의료 AI 과학자: 의료 분야의 지능형 연구 시스템 개발을 향하여

Towards a Medical AI Scientist

최근, 과학적 가설을 생성하고, 실험을 수행하며, 논문을 작성하는 자율 시스템이 연구 개발을 가속화하는 유망한 패러다임으로 떠오르고 있습니다. 그러나 기존의 AI 과학자 시스템은 대부분 특정 분야에 국한되지 않아, 의료 분야 연구에 적용하기 어렵습니다. 의료 분야 연구는 전문적인 데이터와 의료적 근거를 기반으로 이루어져야 하기 때문입니다. 본 연구에서는 임상 연구에 특화된 최초의 자율 연구 프레임워크인 'Medical AI Scientist'를 소개합니다. 이 프레임워크는 광범위하게 조사된 문헌을 임상 전문가와 엔지니어의 협력적 추론 메커니즘을 통해 실행 가능한 증거로 변환하여, 생성된 연구 아이디어의 추적 가능성을 향상시킵니다. 또한, 체계적인 의료 작문 규칙과 윤리적 정책에 따라 근거 기반의 논문 작성 기능을 제공합니다. 'Medical AI Scientist'는 논문 기반 재현, 문헌 기반 혁신, 그리고 작업 중심 탐색의 세 가지 연구 모드로 운영되며, 각 모드는 자동화된 과학적 탐구의 수준이 점진적으로 높아집니다. 대규모 언어 모델과 인간 전문가의 종합적인 평가 결과, 'Medical AI Scientist'가 생성하는 아이디어는 상업용 LLM이 생성하는 아이디어보다 171개의 사례, 19개의 임상 작업, 그리고 6가지 데이터 모드에 걸쳐 현저히 높은 품질을 보이는 것으로 나타났습니다. 또한, 제안된 방법과 실제 구현 간의 높은 일관성을 유지하며, 실행 가능한 실험에서 훨씬 높은 성공률을 보입니다. 인간 전문가의 이중 맹검 평가와 스탠포드 에이전트 리뷰 결과, 생성된 논문은 MICCAI 수준의 품질에 근접하며, ISBI 및 BIBM에서 생성된 논문보다 지속적으로 우수한 것으로 평가되었습니다. 본 연구에서 제안하는 'Medical AI Scientist'는 의료 분야의 자율적인 과학적 발견을 위해 AI를 활용할 수 있는 잠재력을 보여줍니다.

Autonomous systems that generate scientific hypotheses, conduct experiments, and draft manuscripts have recently emerged as a promising paradigm for accelerating discovery. However, existing AI Scientists remain largely domain-agnostic, limiting their applicability to clinical medicine, where research is required to be grounded in medical evidence with specialized data modalities. In this work, we introduce Medical AI Scientist, the first autonomous research framework tailored to clinical autonomous research. It enables clinically grounded ideation by transforming extensively surveyed literature into actionable evidence through clinician-engineer co-reasoning mechanism, which improves the traceability of generated research ideas. It further facilitates evidence-grounded manuscript drafting guided by structured medical compositional conventions and ethical policies. The framework operates under 3 research modes, namely paper-based reproduction, literature-inspired innovation, and task-driven exploration, each corresponding to a distinct level of automated scientific inquiry with progressively increasing autonomy. Comprehensive evaluations by both large language models and human experts demonstrate that the ideas generated by the Medical AI Scientist are of substantially higher quality than those produced by commercial LLMs across 171 cases, 19 clinical tasks, and 6 data modalities. Meanwhile, our system achieves strong alignment between the proposed method and its implementation, while also demonstrating significantly higher success rates in executable experiments. Double-blind evaluations by human experts and the Stanford Agentic Reviewer suggest that the generated manuscripts approach MICCAI-level quality, while consistently surpassing those from ISBI and BIBM. The proposed Medical AI Scientist highlights the potential of leveraging AI for autonomous scientific discovery in healthcare.