AI-værktøjer viser potentialet til at forbedre aldringsinterventioner og anbefalinger

AI-værktøjer viser potentialet til at forbedre aldringsinterventioner og anbefalinger

En samarbejdsundersøgelse mellem forskere fra Yong Loo Lin School of Medicine, National University of Singapore (NUS Medicine) og Institute of Biostatistics and Informatics in Medicine and Aging Research, Rostock University Medical Center, Tyskland, undersøgte, hvordan avancerede AI-værktøjer såsom store-sprogede modeller (LLM'er) kan gøre det nemmere at evaluere interventioner til ældning og give personligt tilpassede anbefalinger. Resultaterne blev offentliggjort i Leading Review JournalÆndre forskningsanmeldelser.

Forskning i aldring genererer en overvældende mængde data, hvilket gør det vanskeligt at afgøre, hvilke indgreb, såsom ny medicin, kostændringer eller træningsrutiner, der er sikre og effektive. Denne undersøgelse undersøgte, hvordan AI kan analysere data mere effektivt og præcist ved at foreslå et omfattende sæt standarder for AI-systemer for at sikre, at de giver nøjagtige, pålidelige og forståelige vurderinger gennem deres evne til at analysere komplekse biologiske data.

Forskerne identificerede otte kritiske krav til effektive AI-baserede vurderinger:

1. Richtigkeit der Bewertungsergebnisse. Die Datenqualität wird auf Genauigkeit bewertet.
2. Nützlichkeit Und Vollständigkeit.
3. Interpretierbarkeit Und Erklärung der Bewertungsergebnisse. Klarheit und Übersicht über die Ergebnisse und die gegebenen Erklärungen.
4. Spezifische Überlegung von Kausalmechanismen von der Intervention betroffen.
5. Berücksichtigung von Daten in a ganzheitlich Kontext:
   1. Wirksamkeit und Toxizität sowie Beweise für die Existenz eines großen therapeutischen Fensters;
   2. Analysen in einer „interdisziplinären“ Umgebung.
6. Aktivieren ReproduzierbarkeitAnwesend StandardisierungUnd Harmonisierung der Analysen (und der Berichterstattung).
7. Spezifische Betonung auf verschiedene Längsschnittdaten in Längsrichtung.
8. Spezifische Betonung der Ergebnisse, die sich auf Bekannte Mechanismen des Alterns.

At få LLM'er til at fortælle historier med disse krav som en del af prompten forbedrede kvaliteten af ​​de anbefalinger, de genererede.

Vi testede AI-metoder på eksempler fra den virkelige verden, såsom lægemidler og kosttilskud. Vi fandt ud af, at ved at følge specifikke retningslinjer kan AI give mere præcis og detaljeret indsigt. Ved analyse af rapamycin, et lægemiddel, der er blevet bredt undersøgt for dets potentiale til at fremme sund aldring, vurderede AI ikke kun dets effektivitet, men også kontekstspecifikke forklaringer og forbehold som muligt. “

Professor Brian Kennedy, medleder af studier, Institut for Biokemi og Fysiologi og Healthy Longevity Transmission Research Programme, NUS Medicine

"Resultaterne af undersøgelsen kan have vidtrækkende konsekvenser" De kritiske krav til en god respons kan gøre det muligt at finde mere effektive behandlinger og gøre dem mere sikre. Forbedring af sundhedsresultater for alle, især når de bliver ældre. “

Fremadrettet er teamet nu fokuseret på en stor undersøgelse af, hvordan man bedst kan bruge AI-modeller til rådgivning om langtidsintervention til at vurdere deres nøjagtighed og pålidelighed på en bred vifte af omhyggeligt designede benchmarks, kuraterede data af høj kvalitet. Valideringen af ​​sådanne AI-systemer er eksplicit vigtig, fordi langtidsinterventionerne så kan implementeres af et stort antal raske mennesker. Prospektive undersøgelser skal demonstrere, at AI-baserede vurderinger nøjagtigt kan forudsige vellykkede resultater i menneskelige undersøgelser, og bane vejen for sikrere og mere effektive sundhedsinterventioner.

Holdet håber at bruge deres resultater til at gøre sundheds- og langtidsinterventioner mere præcise og tilgængelige, hvilket i sidste ende forbedrer livskvaliteten og -længden. Samarbejde mellem forskere, klinikere og politiske beslutningstagere vil være vigtigt for at etablere robuste regulatoriske rammer og sikre sikker og effektiv brug af AI-drevne vurderinger.

Kilder: