David Bann, Ed Lowther, Liam Wright, Yevgeniya Kovalchuk
개요
본 논문은 생성형 AI를 포함한 인공지능(AI)의 최근 발전이 역학 연구를 가속화하거나 자동화할 새로운 기회를 제공한다는 점을 다룹니다. 물리적 실험에 기반한 학문과 달리, 상당 부분의 역학 연구는 2차 데이터 분석에 의존하며, 따라서 AI의 활용에 적합합니다. 그러나 어떤 특정 과제가 AI 개입으로부터 이점을 얻을 수 있는지, 또는 어떤 장애물이 존재하는지는 여전히 불분명합니다. 현재 AI 기능에 대한 인식 또한 제각각입니다. 본 논문은 문헌 검토부터 데이터 접근, 분석, 작성 및 보급에 이르기까지 기존 데이터 세트를 사용하여 역학적 과제의 전반적인 상황을 매핑하고, 기존 AI 도구가 효율성 향상을 제공하는 영역을 확인합니다. AI는 코딩 및 관리 작업과 같은 일부 영역에서 생산성을 높일 수 있지만, 기존 AI 모델의 한계(예: 문헌 검토에서의 환각) 및 인적 시스템(예: 데이터 세트에 대한 접근 장벽)에 의해 유용성이 제한됩니다. AI가 생성한 역학적 산출물(완전히 AI가 생성한 논문 포함)의 예를 통해, 최근 개발된 에이전트 시스템이 역학 분석을 설계하고 실행할 수 있음을 보여주지만, 그 품질은 다양합니다 (https://github.com/edlowther/automated-epidemiology 참조). 역학자들은 AI 시스템을 경험적으로 테스트하고 벤치마킹할 새로운 기회를 갖게 되었습니다. AI의 잠재력을 실현하려면 역학자와 엔지니어 간의 양방향 참여가 필요합니다.
