Investigadores da UC San Francisco e da Wayne State University descobriram que a IA generativa pode processar conjuntos de dados médicos complexos mais rapidamente do que equipas humanas tradicionais, por vezes com resultados mais fortes. O estudo focou-se na previsão de nascimento prematuro usando dados de mais de 1.000 mulheres grávidas. Esta abordagem reduziu o tempo de análise de meses para minutos em alguns casos.
Cientistas da UC San Francisco e da Wayne State University realizaram um teste no mundo real da IA generativa em investigação de saúde, comparando o seu desempenho com especialistas humanos. A tarefa envolveu a previsão de nascimento prematuro, uma das principais causas de morte neonatal nos Estados Unidos, onde cerca de 1.000 bebés nascem prematuros todos os dias. Os investigadores usaram dados de microbioma compilados de aproximadamente 1.200 mulheres grávidas em nove estudos, obtidos do March of Dimes Preterm Birth Data Repository. Para avaliar as capacidades da IA, a equipa recorreu a conjuntos de dados da competição de crowdsourcing DREAM, que anteriormente envolveu mais de 100 equipas globais a desenvolver modelos de machine learning para riscos de nascimento prematuro e estimativa de idade gestacional. Os participantes humanos nessa competição demoraram cerca de três meses a construir modelos, seguidos de quase dois anos para consolidar e publicar os achados. No novo estudo, oito chatbots de IA receberam prompts em linguagem natural para gerar código analítico sem programação humana direta. Apenas quatro dos sistemas produziram código utilizável, mas aqueles que tiveram sucesso igualaram ou superaram o desempenho das equipas humanas. Por exemplo, um par júnior —Reuben Sarwal, estudante de mestrado da UCSF, e Victor Tarca, aluno do ensino secundário— desenvolveu modelos de previsão com apoio de IA, gerando código funcional em minutos em vez das horas ou dias necessários a programadores experientes. Todo o processo, desde a conceção até à submissão à revista, demorou apenas seis meses. «Estas ferramentas de IA podem aliviar um dos maiores estrangulamentos na ciência de dados: a construção das nossas pipelines de análise», disse Marina Sirota, PhD, professora de Pediatria na UCSF e investigadora principal do March of Dimes Prematurity Research Center. O coautor sénior Adi L. Tarca, PhD, da Wayne State University, acrescentou: «Graças à IA generativa, os investigadores com background limitado em ciência de dados nem sempre precisarão de formar colaborações amplas ou passar horas a depurar código. Podem focar-se em responder às questões biomédicas certas.» O estudo, co-autorado por Sirota e Tarca, enfatiza que a IA requer supervisão humana para evitar resultados enganosos. Foi publicado na Cell Reports Medicine a 17 de fevereiro, destacando o potencial para progresso mais rápido na compreensão dos fatores de risco de nascimento prematuro.