Causaly

Causaly 是給藥廠與生命科學研究人員用的 AI 研究平台，它跟一般聊天機器人最大的差別，在於背後有一個專門整理生醫文獻因果關係的知識圖譜。官網寫這個 Scientific Knowledge Graph 有 5 億筆事實、7,000 萬條有方向性的關係，例如「某基因上調會導致某疾病表現」；企業資料層每天可處理 10 萬份以上文件。

產品組合包括：Generative AI Copilot，官網稱是第一個專為科學家打造的 AI 副駕；Agentic Research，由領域專屬代理人規劃、搜尋、推理並下結論；Bio Graph 用來視覺化路徑與作用機轉；Pipeline Graph 把生物學和競爭情報結合，比較各家藥物管線、找出市場空缺；Scientific Workflows 把專家做法變成可重複執行的流程；另有 Bio Graph API 讓企業把知識圖譜接進內部系統。技術上它強調 SIRS（科學資訊檢索系統），會過濾準確度，而且能辨識「查無答案」的情況，不硬掰。官網列出的客戶有 L'Oréal、Ipsen、Lupin、Kyowa Kirin、Teva、UCB、Eisai 與 Scripps Research。

功能特色與適用場景：最典型的用法是標靶發現與適應症擴展。例如研究人員想知道某個發炎相關路徑還牽涉哪些疾病，用 Bio Graph 可以順著因果關係一路展開，再回到原始文獻確認。台灣的新藥公司與研究型醫院轉譯研究團隊，常在找「老藥新用」或擴充適應症，這類工具可以縮短文獻探勘時間。限制是企業級授權，個人研究者不容易取得；介面與文獻以英文為主。