Peneliti di UC San Francisco dan Wayne State University menemukan bahwa AI generatif dapat memproses dataset medis kompleks lebih cepat daripada tim manusia tradisional, kadang-kadang menghasilkan hasil yang lebih kuat. Studi ini berfokus pada prediksi kelahiran prematur menggunakan data dari lebih dari 1.000 wanita hamil. Pendekatan ini mengurangi waktu analisis dari bulan menjadi menit dalam beberapa kasus.
Para ilmuwan di UC San Francisco dan Wayne State University melakukan uji coba dunia nyata terhadap AI generatif dalam penelitian kesehatan, membandingkan kinerjanya dengan pakar manusia. Tugasnya melibatkan prediksi kelahiran prematur, penyebab utama kematian bayi baru lahir di Amerika Serikat, di mana sekitar 1.000 bayi lahir prematur setiap hari. Peneliti menggunakan data mikrobioma yang dikompilasi dari sekitar 1.200 wanita hamil dari sembilan studi, bersumber dari March of Dimes Preterm Birth Data Repository. Untuk mengevaluasi kemampuan AI, tim menggunakan dataset dari kompetisi crowdsourcing DREAM, yang sebelumnya melibatkan lebih dari 100 tim global mengembangkan model machine learning untuk risiko kelahiran prematur dan estimasi usia kehamilan. Peserta manusia dalam kompetisi itu membutuhkan sekitar tiga bulan untuk membangun model, diikuti hampir dua tahun untuk mengkonsolidasikan dan mempublikasikan temuan. Dalam studi baru, delapan chatbot AI diberi prompt bahasa alami untuk menghasilkan kode analitik tanpa pemrograman manusia langsung. Hanya empat sistem yang menghasilkan kode yang dapat digunakan, tetapi yang berhasil menyamai atau melampaui kinerja tim manusia. Misalnya, pasangan junior—mahasiswa master UCSF, Reuben Sarwal, dan siswa SMA, Victor Tarca—mengembangkan model prediksi dengan dukungan AI, menghasilkan kode fungsional dalam menit daripada jam atau hari yang dibutuhkan programmer berpengalaman. Seluruh proses, dari konsep hingga pengiriman jurnal, hanya memakan waktu enam bulan. «Alat AI ini dapat meringankan salah satu bottleneck terbesar dalam ilmu data: membangun pipeline analisis kami», kata Marina Sirota, PhD, profesor Pediatrik di UCSF dan peneliti utama March of Dimes Prematurity Research Center. Penulis co-senior Adi L. Tarca, PhD, dari Wayne State University, menambahkan, «Berkat AI generatif, peneliti dengan latar belakang ilmu data terbatas tidak selalu perlu membentuk kolaborasi luas atau menghabiskan jam debugging kode. Mereka dapat fokus menjawab pertanyaan biomedis yang tepat.» Studi yang ditulis bersama oleh Sirota dan Tarca menekankan bahwa AI memerlukan pengawasan manusia untuk menghindari hasil yang menyesatkan. Diterbitkan di Cell Reports Medicine pada 17 Februari, menyoroti potensi kemajuan lebih cepat dalam memahami faktor risiko kelahiran prematur.
