1771356159
2026-02-17 18:56:00
В ходе раннего тестирования того, как ИИ можно использовать для расшифровки больших объемов медицинских данных, исследователи из Калифорнийского университета в Сан-Франциско и Государственного университета Уэйна обнаружили, что инструменты генеративного ИИ могут работать на порядки быстрее — а в некоторых случаях лучше, чем команды компьютерных наук, которые потратили месяцы на изучение данных.
Перед командами учёных и ученых в паре с ИИ была поставлена одна и та же задача: спрогнозировать преждевременные роды на основе данных более чем 1000 беременных женщин.
Даже дуэт младших исследователей, состоящий из студента магистратуры Калифорнийского университета в Сан-Франциско Рубена Сарвала и старшеклассника Виктора Тарки, создал жизнеспособные модели прогнозирования с помощью ИИ. Они сгенерировали рабочий компьютерный код за считанные минуты — задача, на которую у опытных программистов ушло бы от нескольких часов до нескольких дней.
Сила ИИ заключалась в его способности писать код для анализа данных о состоянии здоровья на основе коротких, но узкоспециализированных подсказок. Не все ИИ оказались полезными — только 4 из 8 чат-ботов с ИИ создали полезный код. Но им не нужна была деревня экспертов, чтобы помочь им сделать это.
Это позволило младшим ученым быстро провести эксперименты, убедиться в их правильности, а также написать и представить свои результаты в журнал всего за несколько месяцев.
«Эти инструменты искусственного интеллекта могут устранить одно из самых больших узких мест в науке о данных: создание наших конвейеров анализа», — сказал он. Марина Сиротадоктор философии, профессор педиатрии, временный директор Института вычислительных наук о здоровье Бакара (BCHSI) в UCSF и главный исследователь Центра исследования недоношенности March of Dimes в UCSF. «Ускорение не может произойти раньше для пациентов, которые нуждаются в помощи сейчас».
Сирота является соавтором документ, который появляется в Отчеты о клетках, медицина 17 февраля.
Могут ли большие данные сделать беременность безопаснее?
Более быстрый путь от данных к открытиям может привести к более надежному диагностическому тестированию преждевременных родов — основной причины смертности новорожденных и основной причины долговременных двигательных и когнитивных нарушений у детей. Каждый день в Соединенных Штатах около 1000 детей рождаются слишком рано.
Ученые до сих пор мало что знают о том, что приводит к преждевременным родам. Чтобы найти подсказки, команда Сироты собрала данные о микробиоме примерно 1200 беременных женщин, исходы родов которых отслеживались в девяти исследованиях.
«Такая работа возможна только при открытом обмене данными, объединении опыта многих женщин и знаний многих исследователей», — сказала она. Томико Т. Оскотски доктор медицинских наук, содиректор Хранилище данных о преждевременных родах March of Dimesдоцент UCSF BCHSI и соавтор статьи.
Но огромное количество данных по-прежнему было трудно анализировать. Итак, команда получила помощь от ученых, занимающихся данными, посредством конкурса под названием МЕЧТАТЬ (Диалог об оценке и методах обратного проектирования).
Сирота была со-руководителем одного из трех конкурсов DREAM, посвященных беременности; ее была посвящена анализу данных вагинального микробиома.. Более 100 групп со всего мира соревновались в создании алгоритмов машинного обучения для выявления закономерностей в данных, которые могут указывать на преждевременные роды. Большинство групп достигли этой цели за три месяца, поставленные задачей. Но обобщение результатов и их публикация заняли почти два года.
ИИ дает долгожданный импульс анализу данных о беременности
Команда Сироты хотела посмотреть, сможет ли ИИ сделать это быстрее. Они сотрудничали с командой, которую возглавлял Ади Л. Тарка, доктор философии, со-старший автор и профессор Центра молекулярной медицины и генетики Государственного университета Уэйна в Детройте, штат Мичиган, который руководил двумя другими задачами DREAM, которые заключались в поиске лучших способов определения беременности.
Вместе они поручили восьми инструментам искусственного интеллекта создать алгоритмы для оценки беременности, используя те же данные из трех задач DREAM, но без участия человека.
Для этого чат-боты с искусственным интеллектом получали подсказки на естественном языке. Это было очень похоже на работу ChatGPT, но подсказки были тщательно сформулированы, чтобы помочь ИИ оценить данные о здоровье человека так, как это делали команды DREAM.
Цель отражала задачи DREAM: проанализировать данные вагинального микробиома на предмет признаков преждевременных родов; и проанализировать образцы крови или плацентарной ткани, чтобы определить стадию беременности. Это почти всегда приблизительная оценка, и она определяет тип ухода, который получают женщины во время беременности. Когда оценка неправильная, сложно подготовиться к началу родов.
Ученые запустили созданный искусственным интеллектом код на данных испытания DREAM. Только 4 из 8 инструментов ИИ создали модели прогнозирования, которые работали так же хорошо, как модели, созданные командами DREAM, но иногда ИИ превосходил человеческие команды. А весь проект генеративного ИИ — от начала до подачи статьи — занял всего шесть месяцев.
Ученым по-прежнему необходимо опасаться вводящих в заблуждение результатов и постоянной проблемы, и вмешиваться, когда ИИ терпит неудачу. И технология не может заменить человеческий опыт. Но его мощь может позволить ученым быстро анализировать огромные объемы данных, освобождая им возможность думать более глубоко.
«Благодаря генеративному искусственному интеллекту исследователям с ограниченным опытом в области науки о данных не всегда придется организовывать широкое сотрудничество или часами отлаживать код», — сказал Тарка. «Они могут сосредоточиться на ответах на правильные биомедицинские вопросы».
Финансирование:Эта работа финансировалась Центром исследования недоношенности March of Dimes при Калифорнийском университете в Сан-Франциско и ImmPort. Данные, использованные в этом исследовании, были частично получены при поддержке Отделения исследований беременности NICHD.
О UCSF: Калифорнийский университет в Сан-Франциско (UCSF) специализируется исключительно на медицинских науках и занимается продвижением здоровья во всем мире посредством передовых биомедицинских исследований, последипломного образования в области наук о жизни и медицинских профессий, а также передового опыта в уходе за пациентами. UCSF Здоровьекоторый служит основным академическим медицинским центром UCSF, включает в себя среди лучших специализированных больниц страны и другие клинические программы, а также имеет филиалы по всему заливу. Медицинская школа UCSF также имеет региональный кампус во Фресно. Узнайте больше на ucsf.edu или посмотрите наш Информационный бюллетень.
###
Следуйте за UCSF
ucsf.edu | Facebook.com/ucsf | Twitter.com/ucsf | YouTube.com/ucsf
Журнал
Отчеты о клетках, медицина
Отказ от ответственности:AAAS и EurekAlert! не несут ответственности за достоверность пресс-релизов, публикуемых на EurekAlert! содействующими учреждениями или за использование любой информации через систему EurekAlert.
#При #правильных #подсказках #чатботы #искусственным #интеллектом #точно #анализируют #большие #данные
Ещё по этой теме
