[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Analyse comparative et évaluation des modèles d'IA en biologie : résultats et recommandations de l'atelier sur les cellules virtuelles du CZI

Created by
  • Haebom

Auteur

Elizabeth Fahsbender, Alma Andersson, Jeremy Ash, Polina Binder, Daniel Burkhardt, Benjamin Chang, Georg K. Gerber, Anthony Gitter, Patrick Godau, Ankit Gupta, Genevieve Haliburton, Siyu He, Trey Ideker, Ivana Jelic, Aly Khan, Yang-Joon Kim, Aditi Krishnapriyan, Jon M. Laurent, Tianyu Liu, Emma Lundberg, Shalin B. Mehta, Rob Moccia, Angela Oliveira Pisco, Katherine S. Pollard, Suresh Ramani, Julio Saez-Rodriguez, Yasin Senbabaoglu, Elana Simon, Srinivasan Sivanandan, Gustavo Stolovitzky, Marc Valer, Bo Wang, Xikun Zhang, James Zou, Katrina Kalantar

Contour

Cet article aborde le manque de critères de comparaison standardisés et inter-domaines, qui freine l'avancement de la recherche biologique utilisant l'intelligence artificielle (IA). Grâce à un atelier réunissant des experts en imagerie, transcriptomique, protéomique et génomique, nous identifions les principaux obstacles techniques et systémiques, notamment l'hétérogénéité et le bruit des données, les problèmes de reproductibilité, les biais et la fragmentation de l'écosystème des ressources publiques. Nous formulons également des recommandations pour la construction d'un cadre d'analyse comparative permettant une comparaison efficace des modèles d'apprentissage automatique des systèmes biologiques pour diverses tâches et types de données. Grâce à une gestion des données de haute qualité, des outils standardisés, des indicateurs d'évaluation complets et une plateforme ouverte et collaborative, nous souhaitons accélérer le développement de benchmarks robustes pour les cellules virtuelles pilotées par l'IA, garantissant rigueur, reproductibilité et pertinence biologique, et développer des modèles intégrés menant à de nouvelles découvertes, des perspectives thérapeutiques et une compréhension plus approfondie des systèmes cellulaires.

Takeaways, Limitations

•
Takeaways:
◦
Suggérant la nécessité d'établir un cadre d'analyse comparative normalisé pour l'avancement de la recherche en biologie basée sur l'IA
◦
Identifier les principaux problèmes techniques et systématiques, tels que l’hétérogénéité des données, le bruit, les problèmes de reproductibilité et les biais.
◦
Fournit des recommandations spécifiques, notamment une gestion des données de haute qualité, des outils standardisés, des mesures d'évaluation complètes et des plateformes ouvertes.
◦
Devrait accélérer le développement d'un cadre d'analyse comparative pour le développement et la vérification de modèles de cellules virtuelles basés sur l'IA
◦
Augmenter la probabilité de résultats de recherche en biologie pilotés par l'IA avec rigueur, reproductibilité et pertinence biologique
•
Limitations:
◦
Absence de méthodologie spécifique pour la mise en œuvre et l’application pratique des recommandations présentées.
◦
Le défi de développer un cadre d’analyse comparative à usage général pour une variété de types de données et de tâches.
◦
Perspectives limitées, limitées aux opinions des participants à l'atelier
◦
Manque de validation empirique de l’efficacité des recommandations présentées.
👍
Made with Slashpage