新加坡国立大学（NUS）医学院与德国罗斯托克大学医学中心的生物统计学与医学及老龄化研究研究所的研究人员合作，进行了一项研究，探讨了如何利用先进的AI工具如大型语言模型（LLM）更高效和准确地评估衰老干预措施，并提供个性化建议。
该研究成果发表在《老年研究评论》上。
随着对衰老的研究不断深入，产生的数据量也变得非常庞大，导致难以确定哪些干预措施（如新药物、饮食改变或运动方案）是安全有效的。这项研究调查了AI如何更高效和准确地分析数据，提出了一套全面的标准，以确保AI系统能够通过其分析复杂生物数据的能力提供准确、可靠和易于理解的评估结果。
研究人员确定了有效AI评估所需的八个关键要求：
- 评估结果的准确性。数据质量将被评估以确保准确性。
- 结果的有用性和全面性。
- 评估结果的可解释性；结果及其解释的清晰性和简洁性。
- 对受干预影响的因果机制的具体考虑。
- 数据的整体背景考虑：
- 效力和毒性，以及存在大治疗窗口的证据；
- 在“跨学科”环境中进行分析。
- 启用分析的可重复性、标准化和协调性（包括报告的标准化）。
- 强调多样化的纵向大规模数据。
- 强调与已知衰老机制相关的结果。
将这些要求告知大型语言模型（LLM）作为提示的一部分，可以提高其生成建议的质量。
新加坡国立大学生物化学与生理学系及健康长寿转化研究中心的Brian Kennedy教授表示：“我们使用实际例子如药物和膳食补充剂测试了AI方法。我们发现，通过遵循特定指南，AI可以提供更准确和详细的见解。例如，在分析雷帕霉素（一种常用于研究促进健康衰老的药物）时，AI不仅评估了其效力，还提供了具体的情景解释和注意事项，如可能的副作用。”
罗斯托克大学医学中心生物统计学与医学及老龄化研究研究所主任Georg Fuellen教授补充说：“这一研究的成果可能具有深远的影响。对于医疗保健而言，告知AI关于良好响应的关键要求可以使它找到更有效的治疗方法，并使其更安全地使用。一般来说，AI工具可以设计更好的临床试验，并帮助为每个人量身定制健康建议。这项研究是朝着使用AI改善每个人的健康结果迈出的重要一步，特别是随着他们年龄的增长。”
未来，团队将专注于大规模研究，以确定如何最佳地提示AI模型进行与长寿相关的干预建议，评估其准确性和可靠性，并针对精心设计的基准进行验证。这种AI系统的验证尤为重要，因为长寿干预措施可能会由大量健康人群实施。前瞻性研究需要证明基于AI的评估可以在人类试验中准确预测成功的结果，为更安全和有效的健康干预铺平道路。
研究团队希望利用他们的研究成果使健康和长寿干预更加精确和普及，最终改善生活质量和寿命。
研究人员、临床医生和政策制定者之间的合作将是建立稳健监管框架的关键，以确保AI驱动评估的安全和有效使用。
(全文结束)
