开源“AI科学家”来了!几分钟搞定人类专家几个月的工作,成本接近“一杯咖啡钱”


撰文丨王聪
编辑丨王多鱼
排版丨水成文
现在有一份 325 人的临床队列数据,让你从零开始重建整套分析流程、跑完 ROC 曲线、写完统计报告,需要多久?一位熟练的生物统计学研究人员大概会说:几个月。而现在,一个名为 OpenScientist 的开源“AI 科学家”,把这一时间压缩到了几分钟。
2026 年 11 月 16 日,圣路易斯华盛顿大学和劳伦斯伯克利国家实验室研究人员在 Nature Medicine 期刊发表了题为:An open agentic AI co-scientist for clinical and biomedical discovery 的研究论文。
该研究开发了一款开源的 agentic AI co-scientist——OpenScientist,其在五项生物医学案例研究中接受了领域专家的评估,能够在几分钟内完成原本需要人类专家投入数月时间和专业知识才能完成分析。这些结果支持 OpenScientist 与人类专家协同使用,以辅助生物医学数据分析。
为支持涉及敏感临床数据集的研究,OpenScientist 可使用开源模型进行推理,并在完全“物理隔离”的环境中运行。OpenScientist 证明了,开放、可审计、具备自主行动能力的 AI 能够通过研究文献、生成假说、执行分析,并从复杂数据集中生成见解,从而支持现实世界中的临床研究。

为什么需要一个“AI 科学家”?
生物医学研究,正在被数据“淹没”。单细胞测序动辄数万个细胞、血浆蛋白质组一次测几千种蛋白、电子病历混杂着文本表格及影像——从这些数据里提取可靠的科学结论,既费时间,又极度依赖稀缺的跨领域专家。
近两年,AI 科研平台层出不穷:谷歌的 AI Co-Scientist、Sakana 的 AI Scientist、OpenAI 的 GPT-Rosalind、Edison Scientific 的 Kosmos、Phylo 的 Biomni、Anthropic 的 Claude Science……它们都能生成假说、解读多模态数据以及产生科学推理。但也有一个共同痛点:它们都是闭源的。外部研究者无法检查它到底怎么得出结论,无法定制,也无法接入自己机构的算力与数据。
OpenScientist 的最大卖点就一个词:开源。整个系统的编排逻辑、每一步代码执行、每一次文献检索、完整运行日志全部可审计。它基于 AI 大模型的 agentic 架构,借助 Agent Skills 与 MCP(模型上下文协议)挂载领域工具,在一遍遍迭代中模仿人类科学家的日常——提出假说 → 写代码 → 跑分析 → 查阅 PubMed 文献 → 把结论记入“知识库” → 再提出下一层假说。而且它不挑数据类型:基因组、转录组、蛋白质组、代谢组、电子病历、病理图像,统统可以吃进来。

OpenScientist 工作流程概述
五场考试:“AI 科学家”成绩亮眼
研究团队给 OpenScientist 出了五道难度递增的考题,覆盖神经退行性疾病与血液肿瘤两大领域。
考题一:读一份科研基金申请书,把分析做完
研究团队把 SEABIRD 研究(一项包含 325 人队列的阿尔茨海默病血液生物标志物研究)的基金申请书原文交给 OpenScientist,让它照着研究计划把分析从头做一遍。结果显示,它重建的 ROC 分析与人类团队用 SAS 软件得到的结果几乎完全一致——pTau217 是区分脑内淀粉样蛋白阳性的最佳血液标志物,绝大多数指标的 AUC 值精确到小数点后两位都相同。
当然,这一考题也暴露了 OpenScientist 的翻车现场:开发阶段的十次试跑中,它一度把 CSV 空单元格当成 0 而不是“缺失值”、误用文献里的阈值替代研究预设的阈值、把重复记录当成独立样本。研究团队强调:这些错误能被发现,恰恰是因为人类专家知道“正确答案”是什么样,因此,在没有标准答案的真正探索研究中,人类必须逐环节审计 AI 的输出,而不是将其默认为可靠结论。
考题二:基于人血浆蛋白质组学的生存预测
对来自“衰老生物标志物挑战赛”的 500 名 18-99 岁志愿者的血浆蛋白质组数据,在 OpenScientist 搭建的模型中,蛋白质组特征把生存预测的一致性指数从年龄+性别的基线 0.615 提升到了 0.796,相对提升约 30%;它还进一步浓缩出了一个 9 蛋白风险评分,最高危与最低危人群的死亡风险相差 8.6 倍。独立评审认为,OpenScientist 的表现与该挑战赛中人类顶尖参赛模型相当。此外,OpenScientist找出的预测因子通常都有既往文献背书,甚至还发现了一篇人类在文献检索时漏掉的关键论文。
考题三:给 tau 缠结的神经元“问诊”
使用已发表的人类大脑单细胞转录组数据,对比同一供体大脑内“有 tau 蛋白缠结”与“无 tau 蛋白缠结“的神经元,OpenScientist 自主聚焦到蛋白质稳态网络中的溶酶体酸化环节,发现了负责往溶酶体里泵入氢离子的 vATPase 亚基显著上调,而外排氢离子的离子通道(TMEM175、TPC1/2)表达下降,由此提出一个机制假说——tau 病理改变了溶酶体的氢离子进出平衡,酸化因此受损。领域专家逐条核验后确认其报告的基因变化与真实数据的相关系数高达 0.983。同样的分析重复十次,核心结论全部复现。值得一提的是,原始论文中根本没研究过溶酶体酸化,这是 OpenScientist 从“沉睡的数据”里挖出的全新假说。
考题四:从多发性骨髓瘤转录组学数据中生成假说并验证
在多发性骨髓瘤从癌前病变到恶性的转录组演化分析中,OpenScientist 先提出“未折叠蛋白反应崩溃”模型,进而提出四个假说:意义未明的单克隆丙种球蛋白病(MGUS)到冒烟型多发性骨髓瘤(SMM)的转化代表了疾病进展中关键的“不可逆点”;未折叠蛋白反应崩溃机制驱动恶性转化;广泛的差异基因表达是疾病转化的特征;可以从基因表达谱中识别出特定的药物靶点。
随后研究团队让它用外部数据集验证自己的假说——结果它明确否定了自己提出的第一个假说,指出“正常状态到 MGUS 的转化”才是最大的分子转折点。研究团队指出,这体现了 OpenScientist 的“证据优先于自我一致性”,是真正意义上的科学检验,而非确认偏误。
更巧妙的是,研究团队把验证数据集的疾病标签随机打乱,OpenScientist 在真实数据中验证了未折叠蛋白反应崩溃与候选靶点(BCMA、PSMB5),而在打乱的假数据中却几乎找不到任何信号,并主动提醒“数据可能出了问题”。也就是说,OpenScientist 没有在被喂“垃圾数据”后就吐出“垃圾结论”,而是表现出可贵的认知谦逊。
考题五:与人类团队同题竞技,盲法裁决
在一份事先注册的分析方案下,人类团队与 OpenScientist 分头分析同一个临床试验的脑脊液与血浆蛋白质组数据,该临床试验旨在评估双重食欲素受体拮抗剂 suvorexant 的效果,此前该试验已显示,suvorexant 可急性降低脑脊液中的磷酸化 tau 蛋白和 β-淀粉样蛋白水平。
第三方专家盲法评判结果显示,OpenScientist 与人类团队得出的主要结论完全一致,但二者风格迥异——人类更爱把弱信号编织成机制故事,OpenScientist 则只解释能被证明可重复的信号。评审专家判定两者互补:一个擅长提出机制假说,一个擅长守住证据底线。
值得一提的是,这一整套分析的平均成本低得惊人,单次运行中位数仅 11.30 美元(最低 0.72 美元,最高 117 美元)。也就是说,人类专家需要耗时数月的数据分析工作,被压缩到几分钟到几小时,而边际成本接近一杯咖啡钱。
此外,临床数据高度敏感,把患者数据上传到云端闭源大模型,在很多机构是根本不被允许的。而 OpenScientist 可以部署在自家服务器上,并使用开源权重大模型(例如 Kimi K3、GLM 5.2)在物理断网的环境中端到端完成分析——数据永不出门。且其分析质量与在线闭源前沿模型相当。这也意味着:顶尖 AI 科研能力 + 数据主权 + 可审计性,三者第一次可以兼得。
最后,这套“AI 科学家”系统已经开源发布,作者们正期待全球研究者来进行压力测试。


点在看,传递你的品味




