OpenLens AI是清华大学自动化系索津莉课题组推出的首个医疗信息学全自主AI研究框架。

OpenLens AI框架采用模块化设计，由五个智能体组成完整科研流水线，包括主管模块、文献综述者、数据分析者、编码器和LaTeX写作器。它加入医学专用质量控制方法，通过学术严谨性检查、证据可追溯性检查、文献检查和视觉语言反馈四个机制，能生成可直接发表的高质量论文，将科研周期从数月缩短到几小时。

OpenLens AI(图1)

OpenLens AI核心功能：

  • 文献综述：系统用ReAct推理框架自动检索整理最新研究论文，智能分析后生成详细综述报告。

  • 数据分析：处理多阶段数据流程，把原始医学数据（包括时间序列和基因组信息）转为结构化可解读的内容，生成含可视化图表、统计摘要和文字说明的综合报告。

  • 代码生成：把实验方案变成可运行代码，通过视觉语言模型检查代码质量，保证程序正确且符合科学要求。

  • 手稿准备：汇总各模块结果，生成符合出版要求的论文，通过视觉语言反馈确保图表和格式统一。

OpenLens AI原理：

OpenLens AI框架由五个智能体组成完整科研流水线：

  • 主管模块：负责协调，把用户需求拆成具体小任务，保证研究过程清晰易懂。

  • 文献综述者：自主构建知识探索路径，用ReAct推理框架检索整理文献，为研究打好理论基础。

  • 数据分析者：处理多阶段数据流程，把原始医学数据转为结构化可解读的内容。

  • 编码器：把实验方案变成可运行代码，通过视觉语言模型检查代码质量。

  • LaTeX写作者：汇总各模块结果，生成符合出版要求的论文。

OpenLens AI应用场景：

OpenLens AI主要用在健康信息学研究领域，能明显提高医学研究效率和可重复性。首次实现从文献挖掘到完成投稿论文的全流程自动化，把传统医学研究周期从数月缩短到几小时。

质量控制：

OpenLens AI集成四个质量控制机制：

  • 学术严谨性检查：自动验证实验方法是否合理，发现数据泄露、错误性能指标等问题，保证结果可靠。

  • 证据可追溯性检查：把每个研究结论和原始证据关联，生成可追溯的报告，确保研究透明且能复现。

  • 文献检查：核对引用文献，确认文献信息准确，删除无法验证的内容，保证学术依据可靠。

  • 视觉语言反馈：在关键步骤评估图表质量，给出直观反馈，提升结果可读性和科学性。

OpenLens AI测试表现

研究团队在MIMIC-IV和eICU两个权威医学数据集测试，设计了18个难度递增的任务。结果显示系统能可靠完成多数任务，对低至中等难度的任务效果尤其好。

GitHub项目地址：https://github.com/jarrycyx/openlens-ai