Databricks

Vital Skills: Upskilling Genie Code with Healthcare and Life Sciences skills

6.9内容质量

TL;DR · AI 摘要

Vital Skills: Upskilling Genie Code with Healthcare and Life Sciences skills Databricks Blog Skip to main content Indust...

核心要点

  • 主题聚焦：Vital Skills: Upskilling Genie Code with Healthc
  • 来源：Databricks，建议结合原文判断细节。
  • AI 分析暂不可用，本条为保底评分与摘要。
#AI#编程#后端#云计算#安全
打开原文

Vital Skills：通过医疗健康与生命科学技能提升Genie Code能力 | Databricks 博客

跳至主要内容

行业动态

2026年10月27日

Vital Skills：通过医疗健康与生命科学技能提升Genie Code能力

利用AI编程和技能加速医疗健康与生命科学工作流程

作者：Zachary Phillips、May Merkle-Tan、Praneeth Paikray、Peter Hawkins、Vimal Thomas Joseph、Rohan Parikh 和 Yen Low

摘要

  • 什么：Vital Skills 是开源的 Agent Skills，为编程代理提供医疗健康与生命科学（HLS）领域专业知识。特别是针对完整功能的 Databricks 平台优化的 Genie Code，在应用领域工具和最佳实践方面进一步受益于 HLS 专用指导。
  • 问题：通用代理虽然能编写看似合理的代码，但缺乏领域规范性。它们会静默选择临床阈值，优先使用通用统计方法而非该领域习以为常的专用方法。
  • 结果：在 BiomniBench（用于生物医学研究的大型语言模型（LLM）代理评估工具）上，配备 Vital Skills 的 Genie Code 在技能支持的范围内任务得分高于仅使用 Genie Code 的版本。总体而言，我们发现 Vital Skills 提升了一致性、准确性和严谨性。遗漏的步骤和检查更少，重试次数减少，工具更可能遵循行业标准。

在统一且受控的平台上通过 AI 编程

Genie Code 是我们为 Databricks 优化的编程代理，允许您通过对话而非编写代码来完成数据和 AI 任务。关键的是，Genie Code 与 Unity Catalog 的集成确保代理理解企业的数据，并遵循与 Databricks 平台其他部分相同的安全部署和治理规则。因此，Genie Code 在现实世界的数据任务（如探索性数据分析、机器/深度学习、创建仪表板、代理、应用、声明式自动化包、Lakeflow 作业和调度）上的表现显著优于领先的编程代理，效率高出两倍以上。

然而，Genie Code 和其他通用 AI 编程助手缺乏领域特定性，假设的通用方法和临床阈值不符合医疗健康与生命科学（HLS）标准或最佳实践。

Databricks Vital Skills 通过提供基于开放 Agent Skills 标准构建的打包操作手册来弥合这一差距。它们为 AI 编程代理提供行业知识，使代理知道该提出哪些问题、哪些步骤是不可协商的，以及应使用哪些经过验证的工具。

Vital Skills 专为 Genie Code 设计，使其能够充分利用统一的 Databricks 生态系统，确保生成的代码不会与受控数据脱节，您也不必自行搭建服务、GPU、治理和调度。您获得的是一个完整的系统，而不仅仅是沙盒。借助 Databricks 生态系统，您可以：

  • 基于所有数据资产构建。答案质量随着底层数据基础的覆盖范围提升而提升。
  • 实现端到端治理。数据、技能和模型通过对话访问，均受到治理、跟踪和保护。
  • 获得全面平台。模型服务、GPU 和应用都是平台的一部分，无需单独购买和连接软件或服务。
  • 拥有开放选择。可使用任意云、任意模型、任意框架。
  • 为生产环境设计，而不仅仅是试验。原型中的相同工作可以推广到计划的 Lakeflow 管道和作业中，实现实际吞吐量。

我们在BiomniBench（一个基于专家评分标准的生物医学数据分析任务公开基准）上测试了带Vital Skills和不带Vital Skills的Genie Code。单独使用Genie Code时，在明显部分很少出现失败。

它能够轻松解析文档并生成图表。然而，在特定领域的方法论和知识方面有时存在不足，且容易过度假设。使用Vital Skills后，Genie Code在相关任务上的得分更高，且对Vital Skills范围外的任务没有负面影响。

BiomniBench平均得分（0-100），Genie Code带Vital Skills和不带Vital Skills的表现。每个任务运行3次，由LLM评委盲评打分。

由医疗健康和生命科学专家构建，服务于医疗健康和生命科学领域

每个技能都始于一位具有丰富客户问题解决经验的领域工程师。我们始终坚持三个原则：

  • 在假设前进行询问。当决策属于分析师职责范围时（例如临床阈值），技能会暂停并提供选项让用户选择。
  • 信任经过验证的工具而非临时代码。对于敏感工作，Genie Code运行经过验证的工具和代码，而非每次编写新逻辑。
  • 证明有效性。每个技能都会与未启用Vital Skills的Genie Code在相同任务上并行运行进行验证。

横跨医疗健康和生命科学价值链的技能目录

Vital Skills将生物统计学家、隐私官、生物信息学家或精算师的专业知识直接交到每个分析师手中，帮助团队在寻求额外专业知识之前加速工作。Databricks医疗健康和生命科学现场团队已构建了覆盖行业各环节的技能，涵盖数据处理、分析、模型生命周期管理、评估、报告和幻灯片生成等关键步骤。

这些技能可直接使用，也可根据您的需求进一步定制，充分利用您在专业领域的深厚经验。我们预计这个技能库将随时间持续扩展，也欢迎向开源仓库提交贡献。

技能 | 功能 ---|--- Bioinformatics |

code
bulk-rnaseq

从批量RNA-seq计数中找出差异表达基因。

code
open-weight-models

在Databricks上打包、注册、验证并部署开放权重HLS模型（如TEDDY和Geneformer）。

code
pathway-enrichment-analysis

RNA-seq通路富集分析（ORA或GSEA）。

code
sc-rnaseq

从.h5ad文件中分析单细胞RNA-seq数据。

Clinical |

code
cohort-builder

从编码+自由文本临床数据中构建可复现且可行性验证的患者队列。

code
rwe-cohortstudy

使用倾向性调整（匹配、IPW）进行真实世界证据队列研究（比较有效性）。

code
semantic-builder

使用EHR或索赔数据中的64个通用指标构建语义层（如Metric Views），实现仪表板和代理就绪。

code
phi-deidentifier

对Unity Catalog表进行HIPAA Safe-Harbor去标识（k-匿名化+治理视图）。

Others |

code
presentation-builder

构建演示就绪的幻灯片

code
report-writer

将分析方法和结果迁移至报告

code
accelerators

路由到相关HLS加速器或库，使用适合任务的工具

code
skill-eval

评估技能：启用/禁用技能的配对运行，MLflow genai.evaluate评分，胜负记录+失败分类。

在Databricks上无缝实现从数据到结果再到成品的全流程

在Databricks上无缝实现从数据到最终报告、代理或仪表板的全流程。

例如，我们的语义构建器技能可以从索赔或电子健康记录中定义并计算常用指标（如住院时长），生成指标视图。一旦在Unity Catalog中定义了指标视图，就可以轻松地在仪表板、Genie Agent、外部BI工具或电子表格等多种工具中重复使用。

从索赔数据构建指标视图并定义标准指标（如住院时长）。定义完成后，可在仪表板、Genie Agent和电子表格等外部工具中重复使用。

在以下章节中，我们将深入探讨几个关键技能。

队列构建器：从自然语言描述开始

分析师用自然语言描述目标人群——"患有2型糖尿病且血糖控制不佳的患者"——该技能会将其转化为可复现、可解释、可辩护的队列。队列构建是几乎所有分析工作的起点：真实世界证据研究、临床试验可行性分析、支付方护理管理及人群健康结果研究。

特点：

  • 支持结构化和/或非结构化数据。它可以从编码记录（诊断、实验室检查、用药）中识别患者，并可选地从自由文本笔记和扫描PDF中提取信息。
  • 在关键决策点主动询问而非猜测：哪些实验室指标值被定义为"控制不佳"，如何结合结构化与非结构化数据，以及是否需要生成表格、笔记本或直接在对话中返回答案。
  • 首先检查可行性，显示符合标准的患者数量后再进行构建。
  • 解释其逻辑。每个患者都会附带入选原因，而不会在可共享结果中暴露原始临床笔记。
  • 始终给出一致的答案。在我们的测试中，该技能每次运行都生成相同的队列；未使用该技能的Genie Code每次都会选择不同的定义。在配对评估中，自由文本队列的F1值从0.62提升至1.00。

队列构建器技能包含预览功能，用于展示队列构建选项，并根据您的选择相应构建

构建完队列后，可以考虑进行比较有效性研究，并使用演示构建器分享您的结果。

开源权重模型：在Databricks上获取您喜爱的医疗保健模型

生命科学领域最有前景的AI应用之一是开源生物基础模型，这些模型能够编码单细胞转录组学（Geneformer、scGPT、Scimilarity、TEDDY）或蛋白质结构（AlphaFold/OpenFold、Boltz2等）。但这些模型也难以部署，需要专用基础设施和专业知识。由于该技能能够调用适当的代码、库和GPU服务，科学家可以快速从"我需要这个模型"转变为部署一个可实际使用的受控模型。

在此过程中：

  • 主动询问而非猜测（例如模型应如何运行：实时端点、批处理作业、应用程序或流水线），从而根据合理判断进行部署。
  • 通过固定模型及其相关组件（如代码、权重、参考数据库和许可证）使模型可复现和可审计。
  • 提供已注册到Unity Catalog的受控模型，在交接前使用真实的科学输入进行部署和测试。
  • 在推理和系统表中监控模型流量，用于使用情况/成本跟踪，并可选地应用敏感数据防护措施。

在 TEDDY 单细胞模型部署任务中，Genie Code 在没有技能的情况下编写了正确的代码，但遗漏了关键的部署准备步骤——固定依赖项、注册后的烟雾测试等，仅通过了 27 项检查中的 19 项。使用技能后，所有 27 项检查均通过。

评估：Vital Skills 提升 Genie Code 在医疗健康和生命科学领域的性能

按技能评估

我们引入了技能评估机制，因为医疗健康和生命科学工作流程不存在单一的“准确性”标准。针对每个技能，我们构建了可定制的评估框架，包含合适的任务、数据、评分器以及预期结果和行为，这些都根据每个技能的设计目标进行定制。我们分别在启用和禁用 Vital Skills 的情况下运行并评分了评估任务。

BiomniBench 评估

我们还在 BiomniBench 上三次测试了启用和禁用 Vital Skills 的 Genie Code，该平台的任务来自顶级生物医学同行评审论文。

  • 技能适用场景表现更优。在 5 个技能覆盖范围内的任务中，Genie Code 在 3 次试验中的平均得分从 71.9 提升至 76.9（满分 100）。
  • 非适用场景无额外开销。在 18 个技能覆盖范围外的任务中，得分保持稳定——无技能时为 69.1，有技能时为 71.2，表明技能在非适用场景下不会产生干扰。
  • 每次都能精准匹配正确技能。通过在 Genie Code 指令中添加一行指向技能的提示，每次在适用范围内运行时都能自动打开对应技能。

正确技能使行为更可靠。在一项队列任务中，基线模型静默地遗漏了半数符合条件的患者；使用技能后，所有患者均被成功识别。

立即体验 Vital Skills 版本的 Genie Code

先前研究表明，Genie Code 相比其他编码代理更具成本效益，因为它能独特理解 Databricks 上的数据，跳过了典型的随机搜索过程。

通过添加如 Vital Skills 这样的技能，可扩展 Genie Code 以处理医疗健康和生命科学任务。结合使用时，可将多种技能串联成复杂任务。例如，在部署开源权重模型后，创建并安排批量推理作业。如果是嵌入模型，可提示 Genie Code 创建向量搜索索引。

在 Genie Code、Genie One 或 Genie Code CLI 中浏览并安装 Vital Skills。将这些技能发布到 Unity Gateway 以进行治理并共享给同事。选择适合您工作的技能或根据需求进行定制。Genie Code 即使可以帮助您创建新技能。Vital Skills 是开源的，欢迎您的贡献。

  • 参加研讨会，学习使用 Vital Skills 和其他 BioPharma R&D 解决方案（如 Databricks 的 Genesis Workbench）
  • “构建您自己的技能”链接至 [CONTRIBUTING](CONTRIBUTING)

相关 Databricks 博客

  • [介绍 Genie Code](介绍 Genie Code)
  • [为什么前沿数据代理在质量和成本上优于通用编码代理](为什么 A Frontier Data Agent Outperforms General Coding Agents in Quality and Cost)
  • [Genesis Workbench：Databricks 上生命科学应用的蓝图](Genesis Workbench : A Blueprint for Life Sciences Applications on Databricks)
  • [Unity Gateway 中的技能治理](Skills governance in Unity Gateway)
  • [Genie 发布动态](Genie releases)

相关标签：

解决方案、新闻、最佳实践、医疗健康与生命科学、解决方案加速器

订阅获取最新文章

订阅我们的博客，将最新文章直接发送到您的邮箱。

注册

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"