A ReAct Agentic AI System for Natural Language Querying and Statistical Analysis of The Cancer Genome Atlas Clinical Data

医院和研究中心产生了海量的患者信息，从他们的病史到肿瘤的具体基因组成。其中最显著的数据集之一是癌症基因组图谱（The Cancer Genome Atlas），这是一个庞大的数字库，保存了超过 33 种癌症类型中 11,000 多名患者的临床记录。几十年来，科学家们一直依赖这一资源来寻找可能导致更好疗法的模式，但获取这些信息一直是一项艰巨的任务。数据存储在复杂的各种文件结构中，并散落在许多不同的格式里，这要求研究人员必须编写专门的计算机代码才能提出简单的疑问。这种障碍意味着宝贵的洞察力往往被锁闭起来，仅供那些拥有高级编程技能的人使用，而能够立即使用这些数据的医生和临床医生却缺乏一种直接查询它的途径。

为了解决这个问题，研究人员开发了一种新型计算机系统，旨在理解自然语言并对这些医学数据进行统计分析。该系统不再强迫人类去学习复杂的编程语言，而是允许用户直接用英语提问，例如询问接受特定治疗的患者的生存率。该系统充当一个自主智能体（autonomous agent），即一个能够循序渐进思考问题的数字助手。当问题到达时，智能体并不会盲目猜测答案；相反，它会使用大型语言模型来推理出寻找真相所需的工具。它会从八种不同的计算工具集中进行选择，这些工具可能包括提取特定数据点、计算平均值或比较不同患者群体以观察是否存在统计学显著差异的功能。

其工作流程是让智能体将一个复杂的问题分解成若干个小步骤。如果用户询问某种肿瘤患者的生存时间，智能体可能会首先检索相关的患者记录，然后计算他们的生存时长，最后运行统计检验以查看结果是否可靠。至关重要的是，该系统会检查自己的工作。它会将发现的结果与一个被称为“临床数据资源”（Clinical Data Resource）的经过人工整理且受信任的版本进行对比，以确保准确性。如果初始尝试失败或数据看起来不完整，智能体会调整其方法，尝试使用不同的工具或以不同的方式观察数据，直到得出正确且具有临床意义的答案。这种推理、行动与验证的循环，使得该系统能够处理那些会让标准计算机程序或简单聊天机器人感到困惑的难题。

为了测试该系统的有效性，研究人员创建了一个名为 TCGA-Agent-Bench 的严格评估体系。这项测试包含了 440 个不同的问题，范围从简单的单个患者记录查询到大规模人群之间的复杂比较。问题根据五个难度等级进行评分，并且答案会针对受信任的“临床数据资源”进行核对，以检查系统是否得到了正确的数值以及医学背景是否完整。结果显示，该智能体系统非常高效，正确回答了 93.4% 的问题。它在简单查询方面表现完美，并在关于患者群体的提问中达到了 99.1% 的成功率。与其它方法相比——例如固定的规则集或不使用工具的标准语言模型——这个新系统明显更加准确。一个仅仅阅读数据而不进行步骤推理的标准模型，其准确率仅为 81.8%；而一个尝试检索信息但没有结构化推理循环的系统，准确率则降至 66.9%。

研究还揭示了该系统价值最大的地方。虽然受信任的“临床数据资源”本身可以回答大多数问题，但在某些特定领域仍存在不足，例如药物治疗详情、特定的肿瘤测量值以及生物标志物。当研究人员针对需要这些缺失细节的 26 个问题进行测试时，完整的智能体系统回答正确率达到了 100%，而仅依靠受信任的资源本身，正确率仅为 3.8%。这证明了该系统从原始且复杂的文件中提取数据的能力对于获得完整图景是必不可少的。进一步的分析表明，推理循环（即智能体思考下一步动作并检查其工作的部分）是最重要的因素，它将准确率提升了 9.1%，并将答案的完整性提高了 22 个百分点。

研究结果表明，该系统的力量并不来自于计算机模型本身的大小，而在于它是如何被构建来使用工具并验证自身结果的。通过将理解人类语言的能力与统计软件的精确性以及自我检查的严谨性相结合，该系统使一个庞大且难以使用的医学数据库变得触手可及，任何人都可以通过提问来获取信息。它提供了一种获取准确、可审计且具有清晰来源答案的方式，将一个复杂的文件的库转变为医学发现的对话伙伴。这种方法为分析临床数据提供了一条路径，证明了正确的架构可以解锁那些此前隐藏在技术复杂度之墙后的洞察力。