阿斯利康推出内部 AI 研究助手，覆盖多源生物医药数据

跨国制药企业阿斯利康（AstraZeneca）近日在 arXiv 发布了一篇技术论文，详细介绍其内部部署的 LLM 驱动研究助手「Research Assistant」。该系统面向科学家与临床医生，旨在帮助他们在一个统一的对话界面中探索生物医药相关的广泛问题。

系统概览：从单一入口整合多源数据

Research Assistant 采用对话式交互，将过去分散在多个系统中的数据集中到同一入口。具体来看，它整合了以下几类数据源：

• 科学文献：包括外部论文与内部研究报告；
• 知识图谱：结构化的生物医学实体关系；
• 化学数据：分子结构、性质与反应信息；
• 临床试验：试验方案、结果与进展；
• 安全资源：药物警戒与不良反应数据；
• 表达数据：基因与蛋白在不同组织中的表达；
• 内部实验系统：阿斯利康自有的实验记录与平台。

通过这种整合，研究者无需在多个工具间切换即可获取跨领域证据。

双模式设计：兼顾速度与深度

论文指出，系统提供两种工作模式以匹配不同任务需求：

• 快速模式（fast mode）：针对直接的事实类问答，例如查询某药物的临床试验状态或某靶点的已知信息；
• 多步模式（multi-step mode）：用于复杂研究任务，需要在多个数据源之间进行迭代检索、推理与综合。

两者都基于检索增强生成（RAG）思路，回复内容均锚定在检索到的证据之上，并提供对原始来源的链接，方便用户回溯与进一步探索。

部署经验与未来启示

作为一篇技术报告，论文不仅描述了系统架构，还分享了大规模部署过程中的设计取舍与经验教训。这些内容对同样希望在企业内部搭建 AI 研发助手的团队具有参考价值，尤其是在数据源整合、证据可追溯性、以及平衡问答效率与推理深度等方面。

由于论文以「技术笔记」形式发布，尚未披露具体的性能基准、用户数量或对研发效率的量化影响，整体仍属于企业级 AI 应用案例的范畴。