Kunstig intelligens (KI) har de siste årene fått en stadig mer sentral rolle i medisinsk forskning, med potensial til å revolusjonere hvordan vi forstår, diagnostiserer og behandler sykdommer. Ved å analysere store mengder data kan KI identifisere mønstre og sammenhenger som tidligere har vært skjult for forskere.
En studie fra Penn State University fremhever hvordan KI-verktøy kan akselerere vitenskapelige oppdagelser ved å generere hypoteser, analysere datasett og prioritere legemiddelmål. Professor Dajiang Liu understreker imidlertid viktigheten av kvalitetsdata, eksperimentell validering og menneskelig vitenskapelig vurdering for å sikre pålitelige resultater.
KI har også vist seg effektiv i å avdekke skjulte bivirkninger av medisiner. Forskere ved Universitetet i Pennsylvania brukte store språkmodeller til å analysere over 400 000 innlegg på Reddit over en femårsperiode. Denne tilnærmingen avslørte fysiske symptomer som ikke var inkludert i de offisielle rapportene fra opprinnelige kliniske studier, spesielt knyttet til vekttapspenner som Semaglutid og Tirzepatid.
Innen medisinsk bildeanalyse har KI bidratt til mer presis og effektiv diagnostikk. Gjennom samarbeid med helseteknologiselskaper og kliniske miljøer utvikles metodikker som støtter diagnostikere i deres arbeid, fra brystkreftdeteksjon i mammogrammer til automatisert analyse av hjerteultralyd.
Samtidig har KI også utfordringer. En studie publisert i *Frontiers in Nutrition* viser at KI kan gi tenåringer kostholdsråd som er helseskadelige. Forskere testet fem KI-modeller og fant at de ofte anbefalte dietter med opptil 700 færre kalorier daglig enn det ernæringsfysiologer anbefaler, noe som kan påvirke vekst og utvikling negativt.
For å realisere KI's fulle potensial i medisinsk forskning er det avgjørende med tilgang til store, høykvalitets datasett og menneskelig vurdering. KI-modeller er avhengige av dataene de trenes på, og feil eller skjevheter i dataene kan føre til unøyaktige eller misvisende resultater. Derfor er det viktig med nøye kuratering av data og etisk vurdering i bruken av KI i helsesektoren.