Λαμβάνοντας αυτές τις περιλήψεις, ο Robin διατύπωσε στη συνέχεια μια σειρά υποθέσεων σχετικά με τους μηχανισμούς της νόσου για την εκφύλιση της ωχράς κηλίδας και χρησιμοποίησε αυτά τα εργαλεία για να παράσχει μια λεπτομερή αναφορά σχετικά με τα στοιχεία για κάθε μηχανισμό. Στη συνέχεια, ένας κριτής LLM συγκρίνει τις εκτιμήσεις ανά δύο, καταλήγοντας σε μια σχετική κατάταξη – κάπως σαν το σύστημα τουρνουά της Google.
Ομοίως, το σύστημα ανανεώθηκε για να προτείνει κυτταρικές σειρές και συνθήκες καλλιέργειας που θα μπορούσαν να παρέχουν ένα μοντέλο εκφύλισης της ωχράς κηλίδας και δημιούργησε αναφορές για 30 υποψήφια φάρμακα. Σύμφωνα με την ομάδα του Futurehouse, «Αυτές οι αναφορές περιλαμβάνουν και τους δύο λόγους για τους οποίους κάθε φάρμακο είναι κατάλληλο για τον μετριασμό της διαδικασίας της νόσου που παρουσιάζεται στο μοντέλο in vitro και πιθανούς περιορισμούς του φαρμάκου». Και πάλι, αυτές οι αναφορές αξιολογήθηκαν από ειδικούς για να καθοριστεί ποιες δοκιμές θα προχωρήσουν.
Ο Robin πρότεινε επίσης αναλύσεις για τη δοκιμή φαρμάκων, τις οποίες οι άνθρωποι αξιολόγησαν (στις περισσότερες περιπτώσεις, φαίνεται ότι χρησιμοποιούσαν παραλλαγές των προτεινόμενων).
Η βασική διαφορά με το Robin είναι ότι περιλαμβάνει ένα εργαλείο, το Finch, το οποίο μπορεί να αυτοματοποιήσει την αξιολόγηση δεδομένων από ορισμένες τυπικές δοκιμασίες βιολογικού ελέγχου, π.χ. Κυτταρομετρία ροής Και RNA-seq. Έτσι, εκτός εάν η δοκιμή σας περιλαμβάνει μια ανάλυση που μπορεί να χειριστεί ο Finch, τότε μπορεί να πραγματοποιηθεί ένα επιπλέον βήμα από το σύστημα.
Όπως παραπάνω, ο Robin κατέληξε σε μια νέα υπόθεση: η αύξηση της ικανότητας των κυττάρων του αμφιβληστροειδούς να προσλαμβάνουν εξωκυτταρικά υπολείμματα μπορεί να παρέχει κάποια προστασία έναντι της ασθένειας. Και έχει εντοπίσει ένα φάρμακο που φαίνεται να παρέχει ακριβώς το είδος της ώθησης που προτείνει στις δοκιμές.
Όπως διαπίστωσε η Google, είναι σημαντικό να υπάρχουν εργαλεία ειδικά σχεδιασμένα για διασύνδεση με την επιστημονική βιβλιογραφία. Η αντικατάσταση του Crow με το o4-mini του OpenAI ανέβασε το ποσοστό παραισθήσεων από μηδέν τοις εκατό σε 45 τοις εκατό. Το FutureHouse εξέτασε επίσης την απόδοση του εργαλείου που εστιάζεται στην έρευνα του OpenAI και διαπίστωσε ότι, σε περιπτώσεις όπου πρότεινε φάρμακα που δεν έφτασαν στο Robin, αυτά τα φάρμακα απέτυχαν να έχουν επίδραση σε αυτά τα κύτταρα.
