǎo)師：叢樂教授），本科畢業(yè)于加州大學(xué)圣地亞哥分校。在癌癥免疫學(xué)、非編碼RNA、基因組工程、單細(xì)胞技術(shù)、CRISPR篩選以及人工智能+生物學(xué)應(yīng)用等領(lǐng)域具有深厚專業(yè)背景。已在Nature Biotechnology、Nature Biomedical Engineering、Nature Cell Biology、Molecular Cell、PLOS Pathogens等頂級期刊發(fā)表研究成果，并擁有2項(xiàng)專利（人工智能、基因組工程）。主導(dǎo)開發(fā)了CRISPR-GPT（首個(gè)用于生物學(xué)實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析的AI智能體）和AutoScreen（功能性篩選的靶標(biāo)選擇智能體）等重要研究項(xiàng)目，并與賽諾菲和先聲藥業(yè)等企業(yè)在多個(gè)研究項(xiàng)目中建立深度合作關(guān)系。共同領(lǐng)導(dǎo)并完成了Biomni項(xiàng)目，成功開發(fā)出首個(gè)通用生物醫(yī)學(xué)智能體。

圓桌嘉賓趙亞龍，晶泰科技創(chuàng)新中心（Xtalpi Innovation Center）高級 AI 科學(xué)家，負(fù)責(zé)圍繞 AI4LifeScience 的創(chuàng)新孵化工作，曾任阿里巴巴集團(tuán)算法專家，北京大學(xué)前沿工程博士。
軻迪，BV百度風(fēng)投投資副總裁。關(guān)注自動駕駛、具身智能、AI4S等方向的投資，歷史案例包括九識智能、星海圖、維他動力、深度原理等。

王鑫迪（主持人），北京師范大學(xué)認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國家重點(diǎn)實(shí)驗(yàn)室博士，加拿大McGill大學(xué)Montreal Neurological Institute (MNI)博士后（導(dǎo)師：Alan C. Evans院士）。長期從事多模態(tài)磁共振腦影像大數(shù)據(jù)分析與信息平臺建設(shè)，是腦影像數(shù)據(jù)分析軟件DPABI、GRETNA的核心開發(fā)者，軟件累計(jì)下載數(shù)萬次，被國內(nèi)外廣泛使用；參與國際腦影像平臺CBrain、CIVET開發(fā)維護(hù)及PRIME-RE、BigBrain Project等跨中心合作項(xiàng)目，發(fā)表SCI論文20余篇（被引6000余次，谷歌H指數(shù)18）。現(xiàn)任科大訊飛高級工程師，深度參與國家科技創(chuàng)新2030重大項(xiàng)目“中國學(xué)齡兒童腦智發(fā)育隊(duì)列研究”的數(shù)據(jù)信息平臺架構(gòu)與建設(shè)工作。

報(bào)名參與

直播信息

2025年7月6日（周日）10:00-12:00

報(bào)名加入社群

填寫信息后，添加運(yùn)營負(fù)責(zé)人微信，備注“”。通過審核后，后續(xù)將邀請加入對應(yīng)主題的社區(qū)（微信群）。

我們采取開放交流研討的方式，如果你在相關(guān)議題方向上有研究成果和行業(yè)案例，意愿以結(jié)構(gòu)化形式分享交流，請?jiān)趫?bào)名后聯(lián)系運(yùn)營負(fù)責(zé)人。

研討會簡介

為了更好地促進(jìn)生命科學(xué)與人工智能領(lǐng)域的深度交叉融合，推動前沿研究與醫(yī)療實(shí)踐的快速落地，DAMO開發(fā)者矩陣與集智俱樂部聯(lián)合發(fā)起了，旨在構(gòu)建跨學(xué)科交流平臺，推動知識共享與技術(shù)創(chuàng)新。

本系列活動將通過結(jié)構(gòu)化的深度主題對話，邀請國內(nèi)外生命科學(xué)與AI交叉領(lǐng)域的前沿研究者和產(chǎn)業(yè)實(shí)踐者，共同探討如何用AI賦能生命科學(xué)與精準(zhǔn)醫(yī)療，推動研究范式與醫(yī)療模式的革新。

核心問題

1. AI驅(qū)動的多智能體生物醫(yī)學(xué)與醫(yī)療智能體究竟是什么？它們?nèi)绾螐膶?shí)驗(yàn)室走向真實(shí)世界？

2. 多組學(xué)融合的核心技術(shù)障礙有哪些？AI如何跨越這些障礙助力精準(zhǔn)醫(yī)學(xué)落地？

3. 醫(yī)學(xué)影像如何從AI輔助診斷走向智能體自動化閉環(huán)？落地過程中的關(guān)鍵挑戰(zhàn)是什么？

4. AI技術(shù)如何有效地融入嚴(yán)肅醫(yī)療體系？政策、監(jiān)管與產(chǎn)業(yè)協(xié)同路徑如何優(yōu)化？

5. 泛健康領(lǐng)域中，AI如何重塑健康管理、保險(xiǎn)定價(jià)與用戶參與模式，打造全生命周期的智慧醫(yī)療生態(tài)？

你將收獲

1. 系統(tǒng)了解AI+生命科學(xué)交叉領(lǐng)域的前沿趨勢與最新方法論；

2. 掌握AI技術(shù)如何實(shí)現(xiàn)從數(shù)據(jù)整合到精準(zhǔn)醫(yī)學(xué)決策的閉環(huán)路徑；

3. 了解真實(shí)世界中AI醫(yī)療智能體的落地案例與實(shí)施方法；

4. 深入洞察多組學(xué)數(shù)據(jù)融合的關(guān)鍵難題與解決方案；

5. 獲取從AI驅(qū)動的實(shí)驗(yàn)設(shè)計(jì)到醫(yī)療產(chǎn)業(yè)化落地的全流程經(jīng)驗(yàn)與最佳實(shí)踐。