Az AI-eszközök megmutatják az öregedési beavatkozások és ajánlások javításának lehetőségét

Az AI-eszközök megmutatják az öregedési beavatkozások és ajánlások javításának lehetőségét

A Yong Loo Lin Orvostudományi Iskola, a Szingapúri Nemzeti Egyetem (NUS Medicine) és a Rostocki Egyetem Orvosi Központjának Biostatisztikai és Informatikai Intézete, a németországi Rostocki Egyetem Orvostudományi Intézetének kutatói által végzett együttműködésben azt vizsgálták, hogy a fejlett mesterséges intelligencia eszközök, például a nagynyelvű modellek (LLM-ek) hogyan könnyíthetik meg az öregedéssel kapcsolatos beavatkozások értékelését és személyre szabott ajánlásokat. Az eredményeket a Leading Review Journalban tették közzéMódosítsa a kutatási áttekintéseket.

Az öregedéssel kapcsolatos kutatások hatalmas mennyiségű adatot generálnak, ami megnehezíti annak meghatározását, hogy mely beavatkozások – például új gyógyszerek, étrendi változtatások vagy edzési rutinok – biztonságosak és hatékonyak. Ez a tanulmány azt vizsgálta, hogy a mesterséges intelligencia hogyan tud hatékonyabban és pontosabban elemezni az adatokat azáltal, hogy átfogó szabványcsomagot javasolt az AI-rendszerekre annak biztosítására, hogy az összetett biológiai adatok elemzésére való képességük révén pontos, megbízható és érthető értékeléseket adjanak.

A kutatók nyolc kritikus követelményt határoztak meg a hatékony AI-alapú értékelésekhez:

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.

Az, hogy az LLM-ek a felszólítás részeként történeteket meséltek el ezekkel a követelményekkel, javította az általuk generált ajánlások minőségét.

Valós példákon, például gyógyszereken és étrend-kiegészítőkön teszteltük az AI-módszereket. Megállapítottuk, hogy meghatározott irányelvek követésével a mesterséges intelligencia pontosabb és részletesebb betekintést nyújthat. A rapamicin, egy olyan gyógyszer elemzése során, amelyet széles körben tanulmányoztak az egészséges öregedést elősegítő potenciálja miatt, az AI nemcsak a hatékonyságát értékelte, hanem a lehetséges kontextus-specifikus magyarázatokat és figyelmeztetéseket is. "

Brian Kennedy professzor, a tanulmányok társvezetője, Biokémiai és Élettani Tanszék, valamint az Egészséges hosszú élet Transzmisszió Kutatási Programja, NUS Medicine

„A vizsgálat eredményeinek messzemenő következményei lehetnek” A jó válasz kritikus követelményei hatékonyabb kezelések megtalálását és biztonságosabbá tételét tehetik lehetővé. Mindenki egészségi állapotának javítása, különösen az életkor előrehaladtával. "

Tovább haladva a csapat most egy kiterjedt tanulmányra összpontosít, amely arról szól, hogy miként lehet a legjobban felhasználni az AI-modelleket a hosszú élettartamú beavatkozási tanácsokhoz, hogy felmérjék azok pontosságát és megbízhatóságát a gondosan megtervezett benchmarkok, válogatott, kiváló minőségű adatok széles körében. Az ilyen mesterséges intelligencia-rendszerek validálása kifejezetten fontos, mert a hosszú élettartamú beavatkozásokat nagyszámú egészséges ember tudja végrehajtani. A prospektív tanulmányoknak be kell mutatniuk, hogy a mesterséges intelligencia-alapú értékelések pontosan megjósolhatják a humán vizsgálatok sikeres eredményeit, megnyitva az utat a biztonságosabb és hatékonyabb egészségügyi beavatkozások előtt.

A csapat azt reméli, hogy eredményeiket felhasználva precízebbé és hozzáférhetőbbé teheti az egészségügyi és hosszú élettartamú beavatkozásokat, végső soron javítva az élet minőségét és hosszát. A kutatók, a klinikusok és a döntéshozók közötti együttműködés fontos lesz a szilárd szabályozási keretek kialakítása és a mesterséges intelligencia által vezérelt értékelések biztonságos és hatékony használatának biztosítása érdekében.

Források: