A collaborative study between researchers from the Yong Loo Lin School of Medicine, National University of Singapore (NUS Medicine), and the Institute for Biostatistics and Informatics in Medicine and aging Research, Rostock University Medical Center, Germany, investigated how advanced AI tools, like Les modèles de grands langues (LLM) peuvent faciliter l'évaluation des interventions pour le vieillissement et fournir des recommandations personnalisées. Les résultats ont été publiés dans la revue de revue leader Revues de recherche vieillissante.
La recherche sur le vieillissement produit une quantité écrasante de données, ce qui rend difficile la détermination des interventions telles que de nouveaux médicaments, des changements alimentaires ou des routines d'exercice – sûrs et efficaces. Cette étude a étudié comment l'IA peut analyser les données plus efficacement et avec précision, en proposant un ensemble complet de normes pour les systèmes d'IA afin de s'assurer qu'ils fournissent des évaluations précises, fiables et compréhensibles grâce à leur capacité à analyser des données biologiques complexes.
Les chercheurs ont identifié huit exigences critiques pour des évaluations efficaces basées sur l'IA:
- Correction des résultats de l'évaluation. La qualité des données sera évaluée pour la précision.
- Utilité et exhaustivité.
- Interprétabilité et explicabilité des résultats de l'évaluation. La clarté et la concision des résultats et des explications données.
- Considération spécifique de mécanismes causaux affecté par l'intervention.
- Considération des données dans un holistique contexte:
- Efficacité et toxicité, et preuves de l'existence d'une grande fenêtre thérapeutique;
- Analyse dans un réglage « interdisciplinaire ».
- Habilitant reproductibilité, standardisationet harmonisation des analyses (et des rapports).
- Accent spécifique sur diverses données longitudinales à grande échelle.
- Accent spécifique sur les résultats qui se rapportent à Mécanismes connus du vieillissement.
Rendre les LLM de ces exigences dans le cadre de l'incitation a amélioré la qualité des recommandations qu'ils ont produites.
Nous avons testé des méthodes d'IA en utilisant des exemples du monde réel tels que les médicaments et les compléments alimentaires. Nous avons constaté qu'en suivant des directives spécifiques, l'IA peut fournir des informations plus précises et détaillées. Par exemple, lors de l'analyse de la rapamycine, un médicament a souvent étudié pour son potentiel pour promouvoir un vieillissement sain, l'IA a non seulement évalué son efficacité, mais a également fourni des explications et des mises en garde spécifiques au contexte, telles que les effets secondaires possibles. «
Le professeur Brian Kennedy, co-leader de l'étude, Département de biochimie et de physiologie et Programme de recherche translationnelle de la longévité saine, NUS Medicine
« Les résultats de l'étude pourraient avoir des effets de grande envergure », a ajouté le professeur Georg Fuellen, directeur de l'Institute for Biostatistics and Informatics in Medicine and Aging Research, Rostock University Medical Center, qui a co-a co-dirigé l'étude « , pour les soins de santé, en parlant de l'IA de l'IA Les exigences critiques d'une bonne réponse peuvent lui permettre de trouver des traitements plus efficaces et de les rendre plus sûrs. Améliorez les résultats pour la santé pour tout le monde, surtout à mesure qu'ils vieillissent. «
À l'avenir, l'équipe se concentre désormais sur une étude à grande échelle sur la meilleure façon de provoquer des modèles d'IA pour des conseils d'intervention liés à la longévité, pour évaluer leur précision et leur fiabilité pour un large éventail de repères soigneusement conçus, c'est-à-dire organisé, élevé données de qualité. La validation de ces systèmes d'IA est spécifiquement importante car les interventions de longévité peuvent ensuite être mises en œuvre par un grand nombre de personnes en bonne santé. Des études prospectives devront démontrer que les évaluations basées sur l'IA peuvent prédire avec précision les résultats réussis dans les essais humains, ouvrant la voie à des interventions de santé plus sûres et plus efficaces.
L'équipe espère utiliser leurs résultats pour rendre les interventions de santé et de longévité plus précises et accessibles, et finalement améliorer la qualité et la durée de la vie. La collaboration entre les chercheurs, les cliniciens et les décideurs sera essentielle pour établir des cadres réglementaires robustes, assurant l'utilisation sûre et efficace des évaluations axées sur l'IA.
