Umelá inteligencia prekonala tímy expertov v analýze medicínskych dát

Výsledok, ktorý prekonáva doterajšie meradlá

Zistenie bolo natoľko prekvapujúce, že prinútilo skúsených výskumníkov zastaviť sa: generatívne nástroje umelej inteligencie, ak dostanú správne podnety, dokážu analyzovať komplexné medicínske datasety rýchlejšie ako skúsené výskumné tímy – a niekedy dosiahnu aj lepšie výsledky.

Štúdia publikovaná 17. februára 2026 v časopise Cell Reports Medicine výskumníkmi z UC San Francisco (UCSF) a Wayne State University postavila osem generatívnych nástrojov umelej inteligencie proti tradičným tímom dátovej vedy v náročnej výzve: predpovedať predčasný pôrod z dát vaginálneho mikrobiómu získaných od viac ako 1 200 tehotných žien v deviatich nezávislých štúdiách.

DREAM Benchmark

Ľudský základ pochádzal z Preterm Birth DREAM Challenge – crowdsourcovanej súťaže strojového učenia, ktorá prilákala 318 tímov, ktoré predložili 148 modelov na predpovedanie, či ženy porodia pred 37. týždňom tehotenstva. Najlepšie modely vedené ľuďmi dosiahli plochu pod krivkou receiver operator characteristic (AUROC) 0,68 pre štandardný predčasný pôrod a 0,92 pre skorý predčasný pôrod (pred 32. týždňom) – čo je silný výkon podľa akéhokoľvek klinického meradla.

Keď výskumníci replikovali túto výzvu pomocou generatívnej umelej inteligencie – poskytli rozsiahle jazykové modely so štruktúrovanými podnetmi a požiadali ich, aby generovali kompletné analytické postupy – štyri z ôsmich nástrojov umelej inteligencie vytvorili modely, ktoré boli konkurencieschopné s najlepšími ľudskými príspevkami alebo ich prekonali. Rozdiel v rýchlosti bol dramatický: zatiaľ čo pôvodná súťaž DREAM trvala takmer dva roky od začiatku po publikáciu, projekt s asistenciou umelej inteligencie bol dokončený len za šesť mesiacov.

Juniorskí výskumníci, profesionálne výsledky

Snáď najvýraznejšia ukážka sa týkala dvoch výskumníkov bez doktorandského titulu. Reuben Sarwal, študent magisterského štúdia na UCSF, a Victor Tarca, študent strednej školy, spolupracovali pomocou nástrojov umelej inteligencie na vytvorení životaschopných predikčných modelov – generovali funkčný analytický kód v priebehu minút, namiesto hodín alebo dní, ktoré by si táto úloha bežne vyžadovala od skúsených programátorov.

"Skutočne to demokratizuje, kto môže robiť tento druh výskumu," povedal spoluautor štúdie Adi Tarca, profesor na Wayne State University, podľa správy UCSF. Zistenie naznačuje, že tradičná požiadavka na rozsiahle, vysoko špecializované tímy na riešenie rozsiahlych biomedicínskych datasetov by sa mohla rýchlo strácať.

Výhrady a obmedzenia

Výsledky neboli rovnomerne ružové. Polovica testovaných nástrojov umelej inteligencie nedokázala produkovať spoľahlivé výstupy. Výskumníci tiež varovali, že umelá inteligencia môže generovať vierohodne vyzerajúce, ale jemne nesprávne analýzy, ak nie je starostlivo kontrolovaná. Kvalita podnetov sa ukázala ako kritická: iba presné, dobre štruktúrované inštrukcie dôsledne vyvolávali dôveryhodné výsledky.

Autori štúdie zdôrazňujú, že ľudská odbornosť zostáva nenahraditeľná. Vedci musia stále validovať modely, interpretovať výstupy v klinickom kontexte a chrániť sa pred algoritmickou zaujatosťou – najmä v datasetoch, ktoré môžu nedostatočne reprezentovať určité etnické alebo socioekonomické skupiny.

Širšie dôsledky pre klinickú vedu

Predčasný pôrod je hlavnou príčinou úmrtia novorodencov na celom svete a hlavným faktorom dlhodobých kognitívnych a motorických problémov u detí. Rýchlejšie a dostupnejšie nástroje na analýzu dát by mohli urýchliť vývoj diagnostických modelov a personalizovaných hodnotení rizika – potenciálne zachraňujúc životy vo veľkom meradle.

Ale širší význam siaha ďaleko za pôrodníctvo. Ak generatívna umelá inteligencia dokáže replikovať mesiace odbornej práce v oblasti dátovej vedy v medicínskych oblastiach – onkológii, genomike, kardiológii – úzke miesto výskumného procesu sa môže zásadne posunúť. Otázka už nie je len to, kto má prístup k dátam, ale kto má prístup k správnym podnetom. Táto štúdia naznačuje, že druhá bariéra rýchlo padá.