Modele AI, takie jak ChatGPT czy Claude, są przydatne do porządkowania ogólnodostępnych informacji oraz generowania pomysłów. Zwykle opierają się jednak na ograniczonym zbiorze łatwo dostępnych źródeł, mogą pomijać istotne publikacje, a ich odpowiedzi często odtwarzają wnioski przedstawione przez autorów poszczególnych prac, zamiast krytycznie oceniać leżące u ich podstaw dowody naukowe.
W LumiRare najpierw samodzielnie identyfikujemy i analizujemy literaturę źródłową. Następnie porównujemy wyniki różnych badań, oceniamy, które obserwacje rzeczywiście odnoszą się do konkretnego przypadku, identyfikujemy luki i niespójności w dostępnych danych oraz oddzielamy wnioski dobrze udokumentowane od hipotez i spekulacji.
Najważniejszą wartością raportu LumiRare nie jest więc samo zebranie informacji, lecz zaproponowanie naukowo uzasadnionych dalszych kierunków działania. W zależności od przypadku mogą one obejmować alternatywne strategie terapeutyczne, mechanizmy chorobowe wymagające dalszych badań, potencjalne mechanizmy kompensacyjne, odpowiednie modele eksperymentalne oraz eksperymenty, które mogą pośrednio potwierdzić lub wykluczyć konkurujące ze sobą hipotezy.
Pod wieloma względami nasze raporty przypominają przygotowywanie opisu projektu badawczego do wniosku grantowego. Sztuczna inteligencja może pomóc w napisaniu tekstu, jednak o jakości strategii badawczej decyduje przede wszystkim umiejętność postawienia właściwych pytań, doboru najbardziej wartościowych eksperymentów, zrozumienia ograniczeń poszczególnych metod, właściwego ustalenia priorytetów oraz przewidzenia, które wyniki rzeczywiście pozwolą podjąć kolejne decyzje. To właśnie ta warstwa analityczna i strategiczna stanowi istotę każdego raportu LumiRare.