两位院士联手，最新Nature Biomedical Engineering：生物医学数据自进化多智能体系统

背景：新一代生物技术催生了海量多维度生物医学数据，其分析需要融合复杂计算方法，但现有工具平台存在灵活性低、缺乏自然语言交互和可解释性等问题，难以满足非计算背景研究者的需求。同时，大语言模型多智能体技术快速发展，但在生物医学领域仍存在任务类型受限、工具整合与工作流构建能力弱、缺乏经验复用和自进化能力等短板。研究目的：针对上述痛点，研究团队旨在开发一个能实现自主、工具感知的生物医学数据分析的自进化多智能体LLM框架（BioMedAgent），以提供智能化的分析解决方案。结论：研究成功研发了BioMedAgent框架，并通过基准构建和性能验证，证明其在组学分析、精准医疗支持等多种任务中表现优异，具备交互式探索、记忆检索带来的自进化能力以及良好的泛化性。该框架在非小细胞肺癌跨组学分析、癌症相关血栓栓塞预测建模等实际场景中成功应用，与同类AI智能体相比，在任务覆盖、工具灵活性和自进化能力方面具有显著优势。