RMD Open | 人工智能在风湿病学研究领域的应用前景
- 来源:未知
- 作者:bmjchina
- 日期:2025-02-18
- 分享:
人工智能(AI)给风湿病学研究带来了变革,展现出了优化研究工作流、改善药物发现和临床试验的潜力。该叙述性综述探讨了辨别式AI和生成式AI在风湿病学中的当前应用和未来潜力,同时强调了这些技术带来的挑战,如伦理问题以及更为严格的验证和监管的必要性。AI与风湿病学的结合有望带来巨大的进步,但需要采取平衡的方法以最大化获益并尽可能减少潜在的弊端。
原文献信息:
文章解读
随着AI的发展,区分广泛应用于疾病分类和预测研究的辨别式AI和较新的生成式AI正变得越来越重要,后者有望应用于生成研究假设、临床试验设计、药物开发、文献综述和写作支持等前者难以支持的方面。判别式AI和生成式AI在处理数据和应用学习算法的方式上有所不同。判别式模型侧重于找到预测指标的决策界限,而生成式模型则侧重于通过分析基础数据的分布生成新数据。
关于在风湿病学领域的具体应用,更注重分类分析和预测分析的辨别式AI能够通过对结构化数据和多模态图像数据的分析改善研究和临床实践中对多种风湿性肌肉骨骼疾病(RMD)的诊断准确性、风险预测、疾病预后分析、疗效预测等,且在药物开发和确定分子靶标方面也能有所帮助(基于机器学习和深度学习算法)。除此之外,一些研究已证明辨别式AI可通过文本分析完成大规模电子病历数据分析中的疾病识别和临床特征评估等任务。
而对于以大语言模型(LLM)为核心、具备与人类类似的推理能力的生成式AI而言,在风湿病学研究中最有前景的应用是文本相关的应用。尽管其在临床实践领域的应用尚处于早期阶段,生成式AI在疾病诊断、信息总结归纳(生成临床报告)、制定治疗计划和提供临床决策支持方面已展现出良好的潜力,且这种潜力可能与临床医生对使用技巧的掌握程度呈正相关。不仅如此,生成式AI能够有效提高药物设计过程中的效率和准确性,在临床试验方面也能通过数字孪生技术开展比较分析,进而降低招募被试的需求(这类使用外部对照臂的临床试验已得到欧洲EMA和美国FDA的支持)。最为关键的是,生成式AI可有效助力研究过程中的所有环节,包括研究问题/研究假设的提出、文献综述、数据分析以及改善写作语言,这意味着生成式AI可能会彻底改变常规的研究工作流。
尽管有着诸多可能性,研究领域中的AI技术也面临着多种挑战:风湿病学领域尚缺乏验证AI模型效力的临床试验、与AI模型配套的标准临床培训和结构化指南的发展较为落后、训练数据的代表性、伦理方面的潜在问题等。为解决这些挑战,需要建立起针对不同AI模型的报告指南和监管框架,以确保AI技术在助力研究开展的同时能够有效改善患者照护。
综上所述,判别式AI和生成式AI正在给风湿病学研究带来变革,且判别式AI的精确分类和预测能力与生成式AI的合成和创造内容能力相辅相成,可为风湿病学研究人员提供强大的工具以改进他们的研究工作。AI技术的进步可以加快研究进程,从而促进风湿病学高效研究流程的发展。然而,当研究人员将AI技术融入其研究时,必须谨慎行事,在创新与责任之间取得平衡,以最大限度地发挥它们对风湿病学领域的积极影响。人工智能在风湿病学领域的未来发展轨迹掌握在研究人员手中,其最终影响将依赖于研究人员的共同努力和深思熟虑的应用。
关于RMD Open:
RMD Open发表高质量原创研究,内容覆盖肌肉骨骼疾病、风湿和结缔组织疾病的各个方面,包括骨质疏松症、脊柱和康复相关主题。
收稿率:31%
出版频率:连续出版
出版速度:
投稿至初步决定:36天(中位时间;含外审)
接收至发表:22天(中位时间)
2023年影响因子:5.1
官网:rmdopen.bmj.com