Η επιστήμη δεδομένων βρίσκεται μπροστά σε μια ιστορική καμπή, καθώς νέα αμερικανική έρευνα αποκαλύπτει ότι τα εργαλεία τεχνητής νοημοσύνης μπορούν πλέον να συνθέτουν αξιόπιστα προγνωστικά μοντέλα σε χρόνο που μέχρι πρότινος φάνταζε εξωπραγματικός. Η εξέλιξη αυτή υπόσχεται να γκρεμίσει τα γραφειοκρατικά και τεχνικά τείχη που κρατούν τις αναλύσεις μακριά από τα νοσοκομεία, επιταχύνοντας δραματικά τη μεταφορά της γνώσης στην κλινική πράξη.

Στο παραδοσιακό ερευνητικό περιβάλλον, η επεξεργασία δεδομένων είναι ένας πραγματικός μαραθώνιος. Ο καθαρισμός αρχείων και η συγγραφή κώδικα απαιτούν μήνες εξαντλητικής εργασίας προτού προκύψουν αξιοποιήσιμα αποτελέσματα. Ωστόσο, ερευνητές από το University of California, San Francisco και το Wayne State University απέδειξαν ότι υπάρχει ένας ταχύτερος δρόμος. Ανέθεσαν σε ανθρώπους και μηχανές την ίδια αποστολή: τη δημιουργία μοντέλων πρόβλεψης για τον κίνδυνο πρόωρου τοκετού, χρησιμοποιώντας δεδομένα από περισσότερες από 1.000 εγκυμοσύνες.

Τα αποτελέσματα ήταν συγκλονιστικά. Ενώ έμπειροι προγραμματιστές θα χρειάζονταν ώρες ή και μέρες για να ολοκληρώσουν τον κώδικα, η Τεχνητή Νοημοσύνη παρέδωσε έτοιμα "σκριπτ" μέσα σε ελάχιστα λεπτά. Η ευκολία αυτή επέτρεψε ακόμα και σε μια μικρή ομάδα, αποτελούμενη από έναν μεταπτυχιακό φοιτητή και έναν μαθητή λυκείου, να αναπτύξει βιώσιμα μοντέλα και να φτάσει μέχρι την υποβολή επιστημονικής δημοσίευσης μέσα σε λίγους μόλις μήνες, όπως αναφέρει η SciTechDaily.

Η σημασία αυτής της ταχύτητας είναι ζωτική. Η πρόωρη γέννηση αποτελεί την κύρια αιτία νεογνικής θνησιμότητας και συνδέεται με μακροχρόνια κινητικά και γνωστικά προβλήματα. Μόνο στις ΗΠΑ, περίπου 1.000 μωρά γεννιούνται πρόωρα κάθε μέρα. Για να εντοπίσουν πρώιμα προειδοποιητικά "σήματα", οι ερευνητές συγκέντρωσαν μικροβιολογικά δεδομένα από περίπου 1.200 εγκύους, προερχόμενα από εννέα διαφορετικές μελέτες, υλικό που οι παραδοσιακές μέθοδοι δυσκολεύονται να επεξεργαστούν αποτελεσματικά.

Είναι χαρακτηριστικό ότι παλαιότερα, στο πλαίσιο των διαγωνισμών DREAM Challenges, πάνω από 100 διεθνείς ομάδες χρειάστηκαν σχεδόν δύο χρόνια για να συγκεντρώσουν και να δημοσιεύσουν τα αποτελέσματά τους. Σήμερα, η Τεχνητή Νοημοσύνη ολοκλήρωσε το ίδιο έργο, από τον αρχικό σχεδιασμό μέχρι την υποβολή του άρθρου, σε μόλις έξι μήνες. Από τα οκτώ συστήματα που δοκιμάστηκαν, τα τέσσερα παρήγαγαν λειτουργικό κώδικα με επιδόσεις ισάξιες ή και ανώτερες από τις κορυφαίες ανθρώπινες ομάδες.

Παρά τον ενθουσιασμό, οι επιστήμονες παραμένουν προσεκτικοί. Τα μεγάλα γλωσσικά μοντέλα μπορούν πλέον να δημιουργούν ολοκληρωμένα "pipelines" ανάλυσης σε R ή Python, όμως η ανθρώπινη εποπτεία παραμένει κρίσιμη. Η τεχνητή νοημοσύνη δεν αντικαθιστά τον επιστήμονα, αλλά τον απελευθερώνει από τις πιο χρονοβόρες τεχνικές διαδικασίες. Η ταχύτερη μετάβαση από τα ακατέργαστα δεδομένα στις πρακτικές εφαρμογές για τους ασθενείς μπορεί να κάνει τη διαφορά ζωής στην ιατρική.