معرفی فریم‌ورک هوش مصنوعی برای اولویت‌بندی بیومارکرها از داده‌های پوشیدنی
محققان فریم‌ورک کشف بیومارکر را به عنوان یک سیستم چندعامله معرفی کردند که با ترکیب تحلیل آماری و استدلال متنی، به شناسایی بیومارکرها از داده‌های حسگرهای پوشیدنی کمک می‌کند.
دستگاه‌های پوشیدنی سیگنال‌های فیزیولوژیکی مداومی را ثبت می‌کنند که می‌توانند تغییرات اولیه بدن را پیش از ظاهر شدن علائم آشکار کنند. با این حال، چالش اصلی تبدیل این سیگنال‌ها به بیومارکرهاي بالینی معتبر است. فریم‌ورک کشف بیومارکر (Biomarker Discovery Framework) یک سیستم چندعامله است که اولویت‌بندی بیومارکرها را به عنوان یک چرخه پژوهشی تکرارپذیر مدیریت می‌کند.
این سیستم با ترکیب محاسبات قطعی برای تحلیل عددی و استدلال مولد برای تولید فرضیه، فرآیند کشف را تسریع می‌کند. در ارزیابی‌های انجام‌شده روی چندین کوهورت بزرگ، این فریم‌ورک توانست نامزدهای بیومارکر دیجیتال متعددی را برای سلامت روان و پیامدهای متابولیک شناسایی کند.
ارزیابی‌های تخصصی نشان داد که این سیستم در مقایسه با سایر ابزارهای پژوهشی هوش مصنوعی، امتیازات بالاتری در ابعاد کیفی مختلف کسب کرده و می‌تواند چرخه فرضیه تا اعتبارسنچی را در تحقیقات بالینی تسریع کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.