Databricksは最近、コーディングエージェントに医療・ライフサイエンス（HLS）分野の専門知識を付与するオープンソースのAgent Skills「Vital Skills」をリリースしました。汎用コーディングエージェントはもっともらしいコードを書くことができますが、領域固有の規律を欠いています。たとえば、臨床閾値を黙って選択したり、その分野で標準的な専門統計手法ではなく汎用統計手法を選んだりします。Vital Skillsは、オープンなAgent Skills標準に基づいて構築されたパッケージ化されたプレイブックを提供することでこのギャップを埋めます。これにより、エージェントはどのような質問をすべきか、どのステップが必須か、どのテスト済みツールを使用すべきかを理解できます。
Genie CodeはDatabricks用に最適化されたコーディングエージェントで、コードを書く代わりにチャットでデータとAIタスクを実行できます。Unity Catalogとの統合により、エージェントは企業のデータを理解し、プラットフォームの他の部分と同じセキュリティとガバナンスのルールに従います。しかし、Genie Codeや他の汎用AIコーディングアシスタントはドメイン固有性に欠け、HLS標準やベストプラクティスに合わない汎用メソッドや臨床閾値を前提としています。Vital Skillsは、生成されたコードがガバナンスされたデータと切り離されず、ユーザーがサービス、GPU、ガバナンス、スケジューリングを自分で構築する必要がないように設計されています。Databricksエコシステムにより、ユーザーはすべてのデータ資産に基づき、エンドツーエンドのガバナンスを実現し、モデルサービング、GPU、Appsを含む包括的なプラットフォームを利用でき、あらゆるクラウド、モデル、フレームワークを選択できます。
評価では、DatabricksはBiomniBenchという公開ベンチマークでGenie CodeをVital Skillsあり/なしでテストしました。その結果、スキルの対象範囲内の5タスクで、Genie Codeの平均スコアは71.9から76.9（100点満点）に向上しました。一方、範囲外の18タスクではスコアは安定しており（スキルなし69.1、スキルあり71.2）、スキルが不要な場合に干渉しないことを示しました。さらに、スキルを有効にすると、Genie Codeは対象範囲内のすべての実行で適切なスキルを開きました。あるコホートタスクでは、ベースラインが適格患者の半数を黙って除外しましたが、スキルを使用すると全員が正しく含まれました。
各Vital Skillsスキルは、顧客と何度も問題を解決したフィールドエンジニアが主導して開発され、3つの原則に従っています。第一に、「仮定する前に質問する」——臨床閾値などアナリストが決定すべき事項については、スキルは一時停止し、オプションを提供してユーザーに選択させます。第二に、「即興コードではなくテスト済みツールを信頼する」——機密性の高い作業では、Genie Codeは毎回新しいロジックを書くのではなく、テスト済みのツールとコードを実行します。第三に、「証明する」——各スキルは、同じタスクでスキルなしのGenie Codeと並行して実行されました。
スキルカタログは、医療・ライフサイエンスのバリューチェーン全体をカバーしています。バイオインフォマティクス分野では、bulk-rnaseq（バルクRNA-seqカウントから上位の差異発現遺伝子を特定）、open-weight-models（TEDDYやGeneformerなどのオープンウェイトHLSモデルをDatabricks上でパッケージ化、登録、検証、デプロイ）、pathway-enrichment-analysis（RNA-seqのパスウェイエンリッチメント、ORAまたはGSEA）、sc-rnaseq（.h5adファイルからの単一細胞RNA-seqデータ解析）があります。臨床分野では、cohort-builder（コード化データと自由記述臨床データから再現可能で実現可能性を確認した患者コホートを構築）、rwe-cohortstudy（傾向調整を用いた比較効果研究）、semantic-builder（EHRやクレームから64の一般的な指標を使用してMetric Viewなどのセマンティックレイヤーを構築）、phi-deidentifier（Unity CatalogテーブルのHIPAAセーフハーバーに基づく匿名化）があります。その他、presentation-builder（プレゼンテーション用スライドの作成）、report-writer（分析手法と結果をレポートにまとめる）、accelerators（関連するHLSアクセラレータやライブラリへのルーティング）、skill-eval（スキルのベンチマーク）があります。これらのスキルは直接使用することも、ニーズに合わせてカスタマイズすることもできます。
たとえば、cohort-builderスキルでは、アナリストが「2型糖尿病で血糖コントロールが不良な患者」といった自然言語の説明を入力すると、スキルがそれを再現可能で説明可能、防御可能なコホートに変換します。このスキルは構造化データと非構造化データの両方を処理し、重要な決定ポイントで推測せずに質問し、実現可能性を最初に確認して適格患者数を表示し、共有可能な結果で生の臨床ノートを公開せずに各患者の包含理由を説明し、毎回同じ結果を出します。ペア評価では、自由記述コホートのF1スコアが0.62から1.00に向上しました。別の例として、open-weight-modelsスキルは、科学者がGeneformerやTEDDYなどの生物学的基盤モデルをガバナンスされたモデルとしてデプロイするのを支援します。このプロセスでは、実行方法（リアルタイムエンドポイント、バッチジョブ、アプリ、パイプライン）を質問し、モデルとそのアーティファクトを固定して再現可能かつ監査可能にし、Unity Catalogに登録してテストし、推論トラフィックを監視します。TEDDY単一細胞モデルのデプロイタスクでは、スキルなしのGenie Codeは27のチェックのうち19を完了しましたが、スキルありでは27すべてを完了しました。
スキルの効果を評価するために、Databricksはskill-evalスキルも提供しています。これは各スキルに合わせた評価ハーネスを構築し、適切なタスク、データ、スコアラー、期待される結果と動作を含めます。さらに、BiomniBenchでの3回のテストでVital Skillsの価値がさらに検証されました。ユーザーはGenie CodeでVital Skillsを閲覧してインストールでき、複数のスキルを連鎖させて複雑なタスクを実行できます。たとえば、オープンウェイトモデルをデプロイした後にバッチ推論ジョブを作成してスケジュールしたり、埋め込みモデルのベクトル検索インデックスを作成したりできます。