Komplexný prípad: Cesta variantu od objavu po klinickú správu

zisky:

• Schopnosť skombinovať všetky časti naučené v rámci modulu (sekvencia, variant, štruktúra, literatúra, klinická prax) do jedného komplexného pracovného postupu s podporou AI
• Schopnosť aplikovať princíp „umelá inteligencia vyrába, človek overuje a ručí“ a overenie primárneho zdroja na každom kroku
• Schopnosť riadiť overovací reťazec dokumentovaním dôvernosti a konečným schválením odborníkom v komplexnom prípade

V tomto module sme diskutovali o každej fáze samostatne, od sekvenčnej analýzy po proteínovú štruktúru, od CRISPR po omiku, od literatúry po etiku a dôvernosť. V tejto záverečnej jednotke ich všetky spájame do jedného realistického pracovného postupu: cesta variantu nájdeného u pacienta, od nespracovaných údajov po schválenú klinickú správu. Cieľom je holisticky vidieť, ako umiestniť umelú inteligenciu (AI) ako komplexného asistenta a ako sa overovanie a ľudská zodpovednosť prelínajú v každej fáze.

Náš scenár (fiktívny): 34-ročná pacientka prichádza na genetické vyšetrenie s rodinnou anamnézou rakoviny prsníka v ranom veku. V panelovom teste sa našiel variant v géne BRCA1. Naša misia: klasifikovať tento variant, interpretovať jeho možný vplyv na proteín, preskúmať literatúru a navrhnúť klinickú správu – s použitím AI v každom kroku a jej overením v každom kroku.

Fáza 1: Oprava variantu a kontroly súkromia

Na úplnom začiatku pracovného postupu robíme dve veci: štandardizujeme údaje a zabezpečujeme dôvernosť.

Súkromie na prvom mieste: Meno pacienta, identifikačné číslo a dátum narodenia nezadávajú žiadne otvorené nástroje AI (jednotka 10). Pracujeme iba s variantom, verziou genómu a prepisom – a iba ak variant neidentifikuje jednotlivca. Potom opravíme variant: GRCh38, BRCA1, NM_007294.4, napríklad c.5266dupC (p.Gln1756fs). Potvrdíme to pomocou validátora (VariantValidator); Neakceptujeme reprezentáciu AI v nominálnej hodnote (Jednotka 1, 3).

Fáza 2: Zhromažďovanie dôkazov (Jednotka 3)

Máme na to, aby AI vytvorila rámec ACMG proof – ale bez toho, aby to trieda povedala. Potom každý dôkaz sami overíme:

• Frekvencia gnomAD: Hľadáme variant v gnomAD a vidíme, že je veľmi zriedkavý/neprítomný (v smere PM2).
• ClinVar: Otvárame záznam a kontrolujeme existujúce komentáre a aktuálnosť.
• Typ variantu: Ak posun rámca vedie k predčasnému ukončeniu, môžu existovať silné dôkazy o strate funkcie (PVS1) - ale hodnotíme to v kontexte génu a transkriptu.

Bez overenia nepoužívame žiadnu frekvenciu ani referenciu poskytnutú AI (Jednotka 9).

Fáza 3: Interpretácia proteínovej štruktúry (Jednotka 4)

Aby sme pochopili vplyv variantu na proteín, stiahneme štruktúru AlphaFold (s jej číslom UniProt), pozrieme sa na skóre spoľahlivosti pLDDT a funkčné anotácie UniProt postihnutej oblasti. Pretože posun rámca zmení veľkú časť proteínu, interpretácia štruktúry môže podporiť hypotézu straty funkcie - ale štruktúra je odhad, nie definitívny dôkaz. Nepýtame sa AI na súradnice; Čítame zo spisu.

Fáza 4: Overenie literatúry (Jednotka 7)

Hľadané výrazy získavame z AI, vyhľadávame ich v samotnom PubMed a nájdeme skutočné články o variante a géne. Citácie, ktoré AI odošle „z pamäte“, overujeme pomocou DOI/PMID. Zachovávame rozdiel medzi vzťahom a kauzalitou pri zdroji.

Fáza 5: Klasifikácia a klinická interpretácia (Jednotky 3, 8)

Kombinujeme overené dôkazy, odvodzujeme pravdepodobnú triedu s kombináciou ACMG (v tomto príklade môže byť silná strata funkcie a vzácnosť dôkazov v smere „patogénne/pravdepodobne patogénne“ – ale posledné slovo má odborník). Kombinujeme klinickú interpretáciu s fenotypom a rodinnou anamnézou: je obraz pacienta v súlade s BRCA1? Ak existuje neistota, čestne ju uvádzame.

Fáza 6: Návrh správy a jej schválenie (Jednotka 8)

S AI pripravujeme návrhy správ pre lekára a pacienta; V jazyku, ktorý nepreháňa kauzalitu, má jasno v neistote a smeruje ku genetickému poradenstvu. Odborník potvrdzuje každú vetu. Pridávame sekciu limitov (čo test nepokrýva, podmienky prehodnotenia).

Tip: Pri zadávaní výstupu každého stupňa do nasledujúceho v toku typu end-to-end sa uistite, že je výstup overený. Neoverená frekvencia alebo prisudzovanie sa prenáša nesprávne do všetkých nasledujúcich štádií (reťazová halucinácia – jednotka 9).

tabuľka pracovného toku

Etapa

Úloha AI

Povinné overenie

rozhodovateľ

upevnenie

demo skica

Validátor variantov

odborník

Ochrana osobných údajov

Kontrola anonymizácie

ľudská kontrola

odborník

dôkazy

Nastavenie rámca

gnomAD, ClinVar

odborník

štruktúru

Komentujte

pLDDT, súbor

odborník

literatúre

Hľadaný výraz, zhrnutie

DOI/PMID

odborník

trieda

kombinovaný návrh

Pravidlá ACMG

odborník

Správa

jazykový návrh

schvaľovanie veta po vete

Expert/Konzultant

Tri mini prípady (body zlomu v toku)

Prípad 1 – Nesprávny prepis. Jeden tím pracoval s prepisom poskytnutým AI na začiatku streamu; neskôr si uvedomil, že porota použila iný prepis. c. Ich pozície sa posunuli. Chyba bola vyriešená opravou od začiatku pomocou VariantValidator. Poučenie: chyba vo fáze fixácie narúša celý tok.

Prípad 2 – Falošný podporný článok. Vo fáze literatúry AI navrhla presvedčivý dokument podporujúci klasifikáciu. Kontrola PMID ukázala, že článok neexistuje; vyradené z reťaze dôkazov. Skutočné dôkazy boli dostatočné, ale ak by v správe zostalo nepravdivé prisudzovanie, akademická/klinická dôvera by bola narušená.

Prípad 3 – Získané potvrdenie. Vo fáze podávania správ návrh AI obsahoval vyhlásenie „tento variant určite spôsobuje rakovinu“. Konzultant to opravil slovami „tento variant výrazne zvyšuje riziko rakoviny prsníka/vaječníkov, ale nepoukazuje na definitívne ochorenie“ a pridal odporúčanie na genetické poradenstvo. Tón a presnosť boli tvarované v rukách odborníkov.

Dve kopírovateľné šablóny (od konca po koniec)

1) Plánovač toku:

Vaša úloha: asistent pracovného postupu klinickej genetiky. Vytvorte komplexný kontrolný zoznam od zistenia, aby ste mohli nahlásiť nasledujúci variant: [verzia genómu, gén, prepis, HGVS]. Napíšte v každej fáze (fixácia, súkromie, dôkazy, štruktúra, literatúra, trieda, správa) so stĺpcami „Čo robí AI / čo overujem / kto rozhoduje“. VY robíte triedne a klinické rozhodnutie.

2) Záverečná kontrola:

Pred odoslaním vopred skontrolujte nasledujúcu vyplnenú pripomienku k variantu a návrh správy: [obsah]. Skontrolujte: nepotvrdenú frekvenciu/pripisovanie, prehnanú kauzalitu/presnosť, chýbajúce upozornenie na nejednoznačnosť, chýbajúce rozdelenie hraníc, zraniteľnosť súkromia. Uveďte každý problém a všetky návrhy na jeho vyriešenie.

Slabá výzva / Silná výzva

Slabé: "Napíšte kompletnú klinickú správu pre tento variant BRCA1."

Problém: Umelá inteligencia vytvára „správu“ tým, že všetky fázy zaradí naraz; frekvencia, priradenie, trieda, klinický úsudok sú všetky nepotvrdené.

Strong: "Urobte si kontrolný zoznam od objavu až po nahlásenie pre tento variant BRCA1; v každej fáze oddeľte, čo budete robiť, čo overím a kto urobí rozhodnutie. Po potvrdení dôkazov urobím rozhodnutie o triede a klinickom vyšetrení."

Prečo je to silné: Tok je štruktúrovaný, každá fáza je spojená s validáciou a rozhodnutie a zodpovednosť zostáva na človeku.

Časté chyby

• Požiadanie o "hotovú správu" s jednou výzvou. Etapy sa kombinujú bez overenia; chyba sa hromadí.
• Ignorovanie fázy fixácie. Nesprávna verzia/prepis vyvracia celý stream.
• Presun výstupu medzi fázami bez jeho overenia. Vzniká reťazová halucinácia.
• Myslenie na súkromie na „konci“ toku. Dôvernosť musí byť stanovená v prvom rade pri zadávaní údajov.
• Rozhodnutie a tón necháva na AI. Odosielanie správ v triede a klinické správy musí schváliť špecialista.

Upozornenie: Používanie umelej inteligencie typu end-to-end šetrí veľa času, ale neznižuje zodpovednosť; Naopak, robí disciplínu overovania v každej fáze ešte dôležitejšou. AI zrýchľuje tok; Human zaručuje presnosť, bezpečnosť a etické dodržiavanie.

Hĺbka: úspora času pracovného postupu, krehkosť a audit trail

Skutočná hodnota end-to-end toku nie je „nechať AI všetko urobiť“, ale získať čas na správnych miestach a spomaliť na správnych miestach. Poďme kvantifikovať zisk v tomto scenári: nastavenie rámca dôkazov, generovanie hľadaných výrazov, zjednodušenie jazyka správy a vypracovanie kontrolného zoznamu po audite môže skrátiť to, čo by tradične zabralo niekoľko hodín práce na koncipovaní, na desiatky minút. Naproti tomu validácia gnomAD/ClinVar, pripnutie VariantValidator, kontrola DOI a odborný posudok sa nedajú skrátiť – sú bezpečnostnou chrbticou streamu. Správny spôsob myslenia: „AI vytvára návrh, človek pôsobí ako garant.“ Zisk je v návrhu, zodpovednosť je v rozhodnutí.

Najkrehkejším článkom v toku je vždy prvý: kotvenie. Nesprávna verzia genómu alebo nesprávny prepis sa ticho šíri do každého nasledujúceho štádia, čo nakoniec vytvorí úplne neplatnú správu. Nepokračujte teda k ďalšiemu kroku bez overenia kotvy pomocou jediného samostatného nástroja (ako je VariantValidator). Druhým najzraniteľnejším bodom je prenos výstupov medzi fázami: ak sa neoverený výstup jednej fázy stane vstupom do ďalšej fázy, vyvoláva to reťazové halucinácie.

Napokon, v klinickom kontexte je audit trail neoddeliteľnou súčasťou toku: musí sa zdokumentovať, ktorý zdroj bol skontrolovaný v ktorý deň, ktorá verzia ClinVar bola videná, kto schválil ktoré rozhodnutie. Recenzie ClinVar sa časom menia; Záznam, ktorý je „dnes patogénny“, sa mohol o rok neskôr vrátiť do VUS. Audit trail umožňuje prehodnotenie a právnu/etickú zodpovednosť.

funkcia streamovania

princíp

Aplikácia

úspora času

Dostaňte sa do tempa na koncepte

Rámec, jazyk, kontrolný zoznam od AI

Krehkosť

Zaistite prvý krúžok

Potvrďte fixáciu nezávislým nástrojom

Výstupná doprava

Pohybujte sa bez overenia

Každá fáza je schválená pri zdroji

audit trail

Zdokumentujte každé rozhodnutie

Zdroj, dátum, schválené registrovanými

V súhrne

• Cesta variantu od objavu k správe; Zahŕňa fázy stanovenia, dôvernosti, dôkazov, štruktúry, literatúry, triedy a správy.
• AI vytvára návrh/kód/zhrnutie v každej fáze; V každej fáze odborník overí a rozhodne.
• Výstup medzi jednotlivými stupňami by sa mal presunúť na ďalší až po overení.
• Dôvernosť je stanovená od samého začiatku; Rozhodnutie o triede a klinickom vyšetrení sa nakoniec urobí so súhlasom odborníka.

Aplikačná úloha

Vyberte si fiktívny variant (napr. známy záznam BRCA1). 1. Vytvorte komplexný kontrolný zoznam so šablónou a vykonajte každú fázu sami v metóde zodpovedajúcej jednotky v tomto module: opravte variant, skontrolujte gnomAD/ClinVar, pozrite sa na štruktúru AlphaFold, nájdite skutočný článok, zdôvodnite možnú triedu a navrhnite odsek správy a skontrolujte ho odborným okom. Pokúste sa nájsť rozdiel medzi AI ​​a zdrojom aspoň v dvoch fázach.

kontrolný zoznam

• [ ] Súkromie som nastavil od začiatku; Nepreniesol som žiadne identifikačné údaje.
• [ ] Variant s verziou/prepisom som opravil a potvrdil validátorom.
• [ ] Každý dôkaz (frekvencia, ClinVar, literatúra) som overil v primárnom zdroji.
• [ ] Urobil som komentár k štruktúre so skóre spoľahlivosti a zo súboru.
• [ ] Osobne som overil triedu a klinickú interpretáciu založenú na dôkazoch.
• [ ] Skontroloval som kauzalitu/presnosť v jazyku prehľadu a pridal som hranice.

Modulová skúška

1. Ktoré z nasledujúcich je najpresnejšie určovanie polohy pre umelú inteligenciu (najmä veľký jazykový model) v molekulárnej biológii a genetike?

• A) Je to asistent, ktorý píše kód, vytvára návrhy a komentáre; Každý biologický jav je potrebné overiť v primárnom zdroji, konečný výklad patrí odborníkovi ✔
• B) Je to spoľahlivá databáza genómu; Uvedené sekvencie a varianty je možné zapísať priamo do správy.
• C) Keďže meria ako laboratórny prístroj, jeho výstupy sa považujú za experimentálny dôkaz.
• D) Má právomoc dokončiť rozhodnutie o klinickej patogenite bez súhlasu človeka.

Vysvetlenie: Veľký jazykový model nie je genómová databáza ani laboratórny nástroj; Ide o textový generátor, ktorý štatisticky napodobňuje texty v tréningových dátach. Biologické fakty ako sekvencia/variant/gén by sa mali vždy overovať z primárnych zdrojov, ako sú NCBI, Ensembl, ClinVar, gnomAD; Konečný klinický a vedecký výklad by mal patriť kompetentnému odborníkovi.

2. Dostali ste súradnicu genómu variantu od AI, ale váš projekt používa GRCh38 (hg38). Umelá inteligencia mohla dať súradnicu hg19. Aký je správny prístup?

• A) Použitie súradníc priamo, pretože sa to zdá rozumné
• B) Nie je potrebné žiadať o verziu, pretože umelá inteligencia vždy uvádza najaktuálnejšiu verziu.
• C) Explicitne potvrďte verziu genómu a overte súradnice pomocou oficiálneho nástroja liftOver ✔
• D) Keďže rozdiel medzi hg19 a hg38 je nepatrný, vyberte si jeden a pokračujte

Popis: Posun súradníc medzi verziami genómu (GRCh37/hg19 a GRCh38/hg38). Akékoľvek súradnice uvedené bez verzie sú podozrivé. Súradnice by sa mali transformovať/overiť oficiálnym nástrojom liftOver a mala by sa jasne potvrdiť použitá verzia genómu; inak bude celé zarovnanie a komentár ukazovať na nesprávne miesto.

3. V zápise HGVS „c.“, „p.“ a 'g.' Čo znamenajú predpony a prečo by sa nemali zamieňať?

• A) Všetky tri znamenajú to isté, nezáleží na tom, ktorý z nich sa použije.
• B) "c." kódujúca DNA/transkript, 'p.' proteín, 'g.' je genómová úroveň; Ak je zmätený, môže to znamenať iné umiestnenie ✔
• C) "p." vždy 'c.' je trojnásobok jeho hodnoty, prevod je automatický a bezchybný
• D) Predpony sú len formálne; Verziu prepisu nie je potrebné špecifikovať

Popis: HGVS je štandardný pravopisný formát s variantmi: 'c.' úroveň kódujúcej DNA (transkript), 'p.' hladina bielkovín, 'g.' sa týka genómovej úrovne. Ich zmiešanie alebo použitie nesprávnej verzie prepisu môže naznačovať úplne iný lokus/variant; preto je potrebné použiť správnu predponu spolu s verziou prepisu (napr. NM_007294.4).

4. Aká by mala byť úloha AI pri použití kritérií ACMG na posúdenie patogenity variantu?

• A) Umelá inteligencia dokončuje dôkazy a triedu; nie je potrebný odborný dohľad
• B) Ovládanie GnomAD je zbytočné, keďže umelá inteligencia udáva frekvenciu populácie zo svojej pamäte.
• C) Keďže kritériá ACMG sú prísne, výstup AI sa automaticky považuje za správny
• D) Umelá inteligencia môže produkovať návrh dôkazov; Každý dôkaz by mal byť overený v primárnom zdroji, konečnú klasifikáciu by mal vykonať odborník ✔

Popis: ACMG je rámec, ktorý klasifikuje variantnú patogenitu podľa kategórií dôkazov (populačná frekvencia, predikcia in silico, segregácia, funkčná štúdia, literatúra). AI môže predložiť návrh dôkazov; Každý dôkaz však musí byť osobne overený v ClinVar, gnomAD a literatúre a konečnú klasifikáciu (patogénne/pravdepodobne patogénne/VUS...) musí vykonať príslušný odborník.

5. Budete pracovať so sekvenciou DNA danou umelou inteligenciou. Aký je najlepší prvý krok?

• A) Použitie sekvencie jej získaním z primárneho zdroja, ako je NCBI/Ensembl alebo jej potvrdením tam uvedeným odkazom ✔
• B) Vloženie sekvencie priamo do analýzy, pretože sa javí ako správna dĺžka
• C) Za predpokladu, že sekvencia je správna, ak písmená pozostávajú z platných nukleotidov
• D) Opýtajte sa umelej inteligencie na sekvenciu ešte raz a počítajte ju ako správnu, ak sú dva výstupy rovnaké.

Vysvetlenie: AI dokáže „vyplniť“ reťazec, ktorý si nepamätá, hodnoverne vyzerajúcimi písmenami; Aj keď sa dĺžka a písmená zdajú byť správne, nemusia sa zhodovať so skutočným odkazom. Preto sa akákoľvek sekvencia daná umelou inteligenciou z hlavy priamo nepoužíva; sekvencia je prevzatá z primárneho zdroja, ako je NCBI/Ensembl, alebo je tam potvrdená odkazom.

6. Čo znamená skóre pLDDT pri predikcii proteínovej štruktúry z nástroja ako AlphaFold?

• A) Je to certifikát preukazujúci, že štruktúra bola experimentálne overená
• B) Je to laboratórna hodnota, ktorá meria úroveň funkčnej aktivity proteínu.
• C) Je to skóre označujúce dôveru modelu v predikciu lokálnej štruktúry pre každý zvyšok; nižšia hodnota je flexibilná/nespoľahlivá zóna ✔
• D) Je to pomer, ktorý ukazuje variantnú frekvenciu proteínu v populácii.

Opis: pLDDT (0-100) je skóre spoľahlivosti, ktoré udáva, do akej miery je AlphaFold istý vo svojej predikcii lokálnej štruktúry pre každý zvyšok (aminokyselinu). Vysoké pLDDT znamená spoľahlivú lokálnu štruktúru, nízke pLDDT znamená flexibilnú/neusporiadanú alebo nespoľahlivú oblasť. Štruktúra je odhad; málo dôveryhodné regióny by sa nemali prehnane interpretovať a funkčné tvrdenia by mali byť podložené experimentálnymi dôkazmi.

7. Prečo je riskantné tvrdiť, že mutácia „absolútne znefunkční“ proteín na základe predpovede štruktúry AlphaFold?

• A) Štruktúry AlphaFold nemožno použiť na žiadny účel, pretože sú vždy nesprávne
• B) Štruktúra je odhad; funkčné tvrdenia sú na úrovni hypotéz a vyžadujú si experimentálne overenie ✔
• C) Neexistuje žiadne riziko; Výstup AlphaFold je rovnako presný ako experimentálna zostava
• D) Riziko existuje len vtedy, ak je pLDDT nízke; Ak je vysoká, nárok sa automaticky považuje za preukázaný.

Zverejnenie: AlphaFold je predikcia štruktúry, nie experimentálny dôkaz; Je obzvlášť obmedzená vo flexibilných/neusporiadaných oblastiach a pri modelovaní účinkov mutácie. Funkčné nároky založené na konštrukte sú na úrovni hypotézy a vyžadujú si experimentálne overenie (napr. funkčnú štúdiu). V opačnom prípade je predpoveď prezentovaná ako dôkaz.

8. Aký je najdôležitejší krok overenia kandidátov CRISPR gRNA (guide RNA) navrhnutých umelou inteligenciou?

• A) Ak je dĺžka gRNA správna, nie sú potrebné žiadne ďalšie kontroly
• B) Ak umelá inteligencia hovorí, že efekt mimo cieľ je nízky, pokračujte priamo k experimentu
• C) Je dostatočná záruka, že sekvencia gRNA pozostáva z platných nukleotidov
• D) Overte kandidátov pomocou skutočného zarovnania genómu a expertných nástrojov mimocieľovej analýzy a potvrďte v laboratóriu ✔

Popis: gRNA je vodiaca RNA, ktorá smeruje enzým Cas do cieľa; Pri nesprávnom dizajne môže odrezať aj mimocieľové oblasti. Kandidáti vrátení AI musia byť potvrdení skutočným zarovnaním genómu a nástrojmi expertnej analýzy mimo cieľa a potom potvrdení laboratórnymi experimentmi. Len preto, že umelá inteligencia hovorí, že „bezpečné“ nie je náhradou za overenie.

9. Prečo je pri testovaní rozdielov v expresii tisícok génov s RNA-seq potrebná viacnásobná testovacia korekcia (napr. FDR/Benjamini-Hochberg)?

• A) Tisíce simultánnych testov zvyšujú falošne pozitívne výsledky; Korekcia FDR ich obmedzuje, hrubá p-hodnota je zavádzajúca ✔
• B) Korekcia je potrebná len vtedy, ak je počet vzoriek malý; Nemá to nič spoločné s počtom génov
• C) Viacnásobná oprava testovania nemení výsledok, je len formálna
• D) Surové p<0,05 je vždy dostatočné; korekcia zbytočne sťažuje štatistiku

Vysvetlenie: Keď sa súčasne testujú tisíce génov, mnohé gény prídu s p<0,05 (falošne pozitívne) len vďaka náhode. Viacnásobná korekcia testovania (FDR - false discovery rate control) obmedzuje tieto falošné pozitíva. Zoznamy génov vyhlásených za „významné“ s neopravenými hodnotami p sú zavádzajúce; Mala by sa použiť upravená hodnota (q-hodnota).

10. Čo to znamená, ak sa v analýze obohatenia cesty zistí, že cesta je „výrazne obohatená“ a ako by sa to malo interpretovať?

• A) Dokazuje, že cesta je definitívnou príčinou choroby
• B) Je to experimentálny dôkaz, že dráha je aktívna v bunke
• C) Je to štatistický signál naznačujúci, že gény dráhy sú nadmerne zastúpené, ako sa očakávalo; Vyžaduje kritickú interpretáciu, nie kauzalitu ✔
• D) Je to dostatočný výsledok sám o sebe, nezávislý od pozadia a viacnásobnej korekcie testovania

Popis: Obohatenie je štatistický signál, ktorý naznačuje, že určitá dráha je nadmerne zastúpená medzi génmi, ktorých expresia sa mení; Nie je to dôkaz kauzality alebo toho, že cesta je skutočne aktívna. Záver; Použitý súbor génov sa musí interpretovať kriticky v kontexte selekcie pozadia a korekcie viacnásobného testovania as biologickou hodnovernosťou.

11. Pri zhrnutí literatúry môže AI citovať článok, ktorý sa javí ako skutočný, ale neexistuje (falošná citácia). Aký je správny prístup?

• A) Ak je názov autora a časopisu realistický, citácia je pravdepodobne správna, kontrola je zbytočná
• B) Overte každú citáciu v primárnom zdroji prostredníctvom DOI/PubMed; ✔ nepoužívate to, čo sa nedá nájsť
• C) Umelá inteligencia netvorí pripisovanie; Jeho odkazy je možné pridať priamo do bibliografie
• D) Ak je citácií veľa, nie je problém, ak je niekoľko nesprávnych.

Popis: Umelá inteligencia dokáže vytvoriť úplne vymyslený článok (a falošný DOI) so skutočne znejúcimi menami autorov v skutočnom časopise. Každá citácia musí byť osobne overená v primárnom zdroji prostredníctvom DOI/PubMed; Referencie, ktoré nemožno nájsť, by sa nemali používať. Vedecká zodpovednosť patrí autorovi; Do textu by nemali vstupovať žiadne neoverené odkazy.

12. Aký je najpresnejší princíp týkajúci sa vypracovania klinickej genetickej správy vygenerovanej AI?

• A) Ak je ťah plynulý, možno ho podať priamo pacientovi
• B) Nevyžaduje sa žiadne samostatné overenie zdroja, pretože AI tiež vytvára dôkazy
• C) Rozhodnutie o patogenite v správe môže byť ponechané na umelú inteligenciu, odborník iba kontroluje formát
• D) Každé klinické tvrdenie musí byť podložené, záverečná správa musí byť schválená kompetentným odborníkom a musí byť zdokumentovaný reťazec overovania ✔

Popis: Umelá inteligencia šetrí čas pri vytváraní návrhov správ a súhrnov; Každé klinické tvrdenie však musí byť prepojené s dôkazmi a primárnymi zdrojmi a záverečná správa musí byť schválená oprávneným odborníkom. Výstup AI nemožno priamo preložiť do rozhodnutia pacienta; Overovací reťazec musí byť zdokumentovaný.

13. Čo to znamená, ak výstup AI znie veľmi plynule a „dôveryhodne“?

• A) Sebavedomý tón nie je dôkazom presnosti; Potreba overovania rastie, nie klesá ✔
• B) Plynulá a rozhodná odpoveď je s najväčšou pravdepodobnosťou pravdivá, potvrdenie je zbytočné
• C) Sebavedomý tón znamená, že model číta údaje priamo z pamäte
• D) Tón je mierou sebadôvery, pretože váhavé odpovede sú nesprávne a sebavedomé odpovede sú správne.

Vysvetlenie: Sebavedomý tón AI nie je dôkazom presnosti; Najnebezpečnejšie halucinácie prichádzajú s najplynulejšími a najpresvedčivejšími vetami. Keď je vidieť sebavedomý tón, potreba overenia sa zvyšuje, nie klesá. Každý fakt (sekvencia, variant, gén, referencia) by sa mal krížovo overiť s nezávislým primárnym zdrojom.

14. Aké je najdôležitejšie opatrenie na ochranu súkromia pred poskytnutím genetických údajov pacienta verejne dostupnému nástroju AI na analýzu?

• A) Ak sú údaje zakódované v base64, možno ich bezpečne vložiť
• B) Ak je vymazané iba meno pacienta, nie je potrebná žiadna ďalšia akcia
• C) Neposkytovanie osobných údajov vôbec; anonymizácia, minimalizácia údajov a súhlas/dodržiavať právny rámec ✔
• D) Genetické údaje môžu byť voľne zdieľané, pretože sa nepovažujú za osobné údaje.

Popis: Genetické údaje sú osobitnou kategóriou osobných údajov a jednotlivca možno opätovne identifikovať pomocou zriedkavých kombinácií variantov. Otváracím nástrojom sa nikdy neposkytujú identifikovateľné genetické údaje; údaje by mali byť anonymizované, zdieľané by malo byť len minimum nevyhnutných informácií (minimalizácia údajov) a dodržaný súhlas/právny rámec (KVKK/GDPR).