在一项早期测试中，加利福尼亚大学旧金山分校（University of California - San Francisco, UCSF）和韦恩州立大学（Wayne State University）的研究人员发现，生成式人工智能工具能够以数量级更快的速度解密大量健康数据——在某些情况下，其表现甚至优于花费数月时间分析数据的计算机科学团队。
科学家团队与人工智能配对后接受了相同任务：基于超过1000名孕妇的数据预测早产。
即使是由加利福尼亚大学旧金山分校硕士生鲁本·萨沃尔（Reuben Sarwal）和高中生维克多·塔尔卡（Victor Tarca）组成的初级研究组合，在人工智能辅助下也能创建可行的预测模型。他们仅用几分钟就生成了可运行的计算机代码——这项任务若由经验丰富的程序员完成，至少需要数小时至数天。
人工智能的优势源于其基于简短但高度专业化的提示词编写健康数据分析代码的能力。并非所有人工智能都有帮助——8个AI聊天机器人中仅有4个能生成可用代码。但它们无需专家团队的协助即可完成任务。
这使初级科学家能够快速运行实验、验证结果正确性，并在短短几个月内将发现撰写并提交至期刊。
“这些人工智能工具可缓解数据科学中最大的瓶颈之一：构建我们的分析流程，”加利福尼亚大学旧金山分校儿科教授、巴克计算健康科学研究所（Bakar Computational Health Sciences Institute, BCHSI）临时主任、美国早产儿基金会（March of Dimes）早产研究中⼼首席研究员玛丽娜·西罗塔（Marina Sirota）博士表示，“对于急需帮助的患者而言，这种加速来得再及时不过。”
西罗塔是该论文的共同资深作者，该论文于2月17日发表在《Cell Reports Medicine》期刊上。
大数据能否让妊娠更安全？
从数据到发现的更快路径可带来更可靠的早产诊断测试——早产是新生儿死亡的首要原因，也是儿童长期运动和认知障碍的主要诱因。在美国，每天约有1000名婴儿过早出生。
科学家对导致早产的原因仍知之甚少。为寻找线索，西罗塔团队汇集了来自约1200名孕妇的微生物组数据，这些孕妇的分娩结果在九项研究中得到追踪。
“此类工作唯有通过开放数据共享才能实现，它汇集了众多女性的经验和众多研究人员的专业知识，”美国早产儿基金会早产数据仓库（March of Dimes Preterm Birth Data Repository）共同主任、加利福尼亚大学旧金山分校巴克计算健康科学研究所副教授、论文共同作者汤米科·T·奥斯科茨基（Tomiko T. Oskotsky）医学博士表示。
但海量数据仍难以分析。因此，该团队通过名为DREAM（反向工程评估与方法对话，Dialogue on Reverse Engineering Assessment and Methods）的竞赛，众包数据科学家的帮助。
西罗塔共同领导了三项妊娠DREAM挑战之一；她的挑战专注于分析阴道微生物组数据。来自全球的100多个团队竞争创建机器学习算法，以识别可能指示早产的数据模式。大多数团队在挑战设定的三个月内实现了这一目标。但汇编结果并发表论文耗时近两年。
人工智能为妊娠数据分析带来显著提升
西罗塔团队希望验证人工智能是否能更快完成任务。他们与由阿迪·L·塔尔卡（Adi L. Tarca）博士领导的团队合作，后者是底特律韦恩州立大学分子医学与遗传学中心教授、论文共同资深作者，曾领导另外两项关于改进妊娠日期确定方法的DREAM挑战。
双方共同指导8个人工智能工具使用三个DREAM挑战的相同数据构建妊娠评估算法，全程无需人工输入。
这些人工智能聊天机器人通过自然语言提示完成任务。其运作方式与ChatGPT类似，但提示词经过精心措辞，以引导人工智能像DREAM团队一样评估人类健康数据。
目标与DREAM挑战一致：分析阴道微生物组数据以发现早产迹象；分析血液或胎盘组织样本以确定妊娠阶段。这几乎总是一种估计值，决定了孕妇在妊娠过程中接受的护理类型。当估计不准确时，很难为分娩做好准备。
科学家在DREAM挑战数据上运行人工智能生成的代码。8个人工智能工具中仅有4个生成的预测模型表现与DREAM团队相当，但有时人工智能的表现优于人类团队。而整个生成式人工智能项目——从启动到论文提交——仅耗时六个月。
科学家仍需警惕误导性结果这一长期问题，并在人工智能失效时介入干预。该技术无法替代人类专业知识，但其能力可使科学家快速解析海量数据——从而腾出精力进行更深入的思考。
“得益于生成式人工智能，数据科学背景有限的研究人员不再总是需要组建广泛合作或花费数小时调试代码，”塔尔卡表示，“他们可以专注于解答正确的生物医学问题。”
作者： 加利福尼亚大学旧金山分校作者包括鲁本·萨沃尔（Reuben Sarwal）、克莱尔·杜宾（Claire Dubin）、桑奇塔·巴塔查里亚（Sanchita Bhattacharya）理学硕士、阿图尔·巴特（Atul Butte）医学博士及哲学博士；其他作者包括维克多·塔尔卡（Victor Tarca）（密歇根州安娜堡赫伦高中）、尼古拉斯·卡拉夫罗斯（Nikolas Kalavros）和古斯塔沃·斯托洛维茨基（Gustavo Stolovitzky）哲学博士（纽约大学）、高拉夫·巴蒂（Gaurav Bhatti）（韦恩州立大学）、罗伯托·罗梅罗（Roberto Romero）医学博士及医学科学博士（美国国家儿童健康与人类发育研究所，National Institute of Child Health and Human Development, NICHD）。
资金支持： 本工作由加利福尼亚大学旧金山分校美国早产儿基金会早产研究中⼼和ImmPort资助。本研究使用的数据部分得益于美国国家儿童健康与人类发育研究所妊娠研究分部的支持。
关于加利福尼亚大学旧金山分校： 加利福尼亚大学旧金山分校（University of California - San Francisco, UCSF） exclusively focused on the health sciences and is dedicated to promoting health worldwide through advanced biomedical research, graduate-level education in the life sciences and health professions, and excellence in patient care. UCSF Health作为UCSF的主要学术医疗中心，包含全美顶尖的专科医院和其他临床项目，并在湾区拥有多个附属机构。加利福尼亚大学旧金山分校医学院在弗雷斯诺设有区域校区。了解更多信息。
【全文结束】
