Atvejis nuo galo iki galo: varianto kelionė nuo atradimo iki klinikinės ataskaitos

Pelnas:

• Galimybė sujungti visas modulyje išmoktas dalis (seką, variantą, struktūrą, literatūrą, klinikinę) į vieną AI palaikomą darbo eigą.
• Gebėjimas kiekviename žingsnyje taikyti principą „dirbtinis intelektas gamina, žmogus tikrina ir garantuoja“ bei pirminio šaltinio patikrinimą.
• Gebėjimas valdyti patikros grandinę, dokumentuojant konfidencialumą ir galutinį eksperto patvirtinimą nuo galo iki galo

Šiame modulyje mes aptarėme kiekvieną etapą atskirai – nuo sekos analizės iki baltymų struktūros, nuo CRISPR iki omikos, nuo literatūros iki etikos ir konfidencialumo. Šiame paskutiniame skyriuje sujungiame juos į vieną tikrovišką darbo eigą: paciento rasto varianto kelionę nuo neapdorotų duomenų iki patvirtintos klinikinės ataskaitos. Tikslas – visapusiškai suprasti, kaip dirbtinį intelektą (AI) priskirti nuo galo iki galo pagalbininkui ir kaip tikrinimas ir žmogaus atskaitomybė yra susipynę kiekviename etape.

Mūsų scenarijus (išgalvotas): 34 metų pacientė atvyksta atlikti genetinį įvertinimą, kurios šeimoje ankstyvoje amžiaus buvo krūties vėžys. BRCA1 geno variantas buvo rastas atliekant skydelio testą. Mūsų misija: klasifikuoti šį variantą, interpretuoti galimą jo poveikį baltymui, peržiūrėti literatūrą ir parengti klinikinę ataskaitą – naudojant AI kiekviename žingsnyje ir patvirtinant jį kiekviename žingsnyje.

1 etapas: varianto taisymas ir privatumo valdymas

Pačioje darbo eigos pradžioje atliekame du dalykus: standartizuojame duomenis ir užtikriname konfidencialumą.

Pirmiausia privatumas: paciento vardas, identifikavimo numeris ir gimimo data neįvedami jokie atviri AI įrankiai (10 skyrius). Dirbame tik su variantu, genomo versija ir nuorašu – ir tik tuo atveju, jei variantas neidentifikuoja asmens. Tada pataisome variantą: GRCh38, BRCA1, NM_007294.4, pavyzdžiui, c.5266dupC (p.Gln1756fs). Tai patvirtiname tikrintuvu (VariantValidator); Mes nepriimame AI pateikto vaizdo nominaliąja verte (1, 3 skyrius).

2 etapas: įrodymų rinkimas (3 skyrius)

AI sukūrė ACMG įrodymo sistemą, bet neverčiame klasės to pasakyti. Tada mes patys patikriname kiekvieną įrodymą:

• gnomAD dažnis: Ieškome varianto gnomAD ir matome, kad jis labai retas/nėra (PM2 kryptimi).
• ClinVar: Atidarome įrašą ir patikriname esamus komentarus bei naujienas.
• Varianto tipas: jei kadrų poslinkis sukelia per anksti nutraukimą, gali būti rimtų funkcijų praradimo požymių (PVS1), tačiau mes tai vertiname pagal geną ir transkriptą.

Mes nenaudojame jokio AI pateikto dažnio ar nuorodos jo nepatikrinę (9 skyrius).

3 etapas: baltymų struktūros aiškinimas (4 skyrius)

Norėdami suprasti varianto poveikį baltymui, atsisiunčiame AlphaFold struktūrą (su UniProt numeriu), pažiūrėkite į pLDDT pasitikėjimo balą ir paveikto regiono UniProt funkcines anotacijas. Kadangi kadrų poslinkis pakeičia didžiąją dalį baltymo, struktūros aiškinimas gali paremti funkcijos praradimo hipotezę, tačiau struktūra yra spėjimas, o ne galutinis įrodymas. Mes neklausiame AI koordinačių; Skaitome iš bylos.

4 etapas: literatūros tikrinimas (7 skyrius)

Gauname paieškos terminus iš AI, ieškome pačiame PubMed ir randame tikrus straipsnius apie variantą ir geną. Mes patikriname citatas, kurias AI pateikia „iš atminties“ su DOI / PMID. Išsaugome skirtumą tarp ryšio ir priežastingumo šaltinyje.

5 etapas: klasifikavimas ir klinikinis aiškinimas (3, 8 skyriai)

Mes sujungiame patvirtintus įrodymus, darydami išvadą apie tikėtiną klasę su ACMG deriniu (šiame pavyzdyje stiprus funkcijos praradimas ir retas įrodymas gali būti „patogeniškas / tikriausiai patogeniškas“, tačiau galutinį žodį taria ekspertas). Klinikinį aiškinimą deriname su fenotipu ir šeimos istorija: ar paciento vaizdas atitinka BRCA1? Jei yra neaiškumų, mes tai pareiškiame sąžiningai.

6 etapas: ataskaitos projektas ir patvirtinimas (8 skyrius)

Su dirbtiniu intelektu ruošiame ataskaitų projektus gydytojui ir pacientui; Kalba, kuri neperdeda priežastingumo, aiškiai kalba apie netikrumą ir nukreipia į genetinį konsultavimą. Ekspertas patvirtina kiekvieną sakinį. Pridedame limitų skyrių (ko neapima testas, pakartotinio įvertinimo sąlygos).

Patarimas: įvesdami kiekvieno etapo išvestį į kitą srauto nuo galo iki galo etapą, įsitikinkite, kad išvestis yra patvirtinta. Nepatvirtintas dažnis arba priskyrimas neteisingai perkeliamas į visus tolesnius etapus (grandinės haliucinacijos – 9 skyrius).

darbo eigos lentelė

Scena

AI vaidmuo

Privalomas patikrinimas

sprendimų priėmėjas

tvirtinimas

demonstracinis eskizas

VariantValidator

ekspertas

Privatumas

Anonimiškumo valdymas

žmogaus valdymas

ekspertas

įrodymų

Karkaso nustatymas

gnomAD, ClinVar

ekspertas

struktūra

komentuoti

pLDDT, failas

ekspertas

literatūra

Paieškos terminas, santrauka

DOI/PMID

ekspertas

klasė

kombinuotas juodraštis

ACMG taisyklės

ekspertas

Pranešimas

kalbos juodraštis

patvirtinimas sakinys po sakinio

Ekspertas/konsultantas

Trys mini dėklai (srauto lūžio taškai)

1 atvejis – neteisingas nuorašas. Viena komanda dirbo su nuorašu, kurį AI pateikė srauto pradžioje; vėliau jis suprato, kad komisija naudojo kitokį stenogramą. c. Jų pozicijos pasikeitė. Klaida buvo išspręsta nuo pat pradžių pataisius naudojant VariantValidator. Pamoka: klaida fiksavimo fazėje sutrikdo visą srautą.

2 atvejis – netikras pagalbinis straipsnis. Literatūros etape AI pasiūlė įtikinamą dokumentą, palaikantį klasifikaciją. PMID patikrinimas parodė, kad straipsnis neegzistuoja; pašalintas iš įrodymų grandinės. Faktinių įrodymų pakako, tačiau akademinis / klinikinis pasitikėjimas būtų pažeistas, jei ataskaitoje liktų klaidingas priskyrimas.

3 atvejis – gautas patvirtinimas. Ataskaitų teikimo etape į AI projektą buvo įtrauktas teiginys „šis variantas neabejotinai sukelia vėžį“. Konsultantė tai pataisė sakydama, kad „šis variantas žymiai padidina krūties / kiaušidžių vėžio riziką, bet nerodo galutinės ligos“ ir pridėjo rekomendaciją dėl genetinės konsultacijos. Tonas ir tikslumas buvo suformuoti ekspertų rankose.

Du kopijuojami šablonai (nuo galo iki galo)

1) Srauto planavimo priemonė:

Jūsų vaidmuo: klinikinės genetikos darbo eigos asistentas. Sukurkite galutinį kontrolinį sąrašą nuo atradimo iki ataskaitos šiam variantui: [genomo versija, genas, nuorašas, HGVS]. Kiekviename etape (fiksavimas, privatumas, įrodymai, struktūra, literatūra, klasė, ataskaita) parašykite stulpeliais „Ką daro AI / ką aš tikrinu / kas nusprendžia“. JŪS priimate klasės ir klinikinį sprendimą.

2) Galutinė patikra:

Prieš pateikdami iš anksto patikrinkite šį užpildytą varianto komentarą ir ataskaitos projektą: [turinys]. Patikrinkite: nepatvirtintą dažnį / priskyrimą, perdėtą priežastingumo / tikslumo teiginį, trūkstamą įspėjimą apie dviprasmiškumą, trūkstamą ribų padalijimą, privatumo pažeidžiamumą. Išvardykite kiekvieną problemą ir pasiūlymus, kaip ją išspręsti.

Silpnas raginimas / Stiprus raginimas

Silpnas: „Parašykite išsamią šio BRCA1 varianto klinikinę ataskaitą“.

Problema: dirbtinis intelektas sukuria „ataskaitą“, suderindamas visus etapus vienu metu; dažnis, priskyrimas, klasė, klinikinis sprendimas yra nepatvirtinti.

Stiprus: "Sudarykite šio BRCA1 varianto kontrolinį sąrašą nuo atradimo iki ataskaitos; kiekviename etape atskirkite, ką darysite, ką patikrinsiu ir kas priims sprendimą. Patvirtinęs įrodymus priimsiu klasę ir klinikinį sprendimą."

Kodėl tai galinga: srautas yra struktūrizuotas, kiekvienas etapas yra susietas su patvirtinimu, o sprendimas ir atsakomybė lieka žmogui.

Dažnos klaidos

• Vienu raginimu prašoma „pabaigtos ataskaitos“. Etapai derinami be patikrinimo; kaupiasi klaida.
• Tvirtinimo etapo ignoravimas. Neteisinga versija / nuorašas paneigia visą srautą.
• Išvesties perkėlimas tarp etapų jo nepatvirtinus. Atsiranda grandininė haliucinacija.
• Galvojimas apie privatumą srauto „pabaigoje“. Konfidencialumas turi būti nustatytas visų pirma įvedant duomenis.
• Palikti sprendimą ir toną AI. Klasės ir klinikiniai pranešimai turi būti patvirtinti specialisto.

Atsargiai: naudojant visapusišką AI sutaupoma daug laiko, bet nesumažėja atsakomybė; Priešingai, dėl to kiekvieno etapo patikrinimo disciplina tampa dar svarbesnė. AI pagreitina srautą; Žmogus garantuoja tikslumą, saugumą ir etikos laikymąsi.

Gylis: darbo eigos laiko taupymas, pažeidžiamumas ir audito seka

Tikroji srauto nuo galo iki galo vertė yra ne „leisk dirbtiniam intelektui viską padaryti“, o laimėti laiką tinkamose vietose ir sulėtinti reikiamose vietose. Įvertinkime šio scenarijaus naudą: nustatę įrodymų sistemą, generuodami paieškos terminus, supaprastindami ataskaitos kalbą ir parengę kontrolinį sąrašą po audito, tai, kas tradiciškai užtruktų kelias valandas, gali sutrumpinti kelias dešimtis minučių. Priešingai, gnomAD/ClinVar patvirtinimas, VariantValidator prisegimas, DOI tikrinimas ir ekspertų vertinimas negali būti sutrumpinti – tai yra srauto saugumo pagrindas. Teisingas mąstymas: „AI sukuria grimzlę, o žmogus veikia kaip garantas“. Pelnas – projekte, atsakomybė – sprendime.

Pati trapiausia srauto grandis visada yra pirmoji: įtvirtinimas. Neteisinga genomo versija arba neteisingas nuorašas tyliai plinta į kiekvieną paskesnį etapą ir galiausiai sukuria visiškai neteisingą ataskaitą. Taigi nepereikite prie kito veiksmo nepatvirtinę prierašo vienu atskiru įrankiu (pvz., VariantValidator). Antras labiausiai pažeidžiamas taškas yra išvesties perkėlimas tarp etapų: nepatvirtintą vieno etapo išvestį paverčiant įvestimi į kitą, sukelia grandinines haliucinacijas.

Galiausiai, klinikiniame kontekste audito seka yra neatsiejama srauto dalis: turi būti dokumentuojama, kuris šaltinis kurią datą buvo patikrintas, kuri ClinVar versija buvo matyta, kas kurį sprendimą patvirtino. ClinVar apžvalgos laikui bėgant keičiasi; Rekordas, kuris yra „šiandien patogeniškas“, po metų galėjo regresuoti į VUS. Audito seka leidžia atlikti pakartotinį vertinimą ir teisinę/etinę atskaitomybę.

srautinio perdavimo funkcija

principu

Taikymas

laiko taupymas

Paspartinkite juodraštį

Sistema, kalba, kontrolinis sąrašas iš AI

Trapumas

Pritvirtinkite pirmąjį žiedą

Patvirtinkite fiksavimą nepriklausomu įrankiu

Išvesties transportas

Perkelti be patvirtinimo

Kiekvienas etapas patvirtinamas šaltinyje

audito seka

Dokumentuokite kiekvieną sprendimą

Šaltinis, data, patvirtinta registruotojo

Apibendrinant

• Varianto kelionė nuo atradimo iki pranešimo; Ji apima nustatymo, konfidencialumo, įrodymų, struktūros, literatūros, klasės ir ataskaitos etapus.
• AI kiekviename etape sukuria juodraštį / kodą / santrauką; Kiekviename etape ekspertas patikrina ir nusprendžia.
• Išvestis tarp etapų turėtų būti perkelta į kitą tik patikrinus.
• Konfidencialumas nustatomas nuo pat pradžių; Klasės ir klinikinis sprendimas galiausiai priimamas gavus eksperto patvirtinimą.

Taikymo užduotis

Pasirinkite išgalvotą variantą (pvz., gerai žinomą BRCA1 įrašą). 1. Su šablonu sukurkite galutinį kontrolinį sąrašą ir patys atlikite kiekvieną etapą atitinkamo šio modulio vieneto metodu: pataisykite variantą, patikrinkite gnomAD/ClinVar, pažiūrėkite į AlphaFold struktūrą, suraskite tikrą straipsnį, pagrįskite galimą klasę ir sukurkite ataskaitos pastraipą ir perskaitykite ją eksperto akimis. Pabandykite rasti skirtumą tarp AI ir šaltinio bent dviem etapais.

kontrolinis sąrašas

• [ ] Nuo pat pradžių nustatiau privatumą; Jokių identifikuojančių duomenų neperdaviau.
• [ ] Ištaisiau variantą su versija/transkriptu ir patvirtinau su validatoriumi.
• [ ] Aš patikrinau kiekvieną įrodymą (dažnumą, ClinVar, literatūrą) pirminiame šaltinyje.
• [ ] Struktūrą pakomentavau su patikimumo balu ir iš failo.
• [ ] Aš asmeniškai patvirtinau klasę ir klinikinį aiškinimą remdamasis įrodymais.
• [ ] Patikrinau priežastingumą / tikslumą ataskaitos kalba ir pridėjau ribas.

Modulio egzaminas

1. Kuris iš šių dalykų yra tiksliausias dirbtinio intelekto (ypač didžiosios kalbos modelio) padėties nustatymas molekulinėje biologijoje ir genetikoje?

• A) Tai asistentas, kuris rašo kodą, rengia juodraščius ir komentarus; Kiekvienas biologinis reiškinys turi būti patikrintas pirminiame šaltinyje, galutinis aiškinimas priklauso ekspertui ✔
• B) Tai patikima genomo duomenų bazė; Pateiktas sekas ir variantus galima įrašyti tiesiai į ataskaitą.
• C) Kadangi jis matuojamas kaip laboratorinis instrumentas, jo rezultatai laikomi eksperimentiniais įrodymais.
• D) Ji yra kompetentinga priimti galutinį sprendimą dėl klinikinio patogeniškumo be žmogaus patvirtinimo.

Paaiškinimas: didelės kalbos modelis nėra genomo duomenų bazė ar laboratorinis įrankis; Tai tekstų generatorius, kuris statistiškai imituoja treniruočių duomenų tekstus. Biologinius faktus, tokius kaip seka/variantas/genas, visada reikia patikrinti iš pirminių šaltinių, tokių kaip NCBI, Ensembl, ClinVar, gnomAD; Galutinį klinikinį ir mokslinį aiškinimą turi atlikti kompetentingas ekspertas.

2. Gavote varianto genomo koordinates iš AI, bet jūsų projektas naudoja GRCh38 (hg38). Dirbtinis intelektas galėjo duoti hg19 koordinatę. Koks yra teisingas požiūris?

• A) Koordinatės naudojimas tiesiogiai, nes atrodo pagrįsta
• B) Nereikia klausti versijos, nes dirbtinis intelektas visada pateikia naujausią versiją.
• C) Aiškiai patvirtinkite genomo versiją ir patikrinkite koordinates oficialiu lifto įrankiu ✔
• D) Kadangi skirtumas tarp hg19 ir hg38 yra nereikšmingas, pasirinkite vieną ir tęskite

Aprašymas: Koordinatės poslinkis tarp genomo versijų (GRCh37/hg19 ir GRCh38/hg38). Bet kokios koordinatės, pateiktos be versijos, yra įtartinos. Koordinatės turėtų būti transformuotos / patikrintos naudojant oficialų „liftOver“ įrankį, o naudojama genomo versija turėtų būti aiškiai patvirtinta; kitu atveju visas lygiavimas ir komentaras parodys netinkamą vietą.

3. HGVS žymėjime „c.“ „p.“ ir „g“. Ką reiškia priešdėliai ir kodėl jų nereikėtų painioti?

• A) Visi trys reiškia tą patį, nesvarbu, kuris iš jų naudojamas.
• B) „c.“ koduojanti DNR / nuorašas, „p. baltymai, 'g.' yra genomo lygis; Jei supainiosite, tai gali nurodyti kitą vietą ✔
• C) „p.“ visada 'c.' yra tris kartus didesnis už jo vertę, konvertavimas yra automatinis ir be klaidų
• D) priešdėliai yra tik formalūs; Nuorašo versijos nurodyti nereikia

Aprašymas: HGVS yra standartinis rašybos formatas su variantais: „c.“ koduojantis DNR (transkripto) lygis, „p. baltymų kiekis, „g“. nurodo genomo lygį. Jų sumaišymas arba netinkamos nuorašo versijos naudojimas gali reikšti visiškai skirtingą vietą / variantą; todėl teisingas priešdėlis turi būti naudojamas kartu su nuorašo versija (pvz., NM_007294.4).

4. Koks turėtų būti AI vaidmuo vertinant varianto patogeniškumą naudojant ACMG kriterijus?

• A) Dirbtinis intelektas užbaigia įrodymus ir klasę; nereikia specialisto priežiūros
• B) GnomAD valdymas nereikalingas, nes dirbtinis intelektas pateikia populiacijos dažnį iš savo atminties.
• C) Kadangi ACMG kriterijai yra griežti, AI išvestis automatiškai laikoma teisinga
• D) Dirbtinis intelektas gali sukurti įrodymų juodraštį; Kiekvienas įrodymas turi būti patikrintas pirminiame šaltinyje, galutinę klasifikaciją turėtų atlikti ekspertas ✔

Aprašymas: ACMG yra sistema, kuri klasifikuoja variantų patogeniškumą pagal įrodymų kategorijas (populiacijos dažnis, in silico prognozė, segregacija, funkcinis tyrimas, literatūra). AI gali pateikti įrodymų juodraštį; Tačiau kiekvienas įrodymas turi būti asmeniškai patikrintas ClinVar, gnomAD ir literatūroje, o galutinę klasifikaciją (patogeninis / tikėtinas patogeniškumas / VUS...) turi atlikti kompetentingas ekspertas.

5. Dirbsite su dirbtinio intelekto suteikta DNR seka. Koks yra geriausias pirmas žingsnis?

• A) Sekos naudojimas gavus ją iš pirminio šaltinio, pvz., NCBI/Ensembl, arba patvirtinant ją ten esanti nuoroda ✔
• B) Sekos įterpimas tiesiai į analizę, nes atrodo, kad jos ilgis yra tinkamas
• C) Darant prielaidą, kad seka yra teisinga, jei raidės susideda iš galiojančių nukleotidų
• D) Dar kartą paklauskite dirbtinio intelekto apie seką ir suskaičiuokite ją kaip teisingą, jei abu išėjimai yra vienodi.

Paaiškinimas: AI gali „užpildyti“ eilutę, kurios neprisimena, tikėtinai atrodančiomis raidėmis; Net jei ilgis ir raidės atrodo teisingi, jie gali neatitikti tikrosios nuorodos. Todėl bet kokia seka, kurią iš galvos duoda dirbtinis intelektas, nėra tiesiogiai naudojama; seka paimta iš pirminio šaltinio, pvz., NCBI/Ensembl, arba patvirtinta jame pateikiant nuorodą.

6. Ką reiškia pLDDT balas numatant baltymų struktūrą naudojant tokį įrankį kaip AlphaFold?

• A) Tai sertifikatas, rodantis, kad konstrukcija buvo eksperimentiškai įrodyta
• B) Tai laboratorinė vertė, matuojanti baltymo funkcinio aktyvumo lygį.
• C) Tai balas, rodantis modelio pasitikėjimą kiekvienos liekanos vietinės struktūros prognoze; mažesnė reikšmė yra lanksti/nepatikima zona ✔
• D) Tai koeficientas, parodantis baltymo variantų dažnį populiacijoje.

Aprašymas: pLDDT (0–100) yra patikimumo balas, rodantis, kiek AlphaFold pasitiki savo vietinės struktūros prognoze kiekvienai liekanai (aminorūgštis). Aukštas pLDDT reiškia patikimą vietinę struktūrą, žemas pLDDT reiškia lanksčią / netvarkingą arba nepatikimą sritį. Struktūra yra spėjimas; žemo pasitikėjimo regionai neturėtų būti pernelyg interpretuojami, o funkciniai teiginiai turėtų būti pagrįsti eksperimentiniais įrodymais.

7. Kodėl rizikinga teigti, kad mutacija „visiškai išjungia“ baltymą, remiantis AlphaFold struktūros prognoze?

• A) AlphaFold struktūros negali būti naudojamos jokiam tikslui, nes jos visada yra klaidingos
• B) Struktūra yra spėjimas; funkciniai teiginiai yra hipotezių lygyje ir reikalauja eksperimentinio patikrinimo ✔
• C) nėra jokios rizikos; „AlphaFold“ išvestis yra tokia pat tiksli, kaip ir eksperimentinė versija
• D) Rizika yra tik tada, jei pLDDT yra mažas; Jei jis didelis, ieškinys automatiškai laikomas įrodytu.

Atskleidimas: AlphaFold yra struktūros numatymas, o ne eksperimentinis įrodymas; Jis ypač ribotas lanksčiuose / netvarkinguose regionuose ir modeliuojant mutacijų poveikį. Funkciniai teiginiai, pagrįsti konstrukcija, yra hipotezės lygyje ir reikalauja eksperimentinio patikrinimo (pvz., funkcinio tyrimo). Priešingu atveju prognozė pateikiama kaip įrodymas.

8. Koks yra pats svarbiausias dirbtinio intelekto pasiūlytas CRISPR gRNA (vadovinės RNR) kandidatų patvirtinimo žingsnis?

• A) Jei gRNR ilgis yra teisingas, daugiau tikrinti nereikia
• B) Jei dirbtinis intelektas sako, kad „netikslinis poveikis yra mažas“, pereikite tiesiai prie eksperimento
• C) Pakanka užtikrinti, kad gRNR seka susideda iš galiojančių nukleotidų
• D) Patvirtinkite kandidatus naudodami tikrąjį genomo derinimą ir ekspertų netikslinės analizės įrankius ir patvirtinkite laboratorijoje ✔

Aprašymas: gRNR yra orientacinė RNR, nukreipianti Cas fermentą į taikinį; Naudojant netinkamą dizainą, jis taip pat gali nupjauti tikslines sritis. AI grąžinti kandidatai turi būti patvirtinti naudojant faktinį genomo derinimą ir ekspertų netikslinės analizės priemones, o tada patvirtinti laboratoriniais eksperimentais. Vien todėl, kad dirbtinis intelektas sako, kad „saugus“ nėra patikrinimo pakaitalas.

9. Kodėl tiriant tūkstančių genų raiškos skirtumus su RNR-seq, reikalinga daugkartinė testavimo korekcija (pvz., FDR/Benjamini-Hochberg)?

• A) Tūkstančiai vienu metu atliekamų testų išpučia klaidingus teigiamus rezultatus; FDR korekcija tai riboja, neapdorota p vertė yra klaidinanti ✔
• B) Korekcija reikalinga tik tuo atveju, jei mėginių skaičius mažas; Tai neturi nieko bendra su genų skaičiumi
• C) Daugkartinė testavimo korekcija nekeičia rezultato, ji yra tik formali
• D) Visada pakanka neapdorotos p<0,05; pataisymas be reikalo apsunkina statistiką

Paaiškinimas: kai vienu metu tiriami tūkstančiai genų, daugelio genų p<0,05 (klaidingai teigiamas) vien dėl atsitiktinumo. Daugkartinė testavimo korekcija (FDR – klaidingų atradimų dažnio kontrolė) apriboja šiuos klaidingus teigiamus rezultatus. Genų, paskelbtų „reikšmingais“ su nepataisytomis p reikšmėmis, sąrašai yra klaidinantys; Turėtų būti naudojama pakoreguota vertė (q vertė).

10. Ką reiškia, jei kelio praturtinimo analizėje nustatyta, kad kelias yra „žymiai praturtintas“ ir kaip tai turėtų būti aiškinama?

• A) Įrodo, kad kelias yra galutinė ligos priežastis
• B) Tai yra eksperimentinis įrodymas, kad kelias ląstelėje yra aktyvus
• C) Tai statistinis signalas, rodantis, kad kelio genai yra per daug, nei tikėtasi; Reikalingas kritinis aiškinimas, o ne priežastinis ryšys ✔
• D) Tai yra pakankamas rezultatas, nepriklausomas nuo fono ir daugelio bandymų pataisos

Aprašymas: sodrinimas yra statistinis signalas, rodantis, kad tam tikras kelias yra per daug atstovaujamas tarp genų, kurių ekspresija keičiasi; Tai nėra priežastingumo arba to, kad kelias iš tikrųjų yra aktyvus, įrodymas. Išvada; Naudojamas genų rinkinys turi būti vertinamas kritiškai atsižvelgiant į fono atranką ir daugkartinio tyrimo korekciją bei turint biologinį patikimumą.

11. Pateikdamas literatūros santrauką AI gali cituoti straipsnį, kuris atrodo tikras, bet neegzistuoja (netikras citata). Koks yra teisingas požiūris?

• A) Jei autorius ir žurnalo pavadinimas yra tikroviški, citata tikriausiai teisinga, tikrinti nereikia
• B) Patikrinkite kiekvieną citatą pirminiame šaltinyje per DOI/PubMed; ✔ nenaudoti to, ko negalima rasti
• C) dirbtinis intelektas nesudaro priskyrimo; Jo nuorodos gali būti tiesiogiai įtrauktos į bibliografiją
• D) Jei citatų yra daug, tai nėra problema, jei kelios iš jų yra klaidingos.

Aprašymas: AI gali sukurti visiškai sugalvotą straipsnį (ir netikrą DOI) su tikrai skambančiais autorių vardais tikrame žurnale. Kiekviena citata turi būti asmeniškai patikrinta pirminiame šaltinyje per DOI/PubMed; Nuorodos, kurių nepavyksta rasti, neturėtų būti naudojamos. Mokslinė atsakomybė priklauso autoriui; Tekste neturėtų būti nepatvirtintų nuorodų.

12. Koks yra tiksliausias AI sukurtos klinikinės genetinės ataskaitos rengimo principas?

• A) Jei skersvėjis sklandus, jį galima duoti tiesiai pacientui
• B) Atskiro šaltinio tikrinimo nereikia, nes AI taip pat generuoja įrodymus
• C) Patogeniškumo sprendimas ataskaitoje gali būti paliktas dirbtiniam intelektui, ekspertas tik tikrina formatą
• D) Kiekvienas klinikinis teiginys turi būti pagrįstas, galutinė ataskaita turi būti patvirtinta kompetentingo specialisto, o patikrinimo grandinė turi būti dokumentuota ✔

Aprašymas: Dirbtinis intelektas taupo laiką rengiant ataskaitų juodraščius ir santraukas; Tačiau kiekvienas klinikinis teiginys turi būti susietas su įrodymais ir pirminiais šaltiniais, o galutinę ataskaitą turi patvirtinti įgaliotas ekspertas. AI išvestis negali būti tiesiogiai paversta paciento sprendimu; Patikrinimo grandinė turi būti dokumentuota.

13. Ką reiškia, jei dirbtinio intelekto išvestis skamba labai sklandžiai ir „pasitikinčiai“?

• A) pasitikintis tonas nėra tikslumo įrodymas; Patvirtinimo poreikis didėja, o ne mažėja ✔
• B) Sklandus ir ryžtingas atsakymas greičiausiai yra teisingas, patvirtinimas nereikalingas
• C) Patikimas tonas rodo, kad modelis skaito duomenis tiesiai iš atminties
• D) Tonas yra pasitikėjimo matas, nes dvejojantys atsakymai yra neteisingi, o pasitikintys atsakymai yra teisingi.

Paaiškinimas: pasitikintis AI tonas nėra tikslumo įrodymas; Pavojingiausios haliucinacijos ateina su sklandžiausiais ir įtikinamiausiais sakiniais. Kai matomas pasitikintis tonas, patikrinimo poreikis didėja, o ne mažėja. Kiekvienas faktas (seka, variantas, genas, nuoroda) turi būti kryžmiškai patvirtintas nepriklausomu pirminiu šaltiniu.

14. Kokia yra svarbiausia privatumo atsargumo priemonė prieš pateikiant paciento genetinius duomenis į viešai prieinamą AI įrankį analizei?

• A) Jei duomenys užkoduoti base64, juos galima saugiai įklijuoti
• B) Jei ištrintas tik paciento vardas, daugiau veiksmų nereikia
• C) iš viso nepateikti asmens identifikavimo duomenų; anonimiškumas, duomenų minimizavimas ir sutikimas/laikytis teisinės bazės ✔
• D) Genetiniais duomenimis galima dalytis laisvai, nes jie nelaikomi asmens duomenimis.

Aprašymas: Genetiniai duomenys yra speciali asmens duomenų kategorija, todėl asmuo gali būti iš naujo identifikuojamas naudojant retus variantų derinius. Identifikuojami genetiniai duomenys niekada nepateikiami atviriems įrankiams; duomenys turėtų būti anonimizuoti, dalijamasi tik minimalia būtina informacija (duomenų minimizavimas) ir laikomasi sutikimo/teisinės bazės (KVKK/BDAR).