پیش‌بینی تولد زودرس با کمک هوش مصنوعی

محققان دانشگاه University of California, San Francisco و دانشگاه Wayne State University در یک مطالعه نوآورانه دریافتند ابزار‌های هوش مصنوعی مولد (Generative AI) قادرند داده‌های پزشکی را بسیار سریع‌تر از تیم‌های تحقیقاتی انسانی تحلیل کنند و در برخی موارد نتایجی دقیق‌تر از متخصصان کامپیوتر ارائه دهند. این پیشرفت می‌تواند مسیر کشف‌های پزشکی را تسریع کرده و مراقبت از نوزادان آسیب‌پذیر را بهبود بخشد.

آزمایش هوش مصنوعی در تحلیل داده‌های پیش از تولد

به گزارش scitechdaily، محققان در این مطالعه توانایی هوش مصنوعی را در پیش‌بینی تولد زودرس بررسی کردند. برای این کار تیم‌هایی که تنها از تخصص انسانی استفاده می‌کردند و تیم‌هایی که از ترکیب انسان و هوش مصنوعی بهره می‌بردند مامور شدند با استفاده از داده‌های بیش از ۱،۰۰۰ زن باردار مدل‌های پیش‌بینی تولد زودرس ایجاد کنند.

حتی یک تیم جوان شامل Reuben Sarwal دانشجوی کارشناسی ارشد UCSF و Victor Tarca دانش‌آموز دبیرستان، با کمک هوش مصنوعی موفق شدند مدل‌های پیش‌بینی بسازند و در عرض چند دقیقه کد‌های تحلیلی ایجاد کنند؛ کاری که معمولا برای برنامه‌نویسان با تجربه چند ساعت یا روز طول می‌کشد.

مزیت هوش مصنوعی مولد

ویژگی کلیدی این سیستم‌ها توانایی تولید خودکار کد‌های تحلیلی از دستورات کوتاه و تخصصی است. هرچند تمام سیستم‌ها موفق نبودند و فقط ۴ مورد از ۸ هوش مصنوعی توانستند کد‌های قابل استفاده تولید کنند، اما این موفقیت بدون نیاز به تیم‌های بزرگ متخصصان حاصل شد.

به گفته Marina Sirota, PhD استاد رشته اطفال و مدیر موقت Bakar Computational Health Sciences Institute این ابزار‌های هوش مصنوعی می‌توانند یکی از بزرگ‌ترین موانع علم داده را برطرف کنند. این سرعت‌بخشی دقیقا زمانی اتفاق افتاده که بیماران نیاز فوری به کمک دارند.

اهمیت پیش‌بینی تولد زودرس

تولد زودرس یکی از علل اصلی مرگ نوزادان و عامل مهم مشکلات حرکتی و شناختی بلندمدت است. روزانه حدود ۱،۰۰۰ نوزاد در آمریکا زودرس به دنیا می‌آیند.

با وجود اهمیت این موضوع، هنوز علت دقیق تولد زودرس کاملا شناخته نشده است. تیم Sirota داده‌های میکروبیوم را از حدود ۱،۲۰۰ زن باردار جمع‌آوری و روند بارداری آنها را تا زایمان پیگیری کردند.
به گفته Tomiko T. Oskotsky, MD همکار موسسه و نویسنده مقاله این نوع تحقیقات تنها با به اشتراک‌گذاری داده‌ها و همکاری پژوهشگران ممکن است. حجم و پیچیدگی داده‌ها تحلیل آنها را بسیار دشوار می‌کرد.

آزمایش هوش مصنوعی روی داده‌های بارداری

برای بررسی توانایی هوش مصنوعی تیم‌های UCSF و Wayne State از ۸ سیستم هوش مصنوعی خواستند بدون کمک برنامه‌نویسان انسانی الگوریتم‌هایی برای تحلیل داده‌های DREAM ایجاد کنند. دستورالعمل‌ها به زبان طبیعی اما دقیق ارائه شد تا هوش مصنوعی بتواند داده‌های پزشکی را مشابه تیم‌های DREAM تحلیل کند.

هدف این بود که داده‌های میکروبیوم واژینال برای شناسایی علائم تولد زودرس و نمونه‌های خون یا جفت برای برآورد سن بارداری بررسی شود.

نتایج نشان داد که ۴ مورد از ۸ ابزار هوش مصنوعی توانستند مدل‌هایی تولید کنند که به اندازه مدل‌های تیم‌های DREAM دقیق بودند و برخی حتی عملکرد بهتری داشتند. پروژه کامل هوش مصنوعی از طراحی اولیه تا انتشار مقاله تنها در شش ماه انجام شد در حالی که فرآیند مشابه انسانی نزدیک به دو سال طول کشیده بود.

با وجود موفقیت پژوهشگران تاکید دارند که هوش مصنوعی می‌تواند نتایج گمراه‌کننده تولید کند و نظارت انسانی همچنان ضروری است. این فناوری جایگزین تخصص علمی نیست اما با پردازش سریع حجم عظیمی از داده‌ها پژوهشگران زمان بیشتری برای تفسیر یافته‌ها و پرسیدن سوالات علمی بهتر خواهند داشت.

Adi L. Tarca می‌گوید: با کمک هوش مصنوعی مولد پژوهشگران با دانش محدود در علم داده دیگر مجبور به همکاری گسترده یا صرف ساعت‌ها برای رفع خطا‌های کد نخواهند بود و می‌توانند تمرکز خود را روی پاسخ دادن به سؤالات بیومدیکال مهم بگذارند.

انتهای پیام/