AI įrankiai rodo potencialą pagerinti senėjimo intervencijas ir rekomendacijas

AI įrankiai rodo potencialą pagerinti senėjimo intervencijas ir rekomendacijas

Yong Loo Lin medicinos mokyklos, Singapūro nacionalinio universiteto (NUS Medicine) ir Rostoko universiteto medicinos centro (Vokietija) Biostatistikos ir informatikos medicinos ir senėjimo tyrimų instituto tyrime buvo ištirta, kaip pažangūs AI įrankiai, tokie kaip didelės kalbos modeliai (LLM), gali padėti lengviau įvertinti senėjimo intervencijas ir teikti individualizuotas rekomendacijas. Rezultatai buvo paskelbti „Leading Review Journal“.Pakeiskite tyrimų apžvalgas.

Senėjimo tyrimai sukuria didžiulį duomenų kiekį, todėl sunku nustatyti, kurios intervencijos, pvz., nauji vaistai, mitybos pokyčiai ar mankšta, yra saugios ir veiksmingos. Šiame tyrime buvo nagrinėjama, kaip dirbtinis intelektas gali efektyviau ir tiksliau analizuoti duomenis, pasiūlant išsamų dirbtinio intelekto sistemų standartų rinkinį, siekiant užtikrinti, kad jos teiktų tikslius, patikimus ir suprantamus vertinimus, nes gali analizuoti sudėtingus biologinius duomenis.

Tyrėjai nustatė aštuonis svarbiausius veiksmingo AI pagrįsto įvertinimo reikalavimus:

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.

LLM pasakojimas pagal šiuos reikalavimus, kaip dalis raginimo, pagerino jų sugeneruotų rekomendacijų kokybę.

Išbandėme dirbtinio intelekto metodus su realiais pavyzdžiais, tokiais kaip vaistai ir maisto papildai. Mes nustatėme, kad vadovaudamiesi konkrečiomis gairėmis AI gali pateikti tikslesnių ir išsamesnių įžvalgų. Analizuodama rapamiciną – vaistą, kurio potencialas skatinti sveiką senėjimą buvo plačiai ištirtas, AI įvertino ne tik jo veiksmingumą, bet ir kiek įmanoma konkrečius paaiškinimus bei įspėjimus. “

Profesorius Brianas Kennedy, vienas iš studijų vadovų, Biochemijos ir fiziologijos katedros bei Sveiko ilgaamžiškumo perdavimo tyrimų programos, NUS Medicina

„Tyrimo rezultatai gali turėti toli siekiančių pasekmių“ Esminiai gero atsako reikalavimai gali padėti rasti veiksmingesnius gydymo būdus ir padaryti juos saugesnius. Gerinti sveikatos rezultatus visiems, ypač senstant. “

Žengdama į priekį, komanda dabar sutelkia dėmesį į didelį tyrimą, kaip geriausiai panaudoti dirbtinio intelekto modelius ilgaamžiškumo intervencijos patarimams įvertinti, kad būtų galima įvertinti jų tikslumą ir patikimumą pagal įvairius kruopščiai suplanuotus etalonus, kuruojamus aukštos kokybės duomenis. Tokių AI sistemų patvirtinimas yra labai svarbus, nes ilgaamžiškumo intervencijas gali įgyvendinti daug sveikų žmonių. Perspektyviniai tyrimai turi parodyti, kad dirbtiniu intelektu pagrįsti vertinimai gali tiksliai numatyti sėkmingus žmonių tyrimų rezultatus, sudarydami sąlygas saugesnėms ir veiksmingesnėms sveikatos intervencijoms.

Komanda tikisi panaudoti savo išvadas, kad sveikatos ir ilgaamžiškumo intervencijos taptų tikslesnės ir prieinamesnės, galiausiai pagerintų gyvenimo kokybę ir ilgį. Tyrėjų, gydytojų ir politikos formuotojų bendradarbiavimas bus svarbus siekiant sukurti tvirtą reguliavimo sistemą ir užtikrinti saugų ir veiksmingą dirbtinio intelekto pagrįstų vertinimų naudojimą.

Šaltiniai: