Istraživači sa Univerziteta Viskonsin-Medison upozorili su da sve popularnija upotreba alata veštačke inteligencije u genetici i medicini može dovesti do pogrešnih zaključaka o povezanosti gena i fizičkih karakteristika, uključujući rizike od bolesti poput dijabetesa. U novom istraživanju objavljenom u časopisu Nature Genetics, tim je ukazao na opasnost od „lažnih pozitivnih rezultata“ koji se mogu javiti kada se oslanjaju na sofisticirane algoritme mašinskog učenja bez adekvatnog razmatranja pristrasnosti.
Istraživači su otkrili da se često koristi napredni tip algoritma koji može pogrešno povezati genetske varijacije sa rizikom od dijabetesa tipa 2. „Ako verujete u rizik od dijabetesa koji je predviđen mašinskim učenjem kao stvarni rizik, pomislili biste da su te genetske varijacije u korelaciji sa stvarnim dijabetesom, iako nisu“, upozorava Kiongshi Lu, vanredni profesor biostatistike i medicinske informatike.
Osim identifikovanja problema sa prevelikim oslanjanjem na AI, tim je razvio novu statističku metodu koja može pomoći u smanjenju pristrasnosti u studijama asocijacija na nivou genoma. Ovaj pristup može poboljšati tačnost istraživanja koja se oslanjaju na velike baze podataka genetskih informacija, kao što su projekti All of Us i UK Biobank. Lu takođe ističe rizike kada se koriste proksi informacije za uspostavljanje veza između genetike i bolesti, kao što je Alzheimerova bolest, gde mogu nastati ozbiljne greške u interpretaciji podataka.
Ova nova istraživanja naglašavaju značaj statističke strogosti i opreza prilikom korišćenja mašinskog učenja u genetici kako bi se izbegli pogrešni zaključci koji mogu imati ozbiljne posledice za razumevanje genetskih predispozicija i zdravstvenih stanja.
