Des chercheurs de l’UC San Francisco et de la Wayne State University ont découvert que l’IA générative peut traiter des ensembles de données médicales complexes plus rapidement que les équipes humaines traditionnelles, parfois avec des résultats plus solides. L’étude s’est concentrée sur la prédiction de l’accouchement prématuré à l’aide de données provenant de plus de 1 000 femmes enceintes. Cette approche a réduit le temps d’analyse de mois à minutes dans certains cas.
Des scientifiques de l’UC San Francisco et de la Wayne State University ont mené un test en conditions réelles de l’IA générative dans la recherche en santé, en comparant ses performances à celles d’experts humains. La tâche consistait à prédire l’accouchement prématuré, principale cause de mortalité néonatale aux États-Unis, où environ 1 000 bébés naissent prématurés chaque jour. Les chercheurs ont utilisé des données de microbiote compilées à partir d’environ 1 200 femmes enceintes dans neuf études, provenant du March of Dimes Preterm Birth Data Repository. Pour évaluer les capacités de l’IA, l’équipe s’est appuyée sur des ensembles de données de la compétition de crowdsourcing DREAM, qui avait impliqué plus de 100 équipes mondiales développant des modèles d’apprentissage automatique pour les risques d’accouchement prématuré et l’estimation de l’âge gestationnel. Les participants humains de cette compétition ont mis environ trois mois à construire des modèles, suivis de près de deux ans pour consolider et publier les résultats. Dans la nouvelle étude, huit chatbots IA ont reçu des invites en langage naturel pour générer du code analytique sans programmation humaine directe. Seuls quatre systèmes ont produit du code utilisable, mais ceux qui ont réussi ont égalé ou surpassé les performances des équipes humaines. Par exemple, une paire junior —Reuben Sarwal, étudiant en master à l’UCSF, et Victor Tarca, lycéen— a développé des modèles de prédiction avec l’aide de l’IA, générant du code fonctionnel en minutes plutôt qu’en heures ou jours requis par des programmeurs expérimentés. L’ensemble du processus, de la conception à la soumission à la revue, n’a pris que six mois. «Ces outils d’IA pourraient soulager l’un des plus grands goulots d’étranglement en science des données : la construction de nos pipelines d’analyse», a déclaré Marina Sirota, PhD, professeure de pédiatrie à l’UCSF et investigatrice principale du March of Dimes Prematurity Research Center. L’auteur co-senior Adi L. Tarca, PhD, de la Wayne State University, a ajouté : «Grâce à l’IA générative, les chercheurs ayant un bagage limité en science des données n’auront pas toujours besoin de former de vastes collaborations ou de passer des heures à déboguer du code. Ils pourront se concentrer sur la réponse aux bonnes questions biomédicales.» L’étude, co-écrite par Sirota et Tarca, souligne que l’IA nécessite une supervision humaine pour éviter des résultats trompeurs. Elle a été publiée dans Cell Reports Medicine le 17 février, mettant en lumière le potentiel pour un progrès plus rapide dans la compréhension des facteurs de risque d’accouchement prématuré.
