AI rīki parāda potenciālu uzlabot novecošanas pasākumus un ieteikumus

AI rīki parāda potenciālu uzlabot novecošanas pasākumus un ieteikumus

Sadarbības pētījumā starp pētniekiem no Yong Loo Lin Medicīnas skolas, Singapūras Nacionālās universitātes (NUS Medicine) un Biostatistikas un informātikas institūta medicīnā un novecošanās pētījumos, Rostokas Universitātes Medicīnas centrā, Vācijā, tika pētīts, kā uzlaboti AI rīki, piemēram, lielas valodas modeļi (LLM), var atvieglot novecošanas iejaukšanās novērtēšanu un sniegt personalizētus ieteikumus. Rezultāti tika publicēti Leading Review JournalMainiet pētījumu pārskatus.

Pētījumi par novecošanu ģenerē milzīgu datu daudzumu, apgrūtinot noteikt, kuras iejaukšanās, piemēram, jaunas zāles, diētas izmaiņas vai vingrinājumi, ir drošas un efektīvas. Šajā pētījumā tika pētīts, kā mākslīgais intelekts var efektīvāk un precīzāk analizēt datus, piedāvājot visaptverošu standartu kopumu AI sistēmām, lai nodrošinātu, ka tās sniedz precīzus, uzticamus un saprotamus novērtējumus, pateicoties spējai analizēt sarežģītus bioloģiskos datus.

Pētnieki noteica astoņas kritiskās prasības efektīviem uz AI balstītiem novērtējumiem:

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.

Ja LLM stāsti par šīm prasībām kā daļu no uzvednes uzlaboja viņu sniegto ieteikumu kvalitāti.

Mēs pārbaudījām mākslīgā intelekta metodes, izmantojot reālos piemērus, piemēram, medikamentus un uztura bagātinātājus. Mēs atklājām, ka, ievērojot īpašas vadlīnijas, AI var sniegt precīzāku un detalizētāku ieskatu. Analizējot rapamicīnu — zāles, kas ir plaši pētītas, lai tās varētu veicināt veselīgu novecošanu, mākslīgais intelekts novērtēja ne tikai tā efektivitāti, bet arī pēc iespējas specifiskus skaidrojumus un brīdinājumus. "

Profesors Braiens Kenedijs, NUS Medicīnas Bioķīmijas un fizioloģijas nodaļas un veselīgas ilgmūžības transmisijas pētniecības programmas līdzstrādnieks.

"Pētījuma rezultātiem varētu būt tālejošas sekas" Kritiskās prasības labai reakcijai var ļaut atrast efektīvākas ārstēšanas metodes un padarīt tās drošākas. Veselības rezultātu uzlabošana ikvienam, īpaši vecumam. "

Virzoties uz priekšu, komanda tagad koncentrējas uz plašu pētījumu par to, kā vislabāk izmantot AI modeļus, lai sniegtu padomus par ilgmūžības iejaukšanos, lai novērtētu to precizitāti un uzticamību, izmantojot plašu rūpīgi izstrādātu etalonu klāstu, atlasītus, augstas kvalitātes datus. Šādu AI sistēmu apstiprināšana ir nepārprotami svarīga, jo ilgmūžības pasākumus pēc tam var īstenot liels skaits veselu cilvēku. Perspektīvajiem pētījumiem ir jāpierāda, ka uz AI balstīti novērtējumi var precīzi paredzēt veiksmīgus cilvēku pētījumu rezultātus, paverot ceļu drošākiem un efektīvākiem veselības aizsardzības pasākumiem.

Komanda cer izmantot savus atklājumus, lai padarītu veselības un ilgmūžības intervences precīzākas un pieejamākas, galu galā uzlabojot dzīves kvalitāti un ilgumu. Sadarbība starp pētniekiem, ārstiem un politikas veidotājiem būs svarīga, lai izveidotu stingrus reglamentējošos noteikumus un nodrošinātu drošu un efektīvu AI vadītu novērtējumu izmantošanu.

Avoti: