Генеративный ИИ анализирует медицинские данные быстрее, чем команды исследователей-людей
Исследование показало, что ИИ может генерировать рабочий аналитический код за минуты, значительно ускоряя обработку сложных медицинских наборов данных, таких как информация о преждевременных родах
Короткое резюме
Генеративный искусственный интеллект продемонстрировал способность обрабатывать обширные медицинские наборы данных, такие как информация о вагинальном микробиоме для прогнозирования преждевременных родов, быстрее, чем традиционные команды специалистов, а в некоторых случаях — с сопоставимыми или даже лучшими результатами.
В рамках тестирования восемь ИИ-систем получили задачу создать алгоритмы на основе данных трёх конкурсов DREAM (Dialogue for Reverse Engineering Assessments and Methods — диалог для оценки и методов обратного инжиниринга). Хотя только четыре из них сгенерировали пригодный для использования код, успешные системы сделали это за минуты, тогда как человеческим командам требовались месяцы. Ключевым преимуществом стала способность ИИ писать аналитический код на основе коротких, но точных текстовых запросов, что позволило даже младшим исследователям завершить работу за несколько месяцев.
Ускорение анализа данных может привести к более быстрому развитию диагностических инструментов для преждевременных родов — основной причины смерти новорождённых. Хотя ИИ требует тщательного контроля и экспертной проверки, он способен снять одно из главных препятствий в науке о данных — создание аналитических конвейеров, позволяя исследователям больше времени уделять интерпретации результатов и постановке научных вопросов.
Скорость обработки
Генеративный ИИ сократил время анализа сложных медицинских данных с месяцев/лет до нескольких месяцев, генерируя рабочий код за минуты
Сопоставимая эффективность
В половине случаев (4 из 8 систем) ИИ создал модели, которые соответствовали или превзошли по производительности модели, разработанные человеческими командами
Демократизация исследований
ИИ позволил исследователям с ограниченным опытом в науке о данных (включая студента и школьника) успешно выполнять сложные аналитические задачи без широких коллабораций
Снижение операционных барьеров
Технология устраняет ключевое узкое место — создание аналитических конвейеров, позволяя учёным сосредоточиться на интерпретации данных и биомедицинских вопросах
Текст сгенерирован с использованием ИИ
