AI-verktøy viser potensialet til å forbedre aldringsintervensjoner og anbefalinger

AI-verktøy viser potensialet til å forbedre aldringsintervensjoner og anbefalinger

En samarbeidsstudie mellom 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, undersøkte hvordan avanserte AI-verktøy som store språkmodeller (LLMs) kan gjøre det enklere å evaluere personlige intervensjoner for aldring. Resultatene ble publisert i Leading Review JournalEndre forskningsanmeldelser.

Forskning på aldring genererer en overveldende mengde data, noe som gjør det vanskelig å avgjøre hvilke intervensjoner, som nye medisiner, kostholdsendringer eller treningsrutiner, som er trygge og effektive. Denne studien undersøkte hvordan AI kan analysere data mer effektivt og nøyaktig ved å foreslå et omfattende sett med standarder for AI-systemer for å sikre at de gir nøyaktige, pålitelige og forståelige vurderinger gjennom deres evne til å analysere komplekse biologiske data.

Forskerne identifiserte åtte kritiske krav for effektive AI-baserte 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.

Å la LLM-ere fortelle historier med disse kravene som en del av forespørselen, forbedret kvaliteten på anbefalingene de genererte.

Vi testet AI-metoder på eksempler fra den virkelige verden som legemidler og kosttilskudd. Vi fant ut at ved å følge spesifikke retningslinjer kan AI gi mer nøyaktig og detaljert innsikt. Når man analyserte rapamycin, et medikament som har blitt mye studert for sitt potensial til å fremme sunn aldring, vurderte AI ikke bare effektiviteten, men også kontekstspesifikke forklaringer og forbehold som mulig. "

Professor Brian Kennedy, medleder for studier, Institutt for biokjemi og fysiologi og Healthy Longevity Transmission Research Programme, NUS Medicine

«Resultatene av studien kan ha vidtrekkende implikasjoner» De kritiske kravene til god respons kan gjøre det mulig å finne mer effektive behandlinger og gjøre dem tryggere. Forbedre helseresultater for alle, spesielt når de blir eldre. "

Fremover er teamet nå fokusert på en stor studie av hvordan man best kan bruke AI-modeller for langtidsintervensjonsråd for å vurdere deres nøyaktighet og pålitelighet på et bredt spekter av nøye utformede benchmarks, kuraterte data av høy kvalitet. Valideringen av slike AI-systemer er eksplisitt viktig fordi intervensjonene med lang levetid da kan implementeres av et stort antall friske mennesker. Prospektive studier må vise at AI-baserte vurderinger nøyaktig kan forutsi vellykkede utfall i menneskelige studier, og baner vei for sikrere og mer effektive helseintervensjoner.

Teamet håper å bruke funnene sine til å gjøre helse- og langtidsintervensjoner mer presise og tilgjengelige, og til slutt forbedre kvaliteten og lengden på livet. Samarbeid mellom forskere, klinikere og beslutningstakere vil være viktig for å etablere robuste regulatoriske rammer og sikre sikker og effektiv bruk av AI-drevne vurderinger.

Kilder: