.jpg)
.jpg)
.jpg)
В масштабном сравнительном исследовании ученые из Калифорнийского университета в Сан-Франциско (UCSF) и Университета Уэйна доказали, что современные генеративные ИИ-системы могут справляться с анализом биомедицинских данных на уровне экспертных команд, работавших над теми же задачами в рамках соревнований DREAM.
Основным испытанием стало прогнозирование преждевременных родов на основе анализа микробиома влагалища более чем у 1000 беременных женщин, а также оценка гестационного возраста по образцам крови и плаценты.
Прогнозирование преждевременных родов играет важную роль в младенческой смертности и долгосрочных когнитивных нарушениях
Использование ИИ позволило создать прогностические модели путем генерации программного кода на основе текстовых промптов за считанные минуты. В то же время традиционным группам специалистов требовались месяцы для построения аналогичных схем, а «младшая» исследовательская группа (вкл. магистрантов и школьников) при поддержке ИИ подготовила научную публикацию за 6 месяцев вместо обычных двух лет. Важно отметить, что лишь 4 из 8 протестированных чат-ботов смогли выдать работоспособный код, однако успешные модели по точности предсказаний не уступали человеческим.
Практические рекомендации
Для современного исследователя и клинициста внедрение ИИ-инструментов означает устранение «бутылочного горлышка» в сфере data science. Это позволяет ученым без глубоких навыков программирования самостоятельно анализировать большие объемы данных, фокусируясь на интерпретации результатов, а не на отладке кода. Внедрение таких систем в практику может значительно ускорить разработку новых инструментов диагностики и терапии (и, разумеется, не только в сфере акушерства). Тем не менее, критическая верификация кода человеком остается обязательным условием для предотвращения ошибок и ложных корреляций.
