2026 AI Ready Data 競賽：生物醫學 Hybrid RAG 提案主計畫書 (Master Proposal)

核心目標：解決真實世界與企業痛點

1. 競賽核心時程 (Key Dates)

項目日期備註
線上報名截止4/20 (一)需在此前完成組隊報名
技術工作坊4/25 (六)精誠內湖總部＋線上 (獲取 API 權限)
初賽提案繳交5/10 (日)提交初步應⽤情境與技術構想
決賽報告繳交6/21 (日)需包含完整系統設計與 Demo
決賽與頒獎6/26 (五)現場簡報評選

[!IMPORTANT] 參賽門檻：參賽隊伍必須先參加工作坊，完成指定練習，並提交初審提案，通過者將入圍決賽！

2. 技術平台支援與參賽規範 (Platform Support & Rules)

技術平台支援

本競賽採用的 Gemini Data (EAP) 平台將提供：

  • 完整的 API 介面與調用範例：整合 AI、Agent、API 之 3A 架構。
  • 三大核心功能模組：
    • 找知識 (VectorRAG)：處理非結構化文獻與報告。
    • 幫我查 (GraphRAG)：處理結構化數據與知識圖譜推理。
    • 用代理 (AI Agent)：自動化任務執行與決策建議。
  • Vibe Coding 語意開發環境：透過自然語言 Prompt 快速生成 UI 與對接後端邏輯。

[!NOTE] 相關技術文件及實作細節，將於後續的工作坊中進行說明與示範。

3. 可參考應用情境 (Candidate Scenarios)

  1. 藥物不良反應 (ADR) 溯源診斷
    • 痛點：找出罕見副作用是導因於 DDI (藥物交互作用) 還是特定基因型 (PGx)。
    • Multi-hop：病患用藥 -> 代謝酵素 (CYP450) -> 基因突變 (SNP) -> 臨床文獻證據。
  2. 藥物再利用 (Drug Repurposing) 決策支援
    • 痛點：在新藥開發初期，快速鎖定具備特定標靶抑制潛力的「老藥」。
    • Multi-hop：新標靶蛋白 -> 蛋白質交互網路 (PPI) -> 已核准藥物 -> 專利/文獻安全性驗證。
  3. 精準醫療：罕見疾病跨域關聯診斷
    • 痛點：將非特異性的臨床症狀，與極少數的基因定序變異及最新研究論文連結。
    • Multi-hop：症狀描述 -> 表型 (Phenotype) -> 基因座 (Locus) -> 罕病資料庫證據。

4. 技術核心架構 (Technical Architecture)

A. Hybrid RAG (左腦 + 右腦)

  • VectorRAG (右腦 - 語意分析)：負責提供脈絡、敘述性內容與開放式解答。
  • GraphRAG (左腦 - 邏輯推理)：利用 Gemini Data 專長之圖形數據庫技術，確保事實精確。解決多跳查詢 (Multi-hop Query)，關聯「藥物-酵素-基因-疾病」路徑。
  • Hybrid RAG (混合動力)：有效抑制生成式 AI 之幻覺，結合語意廣度與邏輯深度。

B. 技術堆棧 (Tech Stack)

  • 後端：EAP Platform API + Node.js (Express)。
  • 前端：React 18 + Tailwind CSS。
  • 視覺化：react-force-graph (展示 GraphRAG 推理路徑)。
  • 開發模式：Vibe Coding (用自然語言描述需求，生成 UI 與對接 API)。

5. 系統實作流程 (Implementation Workflow)

  1. 第一階段：數據工程：清理生物數據 CSV/JSON 轉為圖譜節點；將 PDF 轉為向量索引。
  2. 第二階段：Hybrid RAG 建置：設定查詢權重，確保能兼顧「文獻描述」與「事實圖譜路徑」。
  3. 第三階段：Frontend Vibe Coding：建立 Chatbot 視窗與關係拓撲圖，讓非理工背景醫生也能輕鬆操作。

6. 評分標準對齊 (Scoring Alignment)

  • 應用情境與商業價值 (20%)
  • 技術應用深度 (20%)
  • 整合創新能力 (15%)
  • 介面設計與系統呈現 (15%)
  • Demo 展示與互動 (30%)

7. 重要資源連結

[EOF] // MASTER_PROPOSAL

[EOF] // PROPOSAL