纳米医学中基于证据的前沿映射与智能体假设生成
人工智能
2026-05-19 v1
摘要
纳米医学研究涵盖递送化学、免疫学、成像、生物材料与疾病特异性转化科学，但其概念设计空间在庞大且异质的文献中仍处于碎片化状态。迄今为止，人工智能在纳米医学中的关注点主要集中在性质预测与配方优化，而在研究方向选择层面对基于证据的发现支持关注甚少。我们引入了 pArticleMap，这是一个文献映射与研究假设生成系统，结合了文章嵌入、相似图分析、稀疏前沿提取、结构化证据包检索，以及用于基于证据的构思的经审计大型语言模型（LLM）工作流。pArticleMap 并非预测未来概念共现，而是瞄准低密度的文章级桥接区域与聚类界面，然后在智能体设置中利用大型语言模型生成并评分具有引用依据的假设。我们通过回顾性实现基准测试（在历史截断点下生成后续文献）以及跨线索条件化纳米医学任务的盲法人类读者评估层对该系统进行了评估。在 4 个选定的回顾性捆绑中，pArticleMap 在基准协议下生成了想法并选出了任务保留假设（获胜想法）。对于任务级保留假设，获得了 10.8% 的汇总黄金恢复率，recall@10 为 15.9%，未来邻域率为 61.0%，表明该系统即使未实现精确的论文级恢复，也通常能到达正确的前瞻性邻域（论文想法）。总体而言，人类与智能体的一致性适中，表明内部评分可作为支持信号，但不能替代专家判断。这些结果将 pArticleMap 定位为纳米医学的保守、基于证据的研究助手。
引用
@article{arxiv.2605.18144,
title = {Evidence-Grounded Frontier Mapping and Agentic Hypothesis Generation in Nanomedicine},
author = {Christiaan G. A. Viviers and Koen de Bruin and Mirre M. Trines and Ayla M. Hokke and Roy van der Meel and Avi Schroeder and Twan Lammers and Willem J. M. Mulder and Fons van der Sommen},
journal= {arXiv preprint arXiv:2605.18144},
year = {2026}
}