В Nature Medicine 16 ноября 2026 года опубликована статья (DOI 10.1038/s41591-026-04808-6, open access CC BY 4.0) об OpenScientist — open-source агентной ИИ-системе класса «co-scientist» от консорциума C-BRAIN во главе с Washington University in St. Louis и Lawrence Berkeley National Laboratory. Система полуавтономно выполняет полный цикл исследования — от поиска литературы и генерации гипотез до запуска анализа и выводов — и умеет работать в полностью изолированной среде на открытых моделях, что важно для чувствительных клинических данных. Публикация примечательна тем, что валидация прошла на реальных клинических когортах с внешними проверками, а код, данные и журналы всех запусков выложены в открытый доступ: систему можно скачать и проверить самостоятельно.

Что произошло
Статья описывает систему, которая завершает за минуты работу, занимающую у человека недели или месяцы. Эффективность проверяли эксперты на пяти биомедицинских кейсах, среди которых: для маркеров Альцгеймера в крови лучшим предиктором амилоидного статуса по ПЭТ назван %ptau217; отдельно построена модель выживаемости по плазменной протеомике; система предложила механизм связи тау-патологии с нарушением лизосомной acidification; гипотезы по множественной миеломе были подтверждены во внешней когорте. Валидационный стек включает рандомизированные негативные контроли и слепое протеомное сравнение с независимым человеческим анализом. Препринт работы появился на medRxiv 18 марта 2026 года (DOI 10.64898/2026.03.15.26348338) — почти за восемь месяцев до журнальной публикации, а на Zenodo (DOI 10.5281/zenodo.18852839, CC BY 4.0) выложены код, данные и все 93 development-запуска, включая неудачные попытки, а не только витринные результаты.
Контекст
Категория «AI co-scientist» — агентные системы, которые ведут научную работу от гипотезы до проверки, — быстро растёт, но большинство демонстраций держится на закрытых API и не доходит до проверки на реальных клинических данных. Главный барьер — приватность: данные пациентов нельзя передавать во внешние сервисы. Air-gapped режим OpenScientist на open-source моделях снимает этот барьер: система работает полностью офлайн, внутри периметра организации, и открытые веса фактически проходят проверку на сложных научных задачах такого уровня. Вторая особенность — методология: внешняя валидация гипотез на независимых когортах, негативные контроли и слепое сравнение с человеком в агентных публикациях встречаются редко, как и практика публиковать все development-запуски, включая неудачные. После этой работы технологический риск категории впервые снят на уровне peer-review, и открытость становится измеримой, а не декларативной.
Почему это важно для индустрии
Для биомедицинской отрасли это сигнал, что исследовательский анализ структурно дешевеет, и теперь это подтверждено peer-review, а не демо: команда может строить продукты на открытом референсе вместо закрытого пайплайна. Заданный публикацией стандарт воспроизводимости — внешние когорты, рандомизированные негативные контроли, слепое сравнение с независимым человеческим анализом — вероятно, станет де-факто требованием к новым системам класса «co-scientist», а сами агентные системы начнут сравнивать по воспроизводимым eval-протоколам, а не по витринным результатам. Для команд, строящих агентные пайплайны, ценен сам паттерн: трассируемый агент с полностью опубликованными логами запусков, работающий офлайн на открытых моделях, — это референс, который можно форкать и адаптировать под смежные домены анализа данных. Открытость кода и данных делает независимые репликации дешёвыми, поэтому вероятная траектория на ближайшие месяцы — волна проверок на чужих когортах, инженерные field reports и первые on-prem стеки для air-gapped агентов.
Почему это важно для пользователей
Всё опубликовано под CC BY 4.0: статья в open access, препринт, а код, данные и 93 development-запуска лежат на Zenodo. Практически сегодня можно скачать систему и запустить её на своих некритичных данных, разобрать логи запусков как образец трассировки агентной системы и перенять валидационный чек-лист — внешние когорты, негативные контроли, слепое сравнение с человеком — для собственных evals. Для всех, кто строит агентные ИИ-пайплайны для анализа данных, это готовый ориентир: не витринное демо, а проверяемая реализация, в которой видны и неудачные попытки.
Что пока неизвестно / ограничения
OpenScientist — пока исследовательский референс, а не готовый продукт. В материалах публикации нет цифр по latency, стоимости инференса и требованиям к GPU, поэтому нулевой лицензионный барьер не равен нулевому барьеру воспроизведения: открытые код и данные необходимы, но недостаточны, чтобы система заработала без инженерных усилий. Прогнозы о волне независимых репликаций и превращении валидационного протокола в отраслевой стандарт — интерпретации, а не подтверждённые факты. Немедленного рыночного эффекта нет: это публикация, а не релиз продукта, и обсуждение на Hacker News на момент подготовки материала ещё не началось.
Источники
- OpenScientist: An Open Agentic AI Co-Scientist for Clinical and Biomedical Discovery — статья в Nature Medicine
- OpenScientist: evaluating an open agentic AI co-scientist to accelerate biomedical discovery — препринт на medRxiv
- Open AI Scientists — официальный проектный сайт (Zitnik Lab, Harvard Medical School)
- Открытые артефакты OpenScientist: код, данные и development-запуски — Zenodo
Автор
Look at AI, редакция
