ARTFEED — Contemporary Art Intelligence

La piattaforma AI curata supera i LLM all'avanguardia nella scoperta di asset farmaceutici

ai-technology · 2026-05-07

Un nuovo studio, disponibile su arXiv (2605.04908), valuta Gosset, una piattaforma AI che fornisce annotazioni curate per asset farmaceutici. Questo studio ha confrontato Gosset con quattro grandi modelli linguistici (LLM) che si basano su ricerche web: Claude Opus 4.7, GPT 5.5, Gemini 3.1 Pro e Perplexity sonar-pro, su dieci specifici target oncologici e immunologici. Sorprendentemente, Gosset ha superato il modello leader, producendo 3,2 volte più risultati farmaceutici verificati per query, mantenendo una precisione perfetta e un tasso di richiamo del 100% per tutti i farmaci verificati. Inoltre, un indice curato è accessibile tramite un server MCP Gosset, consentendo a qualsiasi modello all'avanguardia di utilizzarlo, il che potrebbe aiutare a colmare l'attuale divario nella scoperta di farmaci.

Fatti principali

  • Gosset è una piattaforma AI con interfaccia chat supportata da annotazioni curate a livello di target, modalità e indicazione per asset farmaceutici.
  • Quattro sistemi all'avanguardia con accesso web sono stati valutati: Claude Opus 4.7, GPT 5.5, Gemini 3.1 Pro, Perplexity sonar-pro.
  • Il benchmark si è concentrato su dieci target oncologici/immunologici di nicchia dove gran parte del pipeline si trova nella coda lunga di asset preclinici e sviluppati in Asia.
  • Tutti e cinque i sistemi hanno ricevuto la stessa query in linguaggio naturale e lo stesso schema di output JSON.
  • Gosset ha restituito 3,2 volte più farmaci verificati per query rispetto al miglior sistema all'avanguardia.
  • Gosset ha raggiunto precisione perfetta e richiamo del 100% rispetto all'unione intersistemica dei farmaci verificati.
  • L'indice curato è esposto come server MCP Gosset che qualsiasi modello all'avanguardia può chiamare come strumento.

Entità

Istituzioni

  • arXiv
  • Gosset
  • Claude Opus 4.7
  • GPT 5.5
  • Gemini 3.1 Pro
  • Perplexity sonar-pro

Fonti