Le nouvel IA scientifique de Nvidia travaille sans jamais toucher aux données des patients

La promesse d'IA scientifiques capables de mener des recherches de manière autonome a captivé le domaine, mais la plupart des démonstrations reposent sur des données ouvertes ou des environnements simulés. Dans un cadre hospitalier, où les dossiers des patients et les données génétiques sont strictement réglementés, le calcul change complètement.

Le Nvidia AI Technology Center (NVAITC) a publié un article détaillant NVAITC AI Scientist (NAIS), un système de recherche agentielle gouverné de bout en bout conçu pour fonctionner dans les limites des données institutionnelles. La validation principale du système est une étude d'association pangénomique (GWAS) réelle sur l'hypertension utilisant des données de génotype et de dossier de santé électronique liées à l'hôpital de 286 422 individus. Tout cela s'est produit sans que le modèle d'IA ait jamais eu un accès direct aux informations de santé protégées.

La gouvernance d'abord

L'innovation centrale de NAIS n'est pas sa capacité de modèle de langage mais sa séparation architecturale entre le raisonnement et l'accès aux données. Contrairement aux agents d'IA non contraints qui pourraient obtenir un accès direct à la base de données, NAIS fonctionne via un système de courtier. L'agent soumet des spécifications d'analyse approuvées, et le courtier matérialise des cohortes dans des conteneurs éphémères et audités. Seuls les résumés agrégés, les métriques de contrôle qualité, les graphiques et les manifestes reviennent à l'agent. Les informations de santé protégées brutes ne quittent jamais l'entrepôt de données autorisé.

Ce principe de conception, la gouvernance comme facilitateur, non comme obstacle, était essentiel pour l'adoption hospitalière. L'API du courtier v2 gère l'extraction de cohortes SQL, l'exécution de GWAS PLINK2, l'interrogation des tâches et la récupération d'artefacts, tout en maintenant une piste d'audit complète. NemoClaw, le composant d'exécution agentielle, fonctionne sur Nemotron-3 Super (120B paramètres) avec un contexte de 32 768 jetons, déployé entièrement sur site. L'accès réseau externe est bloqué par défaut, nécessitant une approbation explicite de l'équipe pour toute connexion sortante.

Le test de réalité : discordance des phénotypes

Peut-être la découverte la plus instructive du déploiement est que les limitations de l'IA sont apparues non pas dans le calcul statistique mais dans la conception du phénotype. Lorsque NemoClaw a initialement classifié les cas d'hypertension en utilisant des seuils de pression artérielle en laboratoire, il a produit des étiquettes qui étaient en désaccord avec la définition de référence des experts, qui utilisait les codes ICD-10 et les prescriptions de médicaments antihypertenseurs, pour 3 950 sujets.

Cette discordance n'était pas aléatoire. Parmi ces 3 950 individus, 73,7 % avaient des lectures de pression artérielle dépassant 140/90 mmHg malgré l'absence de diagnostic ou de dossiers de prescription. Un audit des médicaments ordonné par l'équipe n'a trouvé que 125 des 3 950 sujets ayant des dossiers de médicaments antihypertenseurs, confirmant que le désaccord provenait de différentes définitions conceptuelles de la maladie, et non d'erreurs de codage.

Après une réconciliation des phénotypes dirigée par l'équipe, où les cas discordants sans preuve de médicament ont été exclus, la GWAS orchestrée par l'agent a reproduit des loci associés à l'hypertension bien établis, notamment FGF5, ATP2B1, CNNM2, FTO et GRB14, correspondant aux résultats d'experts indépendamment organisés tant dans l'identification des loci que dans la direction du signal. Le signal le plus fort à FGF5 a atteint une valeur p de -log10 d'environ 70.

Ce processus de raffinement itératif démontre une leçon cruciale : la proposition de valeur de la recherche agentielle gouvernée réside dans la libération de l'attention des chercheurs pour précisément le type de jugement scientifique qui a mis en lumière la divergence phénotypique, plutôt que de parier sur une découverte entièrement autonome.

L'orchestration comme valeur principale

L'article soutient que la valeur de l'agent sur les données hospitalières protégées se concentre dans l'orchestration et la logique du phénotype, et non dans le remplacement de la génétique statistique. L'exécution de PLINK2 est une commodité. Décider si l'hypertension signifie codes ICD, médicaments, seuils de laboratoire, ou leur combinaison ne l'est pas.

En absorbant l'orchestration répétitive, en rédigeant et en révisant des plans de cohorte SQL par rapport au schéma de l'entrepôt hospitalier, en générant des fichiers de phénotype compatibles PLINK, en soumettant et en interrogeant les tâches GWAS Kubeflow, en récupérant les graphiques Manhattan et QQ à partir des manifestes, et en coordonnant les relances après examen de la discordance, NAIS a libéré l'attention des chercheurs de la maintenance des scripts vers la conception et la validation des études.

NAIS a également produit un projet de manuscrit complet couvrant le résumé, les méthodes, les résultats, la discussion et les tableaux, ainsi que des supports de présentation. Tous les artefacts nécessitaient un examen par l'équipe avant toute utilisation de publication, démontrant une production orientée manuscrit sous gouvernance plutôt qu'une publication autonome.

Au-delà de la GWAS : une validation secondaire

Parallèlement au travail sur la GWAS, NemoClaw a soutenu un workflow de prédiction des lésions hépatiques d'origine médicamenteuse. Partant d'une performance de base quasi aléatoire (AUC 0,491, 0,549), l'agent a progressivement intégré des invites guidées par la littérature, des graphes moléculaires, des scores de liaison DiffDock et des probabilités pondérées par Boltzmann, atteignant finalement une AUC de réseau de neurones graphique multimodal de 0,842. Cette étude de cas secondaire valide que NAIS prend en charge plusieurs types de workflows biomédicaux sur la même plateforme gouvernée.

Limitations et perspectives d'avenir

Les auteurs sont francs au sujet des contraintes. Le déploiement de NAIS est une étude de cas mono-institutionnelle, et des affirmations plus larges nécessitent une validation dans des environnements hospitaliers et des cadres de gouvernance des données supplémentaires. Les résultats de la GWAS sont des preuves de réplication, non une découverte nouvelle ; les loci principaux sont identifiés qualitativement à partir de l'inspection du graphique Manhattan, et les tailles d'effet exactes par SNP n'ont pas été extraites pour le manuscrit. L'ensemble de données de prédiction DILI de 390 composés est insuffisant pour une validation de niveau clinique.

Au niveau du système, les statistiques de l'évaluateur proposition-révision ne représentent que 18 cycles de production, et la variabilité dans les chemins d'exécution des conteneurs justifie une évaluation continue.

Le goulot d'étranglement de l'infrastructure

L'article expose une thèse plus large sur l'avenir de la recherche autonome : à mesure que les modèles de fondation s'améliorent, la contrainte limitante passe du raisonnement du modèle de langage à l'infrastructure de recherche en IA. Les futurs agents de recherche devraient fonctionner comme des orchestrateurs coordonnant des clusters GPU, des conteneurs, des moteurs de workflow et des pipelines de domaine plutôt que comme des exécuteurs universels. Les progrès dépendent autant de l'infrastructure, du calcul GPU, de l'exécution conteneurisée, de l'orchestration des workflows, de la gestion des expériences, des environnements reproductibles, que des améliorations des modèles de fondation.

NAIS est un modèle pour cette vision. Le système démontre que des agents gouvernés peuvent contribuer de manière significative au cycle de vie complet de la recherche à proximité de données cliniques protégées, à condition que l'état expérimental persistant importe plus que le contexte conversationnel.