OpenLens AI：清华推出的医学研究全自主AI助手，开启科研新纪元

在医学研究领域，随着数据量的爆炸式增长和研究复杂性的不断提高，传统的研究方式面临着诸多挑战。研究人员需要花费大量时间在文献调研、实验设计、数据分析等繁琐的流程上，这极大地限制了科研效率和创新速度。为了解决这一问题，清华大学自动化系推出了一款名为OpenLens AI的全自主人工智能研究助手，它能够模拟人类研究员的工作流程，实现医学研究全流程的自动化，为医学研究带来了一场深刻的变革。

一、项目概述

OpenLens AI是一个专为医学研究设计的高度自主人工智能研究助手，由清华大学自动化系开发。它通过多智能体协作，能够从文献综述、实验设计、数据分析到论文生成的全流程自动化，将科研周期从“月级”缩短至“小时级”，极大地提升了医学研究效率。该系统不仅支持处理健康信息学领域复杂的、多模态的数据，还提供了用户友好的网页版交互界面，用户只需上传数据集和简单的研究想法，即可启动研究项目。

二、核心功能

（一）全流程自动化研究

OpenLens AI覆盖医学研究的各个阶段，从研究灵感的产生到最终论文的撰写，无需人工干预即可完成整个研究流程。它能够自动检索和综合相关文献，为研究提供全面且准确的理论基础。根据用户的研究问题，生成详细的实验计划，并将其转换为可执行代码。在数据分析方面，OpenLens AI能够处理多种医学数据，如时间序列、基因组信息等，生成结构化、可解释的洞察，并提供可视化、统计摘要和自然语言解释。最终，它还能整合所有模块的输出，生成高质量的科研论文，支持LaTeX格式，确保图表质量和格式一致性。

（二）多模态数据处理

该系统支持处理健康信息学领域复杂的、多模态的数据，能够理解和生成多模态信息。这使得OpenLens AI能够更好地适应医学研究中多样化和复杂的数据类型，为研究人员提供更全面和深入的分析结果。

（三）用户友好交互

OpenLens AI提供网页版应用，用户可以通过上传数据集和简单的研究想法启动研究项目。这种用户友好的交互方式降低了使用门槛，使研究人员能够更轻松地利用AI技术进行医学研究。

（四）研究流程优化

通过自动化执行繁琐的研究任务，OpenLens AI提高了研究效率和质量。它能够快速地完成文献调研、实验方案制定、数据处理与分析等任务，大大缩短了科研周期。同时，系统还内置了严格的质量控制流程，确保研究结果的准确性和可靠性。

三、技术揭秘

（一）多智能体架构

OpenLens AI采用了模块化多智能体系统架构，通过智能体之间的协同工作来完成复杂的医学研究任务。该系统包括以下几个核心智能体：

• 主管模块（Supervisor）：作为全局协调者，将用户查询分解为结构化子任务，确保整个研究流程的透明度和可解释性。
• 文献综述者（Literature Reviewer）：构建自主知识探索管道，用基于ReAct的推理框架，检索、综合相关文献。
• 数据分析者（Data Analyzer）：协调多阶段数据处理流程，将原始医学数据转换为结构化、可解释的洞察。
• 编码器（Coder）：将高级实验计划转换为可执行代码，通过视觉语言模型评估输出质量。
• LaTeX写作者（LaTeX Writer）：整合所有前序模块的输出，生成出版级的科学论文。

（二）质量控制机制

OpenLens AI集成了多种质量控制机制，以确保研究结果的可靠性和可复现性。

• 学术严谨性检查：自动验证实验方法的合理性，检测数据泄露和不当性能指标等常见陷阱。
• 证据可追溯性检查：将每个研究声明链接到基础证据，生成结构化可追溯性报告，确保研究的透明度。
• 文献检查：验证所有引用的参考文献，确认元数据的准确性，删除不可验证的条目，保证学术背景的可靠性。
• 视觉语言反馈：在关键阶段评估图表质量，提供感知反馈，增强结果的可读性和科学有效性。

（三）模块化设计

OpenLens AI的模块化设计使得每个智能体专注于特定任务，通过标准化接口协同工作，提高了系统的灵活性和可扩展性。这种设计不仅便于系统的维护和升级，还允许研究人员根据需要添加新的智能体或工具。

四、应用场景

（一）疾病预测建模

OpenLens AI可以基于历史患者数据开发疾病预测模型，例如预测急性肾损伤（AKI）的精度。通过自动化的数据分析和模型构建，研究人员能够快速得到可靠的预测结果，为疾病的早期诊断和治疗提供支持。

（二）药物相互作用研究

在临床医学中，药物相互作用是影响治疗效果和患者安全的关键因素之一。OpenLens AI通过其先进的数据分析能力，能够深入分析最新的药物相互作用研究成果，为临床医生和研究人员提供关键的决策支持。

（三）医学图像分析

在医学图像分析领域，OpenLens AI可以处理多种类型的医学图像数据，如X光、CT、MRI等。它能够自动识别图像中的病变区域，进行图像分割和特征提取，并生成详细的分析报告。这有助于医生更快速、准确地进行疾病诊断，提高医疗效率和质量。

（四）基因组学研究

对于基因组学研究，OpenLens AI能够处理复杂的基因序列数据，进行基因表达分析、基因关联研究等。它可以帮助研究人员发现新的基因标志物，为个性化医疗和精准医学提供支持。

（五）临床试验设计

OpenLens AI可以辅助设计临床试验方案，包括样本量计算、实验组和对照组的分配等。它能够根据研究目标和数据特性，生成最优的试验设计，提高临床试验的科学性和可靠性。

五、快速使用

（一）环境准备

在开始使用OpenLens AI之前，需要确保你的系统满足以下环境要求：

• Python 3.9或更高版本：OpenLens AI基于Python开发，需要Python环境支持。
• Docker：用于容器化部署，确保环境的一致性和隔离性。
• Git：用于克隆项目代码。
• API密钥：需要以下API密钥：
• LLM服务（如DeepSeek、OpenAI、Qwen等）的API密钥。
• Tavily搜索API的API密钥。

（二）安装步骤

1. 克隆项目代码

git clone https://github.com/jarrycyx/openlens-ai.git
cd openlens-ai

2. 安装依赖

# 如果需要可视化工作流，安装graphviz：
# sudo apt-get install graphviz graphviz-dev
# pip install pygraphviz
conda create -n py312 pythnotallow=3.12 # 或使用uv/venv
conda activate py312
pip install --upgrade pip
pip install -e .

3. 配置环境变量

cp .env.example .env
# 编辑.env文件，填入你的API密钥和模型设置

在`.env`文件中，需要配置以下内容：

MODEL="glm-4.5-air" # 主语言模型
CODE_MODEL="glm-4.5-air" # 代码相关任务的语言模型
VISION_MODEL="glm-4.1v-9b-thinking" # 图像分析任务的视觉模型
OPENAI_API_KEY="<YOUR API KEY>" # LLM服务的API密钥
BASE_URL="https://cloud.infini-ai.com/maas/v1/" # 模型API服务的基地址
RERANK_MODEL="bge-reranker-v2-m3" # 提高搜索结果相关性的重排序模型
RERANK_API_KEY="<YOUR API KEY>" # 重排序模型的API密钥
RERANK_BASE_URL="https://cloud.infini-ai.com/maas/v1/" # 重排序模型API服务的基地址
TAVILY_API_KEY="<YOUR API KEY>" # Tavily搜索服务的API密钥
MAX_CONTEXT_TOKEN_CNT=32000 # 正常操作中上下文允许的最大token数
MAX_CONTEXT_TOKEN_CNT_LARGE=96000 # 大操作中上下文允许的最大token数
LITERATURE_SEARCH_MIN_TOOL_CALL=10 # 文献搜索的最小工具调用次数
MAX_TOOL_TOKEN_CNT=2000 # 工具响应允许的最大token数
OPENHANDS_MAX_ITER=100 # OpenHands代理执行的最大迭代次数
MAX_SUBTASK_REDO=2 # 子任务的最大重试次数
MAX_LATEX_POLISH_ROUND=2 # LaTeX文档润色的最大轮数
DOCKER_NAME=agent-med-cpu # 代理环境使用的Docker容器名称

4. 确保Docker安装

docker --version
# 拉取Docker镜像
ALIYUN_REMOTE_DOCKER_NAME=crpi-hbt8nkulkjqjqkie.cn-hangzhou.personal.cr.aliyuncs.com/cyx-docker/openlens-ai:cpu-latest
docker pull $ALIYUN_REMOTE_DOCKER_NAME
docker tag $ALIYUN_REMOTE_DOCKER_NAME openlens-ai:cpu-latest
# 或者构建Docker镜像
bash openlens_ai/tools/openhands_configs/build_docker_cpu.sh

（三）运行应用

1. 命令行界面

通过命令行界面运行OpenLens AI，可以使用以下命令：

python -m openlens_ai.build_graph --question "Your research question" --dataset-path "path/to/dataset" --thread-id "Unique id for this job"

例如：

python -m openlens_ai.build_graph --question "What is the prediction precision of AKI based on historical 2 day data?" --dataset-path "datasets/mimic" --thread-id "test_000"

2. 交互式Web界面

通过交互式Web界面运行OpenLens AI，可以使用以下命令：

streamlit run start_app.py

然后在浏览器中打开`http://localhost:8501`，即可访问交互式界面。

六、结语

OpenLens AI作为一款专为医学研究设计的全自主人工智能研究助手，以其强大的功能和高效的性能，为医学研究领域带来了全新的研究模式和思路。它不仅能够显著提高研究效率，还能帮助研究人员更深入地探索医学问题，推动医学研究的快速发展。

项目地址

项目官网：​​https://openlens.icu/​​

GitHub仓库：​​https://github.com/jarrycyx/openlens-ai​​

技术论文：​​​https://arxiv.org/pdf/2509.14778​​

本文转载自​​​小兵的AI视界​​​，作者：AGI小兵