Les outils d’IA montrent le potentiel d’améliorer les interventions et les recommandations en matière de vieillissement

Les outils d’IA montrent le potentiel d’améliorer les interventions et les recommandations en matière de vieillissement

Une étude collaborative entre des chercheurs de l'École de médecine Yong Loo Lin, de l'Université nationale de Singapour (NUS Medicine) et de l'Institut de biostatistique et d'informatique en médecine et recherche sur le vieillissement du centre médical universitaire de Rostock, en Allemagne, a examiné comment des outils avancés d'IA tels que les modèles à grand langage (LLM) peuvent faciliter l'évaluation des interventions liées au vieillissement et fournir des recommandations personnalisées. Les résultats ont été publiés dans le Leading Review JournalModifier les revues de recherche.

La recherche sur le vieillissement génère une quantité considérable de données, ce qui rend difficile la détermination des interventions, telles que les nouveaux médicaments, les changements alimentaires ou les programmes d'exercice, qui sont sûres et efficaces. Cette étude a examiné comment l'IA peut analyser les données de manière plus efficace et plus précise en proposant un ensemble complet de normes pour les systèmes d'IA afin de garantir qu'ils fournissent des évaluations précises, fiables et compréhensibles grâce à leur capacité à analyser des données biologiques complexes.

Les chercheurs ont identifié huit exigences essentielles pour des évaluations efficaces basées sur l’IA :

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.

Le fait que les LLM racontent des histoires avec ces exigences dans le cadre de l'invite a amélioré la qualité des recommandations qu'ils ont générées.

Nous avons testé les méthodes d'IA sur des exemples concrets tels que des produits pharmaceutiques et des compléments alimentaires. Nous avons constaté qu’en suivant des directives spécifiques, l’IA peut fournir des informations plus précises et plus détaillées. Lors de l’analyse de la rapamycine, un médicament largement étudié pour son potentiel à favoriser un vieillissement en bonne santé, l’IA a évalué non seulement son efficacité, mais également des explications et des mises en garde spécifiques au contexte. "

Professeur Brian Kennedy, co-responsable des études, Département de biochimie et physiologie et programme de recherche sur la transmission de la longévité en bonne santé, NUS Medicine

«Les résultats de l'étude pourraient avoir des implications considérables» Les conditions essentielles d'une bonne réponse pourraient permettre de trouver des traitements plus efficaces et de les rendre plus sûrs. Améliorer les résultats en matière de santé pour tous, surtout à mesure qu’ils vieillissent. "

À l’avenir, l’équipe se concentre désormais sur une vaste étude sur la meilleure façon d’utiliser les modèles d’IA pour les conseils d’intervention en matière de longévité afin d’évaluer leur précision et leur fiabilité sur un large éventail de références soigneusement conçues et de données organisées et de haute qualité. La validation de tels systèmes d’IA est explicitement importante car les interventions de longévité peuvent alors être mises en œuvre par un grand nombre de personnes en bonne santé. Les études prospectives doivent démontrer que les évaluations basées sur l’IA peuvent prédire avec précision les résultats positifs des études sur l’homme, ouvrant ainsi la voie à des interventions sanitaires plus sûres et plus efficaces.

L’équipe espère utiliser leurs résultats pour rendre les interventions en matière de santé et de longévité plus précises et plus accessibles, améliorant ainsi la qualité et la durée de vie. La collaboration entre chercheurs, cliniciens et décideurs politiques sera importante pour établir des cadres réglementaires solides et garantir l’utilisation sûre et efficace des évaluations basées sur l’IA.

Sources :