Нейросети научились отбирать клинические случаи для исследований с точностью эксперта

Исследователи в ветеринарии часто сталкиваются с трудностями при поиске и отборе подходящих клинических случаев из-за отсутствия единых стандартов ведения медицинских записей. В отличие от гуманной медицины, где данные структурированы, ветеринарные врачи вынуждены вручную обрабатывать огромные массивы информации, что замедляет научный прогресс. Учёные из Техасского университета A&M и Института хирургических исследований армии США изучили потенциал генеративного искусственного интеллекта (ИИ) как инструмента для автоматизации этой задачи.

Основной задачей работы была оценка того, насколько точно современные ИИ-платформы могут идентифицировать клинические случаи, соответствующие строгим критериям включения и исключения для научных работ. Исследователи стремились выяснить, способен ли ИИ обеспечить высокую степень согласия с экспертами-ветеринарами при значительном сокращении времени на обработку данных.

Подпишитесь прямо сейчас на наш телеграм-канал, чтобы следить за ветеринарными новостями.

Анализ медицинских записей проводился в период с 16 декабря 2024 года по 2 июля 2025 года. Для тестирования были выбраны три независимых набора данных:

• 100 собак с травмами;
• 86 пациентов с установленными мочеточниковыми стентами;
• 100 собак, перенёсших удаление желчного пузыря (холецистэктомию).

Результаты работы трёх экспертов-специалистов (эталонные данные) сравнивали с показателями ИИ-моделей Gemini 2.5 Pro и NotebookLM, а также со специально разработанными поисковыми алгоритмами на языке Python. ИИ анализировал неструктурированные PDF-файлы, включая выписки, протоколы операций и результаты анализов.

Модель Gemini 2.5 Pro показала наилучшие результаты, наиболее точно совпав с выбором экспертов во всех группах. Ключевые показатели эффективности:

• Точность: ИИ корректно определил нужные случаи в 99–100% ситуаций.
• Скорость: время обработки одного набора данных искусственным интеллектом составило от 90 до 390 секунд. Для сравнения: экспертам-людям на аналогичную работу требовалось в среднем 75 минут (от 48 до 100 минут).
• Надёжность: NotebookLM показал высокую точность только на данных о стентах, но был менее эффективен в других категориях. Алгоритмы на Python продемонстрировали нестабильную работу и часто ошибались.

Исследователи отметили, что ИИ не только отбирал случаи, но и предоставлял обоснование своего выбора, что упрощает аудит результатов.

По словам авторов, генеративный ИИ является эффективным инструментом для повышения масштабируемости и скорости проведения ретроспективных исследований. Применение таких моделей позволяет сократить время от разработки гипотезы до получения знаний с нескольких недель до нескольких минут. По мнению исследователей, несмотря на впечатляющую точность, выборку ИИ всё же следует проверять перед окончательным включением данных в исследование, чтобы гарантировать отсутствие ошибок в сложных или неоднозначных случаях.

Источник: avmajournals.avma.org