UC San FranciscoとWayne State大学の研究者らは、生成AIが複雑な医療データセットを従来の人間チームよりも高速に処理でき、時にはより優れた結果を生むことを発見した。研究は、1000人以上の妊婦のデータを用いた早産予測に焦点を当てた。このアプローチにより、分析時間が数ヶ月から数分に短縮されたケースもあった。
UC San FranciscoとWayne State大学の科学者らは、健康研究における生成AIの実世界テストを実施し、その性能を人間の専門家と比較した。課題は早産の予測で、米国における新生児死亡の主な原因であり、1日あたり約1000人の赤ちゃんが早産で生まれる。研究者らは、March of Dimes Preterm Birth Data Repositoryから得られた9つの研究から約1200人の妊婦のマイクロバイオームデータを用いた。 AIの能力を評価するため、チームは以前に100を超えるグローバルチームが早産リスクと妊娠週数推定のための機械学習モデルを開発したDREAMのクラウドソーシングコンペティションのデータセットを利用した。そのコンペティションの人参加者はモデル構築に約3ヶ月を要し、その後ほぼ2年かけて結果をまとめ出版した。 新しい研究では、8つのAIチャットボットに自然言語プロンプトを与え、人間による直接プログラミングなしで分析コードを生成させた。利用可能なコードを生成したのは4システムのみだったが、成功したものは人間チームの性能に匹敵または上回った。例えば、UCSFの修士課程学生Reuben Sarwalと高校生Victor TarcaのジュニアペアがAI支援で予測モデルを開発し、経験豊富なプログラマーが要する時間や日数ではなく、数分で機能するコードを生成した。 着想からジャーナル投稿までの全プロセスはわずか6ヶ月で完了した。「これらのAIツールは、データサイエンスの最大のボトルネックである分析パイプラインの構築を軽減できる」と、UCSF小児科教授でMarch of Dimes Prematurity Research Centerの主任研究者であるMarina Sirota博士は述べた。Wayne State大学から共同筆頭著者のAdi L. Tarca博士は、「生成AIのおかげで、データサイエンスのバックグラウンドが限られた研究者は、広範な協力やコードのデバッグに何時間も費やす必要がなくなる。彼らは適切な生物医学的質問に集中できる」と付け加えた。 SirotaとTarcaが共著したこの研究は、AIには誤解を招く結果を避けるための人間の監督が必要だと強調している。2024年2月17日にCell Reports Medicineに掲載され、早産リスク要因の理解に向けたより迅速な進展の可能性を強調している。
