ForeSCITE：通过学习科学轨迹预测未来生物医学发现

ForeSCITE 框架通过在语义空间学习历史研究结论的时间演进方向，并将投影坐标解码为自然语言假设，用于预测未来生物医学发现。在基于约 300 万条结论的 407 个聚类评估中，其语义覆盖度与实体对新颖性均优于 5 种基于提示词和检索增强的基线。专家评审还在 CAR-T 优先假设中确认了 37 个兼具新颖性与生物学合理性的候选方案。