У раном тестирању вештачке интелигенције у стварном свету у здравственим истраживањима, научници са УЦ Сан Францисцо и Ваине Стате Университи открили су да генеративна вештачка интелигенција може да обрађује огромне медицинске скупове података много брже од традиционалних компјутерских тимова – ау неким случајевима даје чак и јаче резултате. Стручњаци за људе провели су месеце пажљиво анализирајући исте информације.
Да би директно упоредили учинак, истраживачи су различитим групама доделили идентичне задатке. Неки тимови су се у потпуности ослањали на људску експертизу, док су други користили научнике који раде са АИ алатима. Изазов је био предвидети превремени порођај користећи податке више од 1.000 трудница.
Чак је и млађи истраживачки пар састављен од студента мастер студија УЦСФ-а, Рубена Сарвала и средњошколца, Виктора Тарке, успешно развио моделе предвиђања уз подршку вештачке интелигенције. Систем је генерисао функционални компјутерски код за неколико минута – нешто што би искусним програмерима обично требало неколико сати или чак дана.
Предност је произашла из способности вештачке интелигенције да напише аналитички код заснован на кратким, али веома специфичним упутствима. Није сваки систем добро радио. Само 4 од 8 АИ цхатботова произвела су употребљив код. Ипак, за оне који су успели нису били потребни велики тимови стручњака који би их водили.
Због ове брзине, млађи истраживачи су били у могућности да заврше своје експерименте, верификују своје налазе и поднесу своје резултате часопису у року од неколико месеци.
„Ови алати вештачке интелигенције могли би да отклоне једно од највећих уских грла у науци о подацима: изградњу наших цевовода за анализу“, рекла је др Марина Сирота, професор педијатрије која је привремени директор Бакарског института за рачунарске здравствене науке (БЦХСИ) на УЦСФ и главни истраживач Марш Димес истраживачког центра прематуритета на УЦСФ. „Убрзање није могло доћи раније за пацијенте којима је сада потребна помоћ.
Сирота је ко-старији аутор студије, објављене у Целл Репортс Медицине 17. фебруара.
Зашто је важно истраживање превременог порођаја
Убрзање анализе података могло би да побољша дијагностичке алате за превремено рођење – водећи узрок смрти новорођенчади и главни доприносилац дугорочним моторичким и когнитивним изазовима код деце. У Сједињеним Државама, отприлике 1.000 беба се рађа пре времена сваког дана.
Истраживачи још увек не разумеју у потпуности шта узрокује превремено рођење. Да би истражио могуће факторе ризика, Сиротин тим је прикупио податке о микробиому од око 1.200 трудница чији су резултати праћени у девет одвојених студија.
„Овакав рад је могућ само уз отворену дељење података, обједињавајући искуства многих жена и стручност многих истраживача“, рекла је др Томико Т. Оскотски, ко-директор Репозиторија података о превременом рођењу Марцх оф Димес, ванредни професор у УЦСФ БЦХСИ и коаутор рада.
Међутим, анализа тако огромног и сложеног скупа података показала се изазовном. Да би се ухватили у коштац са овим, истраживачи су се окренули глобалном такмичењу у цровдсоурцингу под називом ДРЕАМ (Диалогуе он Реверсе Енгинееринг Ассессмент анд Метходс).
Сирота је био ко-водитељ једног од три изазова у трудноћи ДРЕАМ, фокусирајући се посебно на податке о микробиому вагине. Учествовало је више од 100 тимова широм света, развијајући моделе машинског учења дизајниране да открију обрасце повезане са превременим рођењем. Већина група је завршила свој рад у року од три месеца такмичења. Ипак, требало је скоро две године да се консолидују налази и објаве.
Тестирање АИ на подацима о трудноћи и микробиому
Занимајући да ли генеративна АИ може скратити тај временски оквир, Сиротина група се удружила са истраживачима које је предводио др Ади Л. Тарца, ко-старији аутор и професор у Центру за молекуларну медицину и генетику на Универзитету Ваине Стате у Детроиту, МИ. Тарца је предводио друга два изазова ДРЕАМ, који су се фокусирали на побољшање метода за процену фазе трудноће.
Заједно, истраживачи су упутили осам система вештачке интелигенције да независно генеришу алгоритме користећи исте скупове података из три изазова ДРЕАМ, без директног људског кодирања.
АИ цхат-ботови су добили пажљиво написана упутства на природном језику. Слично као и ЦхатГПТ, системи су вођени кроз детаљна упутства дизајнирана да их усмере ка анализи здравствених података на начине који су упоредиви са оригиналним учесницима ДРЕАМ-а.
Њихови циљеви одражавали су раније изазове. Системи вештачке интелигенције анализирали су податке о микробиому вагине да би идентификовали знаке превременог порођаја и прегледали узорке крви или плаценте да би проценили гестациону старост. Упознавање у трудноћи је скоро увек процена, али оно одређује врсту неге коју жене добијају како трудноћа напредује. Када су процене нетачне, припрема за порођај постаје тежа.
Истраживачи су затим покренули код генерисан од вештачке интелигенције користећи скупове података ДРЕАМ. Само 4 од 8 алата произвела су моделе који су одговарали перформансама људских тимова, иако су у неким случајевима АИ модели радили боље. Цео генеративни напор АИ – од почетка до подношења рада – трајао је само шест месеци.
Научници наглашавају да АИ и даље захтева пажљив надзор. Ови системи могу дати обмањујуће резултате, а људска стручност је и даље неопходна. Међутим, брзим сортирањем масивних скупова здравствених података, генеративна АИ може омогућити истраживачима да троше мање времена на решавање проблема кода и више времена на тумачење резултата и постављање значајних научних питања.
„Захваљујући генеративној вештачкој интелигенцији, истраживачи са ограниченим искуством у науци о подацима неће увек морати да формирају широку сарадњу или проводе сате на отклањању грешака кода“, рекао је Тарца. „Они се могу фокусирати на одговарање на права биомедицинска питања.“
Аутори: УЦСФ аутори су Рубен Сарвал; Цлаире Дубин; Санцхита Бхаттацхариа, МС; и Атул Бутте, МД, ПхД. Остали аутори су Виктор Тарца (Хурон Хигх Сцхоол, Анн Арбор, МИ); Николас Калаврос и др Густаво Столовицки (Њујоршки универзитет); Гаурав Бхатти (Ваине Стате Университи); и Роберто Ромеро, МД, Д(Мед)Сц (Национални институт за здравље деце и људски развој (НИЦХД)).
Финансирање: Овај рад је финансиран од стране Марцх оф Димес истраживачког центра за недоношчад при УЦСФ-у и ИммПорт-а. Подаци коришћени у овој студији делимично су генерисани уз подршку Огранка за истраживање трудноће при НИЦХД.
