NVAITC AI Scientist：受治理的端到端研究系统——高血压GWAS案例研究

智能体研究系统正成为协调科学工作流的新范式——超越孤立的模型推理、代码生成或统计分析。但在机构生物医学环境中部署需要受治理的机制：研究规划、数据访问、工作流编排、证据追踪、可复现性与人类监督。我们提出NVAITC AI Scientist（NAIS）：一个受治理的端到端智能体研究系统，支持领域通用的科学工作流，同时把受保护数据保持在机构隐私边界内。NAIS集成提案评审、执行规划、受治理的计算路由、可复现工作流编排、证据生成与科学家在环监督。我们在真实世界高血压全基因组关联研究（GWAS）中验证NAIS：使用286,422人的医院关联基因型与电子健康记录（EHR）数据、在仅聚合计数的数据策略下。智能体规划队列抽取、编排GWAS执行、生成质控摘要并起草面向出版的输出。人机评审发现表型差异，并推动高血压定义的迭代精炼。对账后，智能体编排的GWAS复现了已确立的高血压位点——包括FGF5、ATP2B1、CNNM2、FTO与GRB14，FGF5的最强信号达-log₁₀(p)≈70。作为次要演示，NAIS还支持药物性肝损伤预测工作流：多模态图神经网络AUC 0.842。结果表明受治理的智能体研究系统可支撑可扩展的AI辅助生物医学发现，产出与专家主导工作流相当。