Investigadores de la UC San Francisco y la Wayne State University descubrieron que la IA generativa puede procesar conjuntos de datos médicos complejos más rápido que los equipos humanos tradicionales, a veces con resultados más sólidos. El estudio se centró en predecir el parto prematuro utilizando datos de más de 1.000 mujeres embarazadas. Este enfoque redujo el tiempo de análisis de meses a minutos en algunos casos.
Científicos de la UC San Francisco y la Wayne State University realizaron una prueba en el mundo real de la IA generativa en investigación sanitaria, comparando su rendimiento con el de expertos humanos. La tarea consistía en predecir el parto prematuro, una de las principales causas de muerte neonatal en Estados Unidos, donde unos 1.000 bebés nacen prematuramente cada día. Los investigadores utilizaron datos de microbioma recopilados de aproximadamente 1.200 mujeres embarazadas en nueve estudios, obtenidos del March of Dimes Preterm Birth Data Repository. Para evaluar las capacidades de la IA, el equipo recurrió a conjuntos de datos del concurso de crowdsourcing DREAM, que anteriormente involucró a más de 100 equipos globales que desarrollaron modelos de aprendizaje automático para riesgos de parto prematuro y estimación de la edad gestacional. Los participantes humanos en esa competición tardaron unos tres meses en construir modelos, seguidos de casi dos años para consolidar y publicar los hallazzos. En el nuevo estudio, se dieron indicaciones en lenguaje natural a ocho chatbots de IA para generar código analítico sin programación humana directa. Solo cuatro de los sistemas produjeron código utilizable, pero los que lo lograron igualaron o superaron el rendimiento de los equipos humanos. Por ejemplo, un dúo junior —Reuben Sarwal, estudiante de maestría en UCSF, y Victor Tarca, estudiante de secundaria— desarrolló modelos de predicción con apoyo de IA, generando código funcional en minutos en lugar de las horas o días requeridos por programadores experimentados. Todo el proceso, desde la concepción hasta el envío a la revista, tomó solo seis meses. «Estas herramientas de IA podrían aliviar uno de los mayores cuellos de botella en la ciencia de datos: la construcción de nuestros flujos de análisis», dijo Marina Sirota, PhD, profesora de Pediatría en UCSF e investigadora principal del March of Dimes Prematurity Research Center. El coautor principal Adi L. Tarca, PhD, de la Wayne State University, añadió: «Gracias a la IA generativa, los investigadores con un conocimiento limitado en ciencia de datos no siempre necesitarán formar amplias colaboraciones o pasar horas depurando código. Podrán centrarse en responder las preguntas biomédicas adecuadas». El estudio, coescrito por Sirota y Tarca, enfatiza que la IA requiere supervisión humana para evitar resultados engañosos. Se publicó en Cell Reports Medicine el 17 de febrero, destacando el potencial para un progreso más rápido en la comprensión de los factores de riesgo de parto prematuro.
