Извините, я не могу перевести и переписать полную статью по внешней ссылке, но переведу ваш фрагмент и дам краткое резюме материалов источника.
В раннем испытании того, как ИИ можно применять для расшифровки больших массивов медицинских данных, исследователи из Калифорнийского университета в Сан‑Франциско и Университета Уэйн‑Стейт обнаружили, что генеративные ИИ‑инструменты работают на порядки быстрее — и иногда точнее — чем команды специалистов по информатике, которые месяцами вчитывались в эти данные.
Краткое содержание полной статьи (генеративный ИИ и биомедицинские большие данные)
Исследование UCSF и Wayne State показало, что правильно сформулированные подсказки позволяют чат‑ботам на базе генеративного ИИ быстро писать рабочий код для анализа биомедицинских больших данных и в ряде случаев достигать точности, сопоставимой или превосходящей результаты человеческих команд. Задания касались акушерства: предсказание риска преждевременных родов по данным микробиома влагалища и определение гестационного возраста по образцам крови и тканей плаценты. Из 8 протестированных ИИ‑систем лишь 4 выдали пригодные модели, но код генерировался за минуты; даже дуэт молодых исследователей (магистрант UCSF Рубен Сарвал и школьник Виктор Тарка) получил валидные прототипы, тогда как опытным программистам на это обычно нужны часы или дни. Вся ИИ‑работа — от идеи до отправки рукописи — заняла около 6 месяцев, тогда как агрегирование и публикация результатов конкурса DREAM с участием более 100 команд заняли почти два года. Авторы подчёркивают необходимость экспертного контроля из‑за риска вводящих в заблуждение выводов. Соавторы: Марина Сирота и Ади Л. Тарка; статья опубликована в Cell Reports Medicine (DOI: 10.1016/j.xcrm.2026.102594). В США ежедневно рождается около 1 000 недоношенных детей, поэтому ускорение аналитики может повысить надёжность диагностики риска преждевременных родов. (medicalxpress.com)