研究人员开发了AI驱动的评估标准，以增强与衰老相关的干预措施，旨在通过个性化、可靠的推荐改善健康结果和长寿。
来自新加坡国立大学永卢林医学院和罗斯托克大学医学中心医学生物统计学和信息学研究所的研究人员进行了一项合作研究，探讨使用大型语言模型等先进AI工具来增强对衰老相关干预措施的评估并提供个性化推荐。他们的发现发表在《衰老研究评论》期刊上。
衰老研究产生了大量的数据，使得评估新药物、饮食调整或运动方案等干预措施的安全性和有效性变得具有挑战性。这项研究探讨了AI如何以更高的效率和准确性简化数据分析。研究人员提出了一个标准化的框架，以确保AI系统通过有效处理复杂的生物数据，产生精确、可靠和 comprehensible 的评估。
基于AI的评估的关键要求
研究人员确定了有效进行基于AI的评估的八个关键要求：
-
评估结果的正确性。数据质量将被评估准确性。
-
有用性和全面性。
-
评估结果的 interpretability 和可解释性。结果和给出的解释的清晰度和简洁性。
-
特别考虑受干预影响的因果机制。
-
在整体背景下考虑数据：疗效和毒性，以及存在大治疗窗的证据；在“跨学科”环境中进行分析。
-
实现分析的可重复性、标准化和协调性。
-
特别强调多样化的纵向大规模数据。
-
特别强调与已知衰老机制相关的结果。
在提示中告知LLMs这些要求，提高了它们产生的推荐的质量。
人工智能在衰老研究中的实际应用
“我们使用药物和膳食补充剂等真实世界的例子测试了AI方法。我们发现，通过遵循特定的指南，AI可以提供更准确和详细的见解。例如，在分析雷帕霉素（一种经常因其促进健康衰老潜力而被研究的药物）时，AI不仅评估了其 efficacy，还提供了特定背景的解释和注意事项，如可能的副作用，”该研究的联合领导者、来自新加坡国立大学医学院生物化学与生理学系及健康长寿转化研究项目的Brian Kennedy教授说。
“这项研究的发现可能具有深远的影响，”该研究的联合领导者、罗斯托克大学医学中心医学生物统计学和信息学研究所所长Georg Fuellen教授补充说，“对于医疗保健，告诉AI一个好的回答的关键要求可以使其找到更有效的治疗方法，并使它们使用更安全。一般来说，AI工具可以设计更好的临床试验，并帮助为每个人量身定制健康建议。这项研究是利用AI改善每个人健康结果的重要一步，特别是随着他们年龄的增长。”
展望未来，该团队 now 专注于一项大规模研究，探讨如何最好地 prompt AI模型以获取与长寿相关的干预建议，以评估它们对一系列精心设计的基准的准确性和可靠性。此类AI系统的验证特别重要，因为长寿干预措施可能随后被大量健康人实施。前瞻性研究将需要证明基于AI的评估可以准确预测人类试验中的成功结果，为更安全、更有效的健康干预措施铺平道路。
该团队希望利用他们的发现使健康和长寿干预措施更精确、更容易获得，并最终提高生活质量和寿命。研究人员、临床医生和政策制定者之间的合作对于建立 robust 的监管框架、确保安全有效地使用AI驱动的评估至关重要。
参考原文： Georg Fuellen, et al. “Validation requirements for AI-based intervention-evaluation in aging and longevity research and practice”. Ageing Research Reviews. 4 December 2024. DOI: 10.1016/j.arr.2024.102617.