Fitimet:
- Aftësia për të kombinuar të gjitha pjesët e mësuara përgjatë modulit (sekuenca, varianti, struktura, literatura, klinike) në një rrjedhë të vetme pune të mbështetur nga AI.
- Aftësia për të zbatuar parimin e 'inteligjencës artificiale prodhon, verifikon dhe garanton njeriu' dhe verifikimin e burimit parësor në çdo hap
- Aftësia për të menaxhuar zinxhirin e verifikimit duke dokumentuar konfidencialitetin dhe miratimin përfundimtar të ekspertit në një rast nga fundi në fund
Në këtë modul, ne diskutuam secilën fazë veç e veç, nga analiza e sekuencës te struktura e proteinave, nga CRISPR te omics, nga literatura te etika dhe konfidencialiteti. Në këtë njësi përfundimtare, ne i kombinojmë të gjitha në një rrjedhë pune realiste: udhëtimi i një varianti të gjetur te një pacient, nga të dhënat e papërpunuara në një raport klinik të miratuar. Qëllimi është të shihet në mënyrë holistike se si të pozicionohet inteligjenca artificiale (AI) si një asistent nga fundi në fund dhe se si verifikimi dhe llogaridhënia njerëzore janë të ndërthurura në çdo fazë.
Skenari ynë (i trilluar): Një paciente femër 34-vjeçare vjen për vlerësim gjenetik me një histori familjare të kancerit të gjirit në moshë të hershme. Një variant në gjenin BRCA1 u gjet në testin e panelit. Misioni ynë: klasifikoni këtë variant, interpretoni ndikimin e tij të mundshëm në proteinë, rishikoni literaturën dhe hartoni një raport klinik – duke përdorur AI në çdo hap dhe duke e vërtetuar atë në çdo hap.
Faza 1: Rregullimi i variantit dhe kontrollit të privatësisë
Që në fillim të rrjedhës së punës, ne bëjmë dy gjëra: standardizojmë të dhënat dhe sigurojmë konfidencialitet.
Privatësia e parë: Emri i pacientit, numri i identifikimit dhe data e lindjes nuk futen në asnjë mjet të hapur të AI (Njësia 10). Ne punojmë vetëm me variantin, versionin e gjenomit dhe transkriptin - dhe vetëm nëse varianti nuk e identifikon individin. Më pas rregullojmë variantin: GRCh38, BRCA1, NM_007294.4, për shembull c.5266dupC (p.Gln1756fs). Ne e konfirmojmë këtë me një validator (VariantValidator); Ne nuk e pranojmë përfaqësimin e dhënë nga AI me vlerë nominale (Njësia 1, 3).
Faza 2: Mbledhja e provave (Kapitulli 3)
Ne kemi AI që ndërton kornizën e provës ACMG - por pa e bërë klasën ta tregojë atë. Pastaj ne verifikojmë vetë çdo provë:
- Frekuenca e gnomAD: Ne kërkojmë variantin në gnomAD dhe shohim që është shumë i rrallë/mungon (në drejtim të PM2).
- ClinVar: Ne hapim rekordin dhe kontrollojmë komentet dhe freskinë ekzistuese.
- Lloji i variantit: Nëse një ndryshim i kornizës çon në ndërprerje të parakohshme, mund të ketë prova të forta të humbjes së funksionit (PVS1) - por ne e vlerësojmë këtë në kontekstin e gjenit dhe transkriptit.
Ne nuk përdorim asnjë frekuencë ose referencë të dhënë nga AI pa e verifikuar atë (Njësia 9).
Faza 3: Interpretimi i strukturës së proteinës (Njësia 4)
Për të kuptuar efektin e variantit në proteinë, ne shkarkojmë strukturën AlphaFold (me numrin e saj UniProt), shikojmë rezultatin e besimit pLDDT dhe shënimet funksionale UniProt të rajonit të prekur. Për shkak se një ndryshim i kornizës ndryshon shumë nga proteina, interpretimi i strukturës mund të mbështesë hipotezën e humbjes së funksionit këtu - por struktura është një supozim, jo provë përfundimtare. Ne nuk i kërkojmë AI për koordinatat; Lexojmë nga dosja.
Faza 4: Verifikimi i literaturës (Kapitulli 7)
Ne marrim termat e kërkimit nga AI, e kërkojmë atë në vetë PubMed dhe gjejmë artikuj aktualë mbi variantin dhe gjenin. Ne verifikojmë citimet që AI dorëzon "nga kujtesa" me DOI/PMID. Ne ruajmë dallimin midis marrëdhënies dhe shkakësisë në burim.
Faza 5: Klasifikimi dhe interpretimi klinik (Njësitë 3, 8)
Ne kombinojmë provat e vërtetuara, duke nxjerrë përfundimin e klasës së mundshme me kombinimin e ACMG (në këtë shembull, provat e forta të humbjes së funksionit dhe të rrallësisë mund të jenë në drejtimin e "patogjenike/ndoshta patogjene" - por eksperti ka fjalën e fundit). Ne kombinojmë interpretimin klinik me fenotipin dhe historinë familjare: a është fotografia e pacientit në përputhje me BRCA1? Nëse ka paqartësi, ne e shprehim sinqerisht.
Faza 6: draft raporti dhe miratimi (Njësia 8)
Me AI, ne përgatisim draft raporte për mjekun dhe pacientin; Në një gjuhë që nuk e ekzagjeron kauzalitetin, e ka të qartë pasigurinë dhe i drejtohet këshillimit gjenetik. Eksperti konfirmon çdo fjali. Shtojmë seksionin e limiteve (çfarë nuk mbulon testi, kushtet e rivlerësimit).
Këshillë: Kur futni daljen e secilës fazë në tjetrën në një rrjedhë nga fundi në fund, sigurohuni që dalja të jetë e vërtetuar. Një frekuencë ose atribut i paverifikuar bartet gabimisht në të gjitha fazat e mëvonshme (halucinacione me zinxhir - Njësia 9).
tabela e rrjedhës së punës
Skena
Roli i AI
Verifikimi i detyrueshëm
vendimmarrës
fiksimin
skicë demo
VariantValidator
ekspert
Privatësia
Kontrolli i anonimizimit
kontrolli njerëzor
ekspert
dëshmi
Vendosja e një kornize
gnomAD, ClinVar
ekspert
strukturën
Koment
pLDDT, skedar
ekspert
letërsi
Termi i kërkimit, përmbledhja
DOI/PMID
ekspert
klasës
draft kombinimi
Rregullat e ACMG
ekspert
Raportoni
draft gjuhësor
miratimi fjali për fjali
Ekspert/Konsulent
Tre mini kuti (pikat e ndërprerjes në rrjedhë)
Rasti 1 - Transkriptim i pasaktë. Një ekip punoi me transkriptin e dhënë nga AI në fillim të transmetimit; ai më vonë kuptoi se paneli kishte përdorur një transkriptim tjetër. c. Pozicionet e tyre kishin ndryshuar. Gabimi u zgjidh duke rregulluar që në fillim me VariantValidator. Mësimi: gabimi në fazën e fiksimit prish të gjithë rrjedhën.
Rasti 2 - Artikull mbështetës i rremë. Në fazën e literaturës, AI propozoi një dokument bindës që mbështet klasifikimin. Kontrolli i PMID tregoi se artikulli nuk ekzistonte; hequr nga zinxhiri i provave. Provat aktuale ishin të mjaftueshme, por besimi akademik/klinik do të ishte dëmtuar nëse atribuimi i rremë do të mbetej në raport.
Rasti 3 — Konfirmimi i fituar. Në fazën e raportimit, drafti i AI përfshinte deklaratën "ky variant patjetër shkakton kancer". Konsulenti e korrigjoi këtë duke thënë "ky variant rrit ndjeshëm rrezikun e kancerit të gjirit/vezoreve, por nuk tregon sëmundje përfundimtare" dhe shtoi një rekomandim për këshillim gjenetik. Toni dhe saktësia u formuan në duart e ekspertëve.
Dy shabllone të kopjueshëm (nga fundi në fund)
1) Planifikuesi i rrjedhës:
Roli juaj: asistent i rrjedhës së punës së gjenetikës klinike. Krijo një listë kontrolli nga fundi në fund nga zbulimi në raport për variantin e mëposhtëm: [versioni i gjenomit, gjen, transkript, HGVS]. Shkruani në çdo fazë (fiksim, privatësi, dëshmi, strukturë, literaturë, klasë, raport) me kolonat "Çfarë bën AI / çfarë verifikoj / kush vendos". Ju merrni vendimin për klasën dhe klinikën.
2) Inspektimi përfundimtar:
Kontrolloni paraprakisht komentin e mëposhtëm të plotësuar të variantit dhe draftin e raportit përpara dorëzimit: [përmbajtja]. Kontrollo për: frekuencë/atribut të pakonfirmuar, deklaratë të ekzagjeruar shkakësie/përpikërie, paralajmërim të mungesës së paqartësisë, ndarje kufitare të munguar, cenueshmëri të privatësisë. Rendisni çdo problem dhe çdo sugjerim për rregullimin e tij.
Prompt i dobët / Prompt i fortë
I dobët: "Shkruani një raport të plotë klinik për këtë variant BRCA1."
Problemi: AI prodhon "raport" duke përshtatur të gjitha fazat në një lëvizje; frekuenca, atribuimi, klasa, gjykimi klinik janë të gjitha të pakonfirmuara.
Strong: "Bëni një listë kontrolli nga zbulimi për të raportuar për këtë variant BRCA1; ndani në çdo fazë se çfarë do të bëni, çfarë do të verifikoj unë dhe kush do të marrë vendimin. Unë do të marr vendimin e klasës dhe klinik pasi të konfirmoj provat."
Pse është i fuqishëm: Rrjedha është e strukturuar, çdo fazë është e lidhur me vërtetimin dhe vendimi dhe përgjegjësia mbeten tek njeriu.
Gabimet e zakonshme
- Kërkoni një "raport të përfunduar" me një kërkesë. Fazat kombinohen pa verifikim; akumulohet gabimi.
- Injorimi i fazës së fiksimit. Versioni/transkripti i pasaktë hedh poshtë të gjithë transmetimin.
- Lëvizja e prodhimit midis fazave pa e vërtetuar atë. Shfaqet një halucinacion zinxhir.
- Duke menduar për privatësinë në "fundin" e rrjedhës. Konfidencialiteti duhet të vendoset në radhë të parë, në futjen e të dhënave.
- Duke ia lënë vendimin dhe tonin UA. Mesazhet në klasë dhe klinike duhet të miratohen nga specialisti.
Kujdes: Përdorimi i AI nga skaji në fund kursen shumë kohë, por nuk zvogëlon përgjegjësinë; Përkundrazi, e bën edhe më të rëndësishme disiplinën e verifikimit në çdo fazë. AI shpejton rrjedhën; Human garanton saktësi, siguri dhe pajtueshmëri etike.
Thellësia: kursimet e kohës së rrjedhës së punës, brishtësia dhe gjurmët e auditimit
Vlera e vërtetë e rrjedhës nga fundi në fund nuk është "lëreni AI të bëjë gjithçka", por në fitimin e kohës në vendet e duhura dhe ngadalësimin në vendet e duhura. Le të përcaktojmë sasinë e përfitimit në këtë skenar: vendosja e kornizës së provave, gjenerimi i termave të kërkimit, thjeshtimi i gjuhës së raportit dhe krijimi i një liste kontrolli pas auditimit mund të shkurtojë atë që tradicionalisht do të kërkonte disa orë punë hartimi në dhjetëra minuta. Në të kundërt, vërtetimi i gnomAD/ClinVar, fiksimi i VariantValidator, kontrolli i DOI dhe gjykimi i ekspertëve nuk mund të shkurtohen - ato janë shtylla e sigurisë së transmetimit. Mendësia e saktë: "AI prodhon draft, njeriu vepron si garantues." Fitimi është në draft, përgjegjësia është në vendim.
Lidhja më e brishtë në rrjedhë është gjithmonë e para: ankorimi. Versioni i gabuar i gjenomit ose transkripti i gabuar përhapet në heshtje në çdo fazë pasuese, duke prodhuar përfundimisht një raport krejtësisht të pavlefshëm. Pra, mos vazhdoni në hapin tjetër pa e vërtetuar spirancën me një mjet të vetëm të pavarur (si VariantValidator). Pika e dytë më e pambrojtur është bartja e daljes midis fazave: duke e bërë daljen e paverifikuar të një faze hyrje në tjetrën, fton halucinacione zinxhirore.
Së fundi, në kontekstin klinik, gjurma e auditimit është pjesë përbërëse e rrjedhës: duhet të dokumentohet se cili burim është kontrolluar në cilën datë, cili version i ClinVar është parë, kush ka miratuar cilin vendim. Rishikimet e ClinVar ndryshojnë me kalimin e kohës; Një rekord që është "patogjen sot" mund të jetë regres në VUS një vit më vonë. Gjurma e auditimit mundëson rivlerësim dhe llogaridhënie ligjore/etike.
funksioni i transmetimit
parim
Aplikimi
kursim kohe
Ngrihuni me shpejtësi në draft
Korniza, gjuha, lista kontrolluese nga AI
Brishtësia
Siguroni unazën e parë
Konfirmoni fiksimin me mjet të pavarur
Transporti i prodhimit
Lëvizni pa verifikim
Çdo fazë miratohet në burim
gjurmët e auditimit
Dokumentoni çdo vendim
Burimi, data, miratuar nga i regjistruar
Në përmbledhje
- Udhëtimi i një varianti nga zbulimi në raport; Ai mbulon fazat e fiksimit, konfidencialitetit, provave, strukturës, literaturës, klasës dhe raportit.
- UA prodhon draft/kod/përmbledhje në çdo fazë; Në çdo fazë, eksperti verifikon dhe vendos.
- Prodhimi ndërmjet fazave duhet të zhvendoset në tjetrin vetëm pas verifikimit.
- Konfidencialiteti është vendosur që në fillim; Klasa dhe vendimi klinik më në fund merret me miratimin e ekspertit.
Detyra e aplikimit
Zgjidhni një variant imagjinar (p.sh. një regjistrim i njohur BRCA1). 1. Krijoni një listë kontrolli nga fundi në fund me shabllonin dhe kryeni vetë çdo fazë në metodën e njësisë përkatëse në këtë modul: rregulloni variantin, kontrolloni gnomAD/ClinVar, shikoni strukturën AlphaFold, gjeni një artikull të vërtetë, justifikoni klasën e mundshme dhe hartoni një paragraf raporti dhe korrigjoni atë me një sy eksperti. Mundohuni të gjeni një ndryshim midis AI dhe burimit në të paktën dy faza.
listë kontrolli
- [ ] Unë vendosa privatësinë që në fillim; Nuk kam transferuar asnjë të dhënë identifikuese.
- [ ] E rregullova variantin me versionin/transkriptin dhe e konfirmova me verifikuesin.
- [ ] Kam verifikuar çdo dëshmi (frekuencë, ClinVar, literaturë) në burimin parësor.
- [ ] Kam bërë komentin e strukturës me notë besimi dhe nga dosja.
- [ ] Unë personalisht e kam vërtetuar klasën dhe interpretimin klinik bazuar në prova.
- [ ] Kontrollova shkakësinë/saktësinë në gjuhën e raportit dhe shtova kufijtë.
Provimi i Modulit
1. Cili nga sa vijon është pozicionimi më i saktë për inteligjencën artificiale (veçanërisht modeli i gjuhës së madhe) në biologjinë molekulare dhe gjenetikë?
- A) Është një asistent që shkruan kodin, prodhon drafte dhe komente; Çdo fenomen biologjik duhet të verifikohet në burimin parësor, interpretimi përfundimtar i takon ekspertit ✔
- B) Është një bazë të dhënash e besueshme gjenomi; Sekuencat dhe variantet e dhëna mund të shkruhen drejtpërdrejt në raport.
- C) Meqenëse mat si një instrument laboratorik, rezultatet e tij konsiderohen prova eksperimentale.
- D) Është kompetent të finalizojë vendimin e patogjenitetit klinik pa miratimin e njeriut.
Shpjegim: Modeli i gjuhës së madhe nuk është një bazë të dhënash gjenomi ose mjet laboratori; Është një gjenerues teksti që imiton statistikisht tekstet në të dhënat e trajnimit. Faktet biologjike si sekuenca/varianti/gjeni duhet të verifikohen gjithmonë nga burime parësore si NCBI, Ensembl, ClinVar, gnomAD; Interpretimi përfundimtar klinik dhe shkencor duhet t'i takojë ekspertit kompetent.
2. Ju keni marrë koordinatat e gjenomit të një varianti nga AI, por projekti juaj përdor GRCh38 (hg38). Inteligjenca artificiale mund të ketë dhënë koordinatën hg19. Cila është qasja e duhur?
- A) Përdorimi i koordinatës drejtpërdrejt sepse duket e arsyeshme
- B) Nuk ka nevojë të kërkoni versionin pasi inteligjenca artificiale jep gjithmonë versionin më aktual.
- C) Konfirmoni në mënyrë eksplicite versionin e gjenomit dhe verifikoni koordinatat me një mjet zyrtar liftOver ✔
- D) Meqenëse ndryshimi midis hg19 dhe hg38 është i parëndësishëm, zgjidhni një dhe vazhdoni
Përshkrimi: Zhvendosja e koordinatave ndërmjet versioneve të gjenomit (GRCh37/hg19 dhe GRCh38/hg38). Çdo koordinatë e dhënë pa një version është e dyshimtë. Koordinatat duhet të transformohen/verifikohen me një mjet zyrtar liftOver dhe versioni i gjenomit i përdorur duhet të konfirmohet qartë; përndryshe i gjithë shtrirja dhe komenti do të tregojnë vendndodhjen e gabuar.
3. Në shënimin HGVS 'c.', 'f.' dhe 'g.' Çfarë kuptimi kanë parashtesat dhe pse nuk duhen ngatërruar ato?
- A) Të tre nënkuptojnë të njëjtën gjë, nuk ka rëndësi se cila përdoret.
- B) 'c.' ADN/transkript kodues, 'f.' proteina, 'g.' është niveli gjenomik; Nëse ngatërrohet, mund të tregojë një vend tjetër ✔
- C) 'p.' gjithmonë 'c.' është trefishi i vlerës së tij, konvertimi është automatik dhe pa gabime
- D) Parashtesat janë thjesht formale; Nuk ka nevojë të specifikoni versionin e transkriptit
Përshkrimi: HGVS është formati standard drejtshkrimor me variante: 'c.' Niveli i kodimit të ADN-së (transkriptit), 'f.' niveli i proteinave, 'g.' i referohet nivelit gjenomik. Përzierja e tyre ose përdorimi i versionit të gabuar të transkriptit mund të tregojë një vend/variant krejtësisht të ndryshëm; prandaj duhet të përdoret parashtesa e saktë së bashku me versionin e transkriptit (p.sh. NM_007294.4).
4. Cili duhet të jetë roli i AI kur përdor kriteret ACMG për të vlerësuar patogjenitetin e një varianti?
- A) Inteligjenca artificiale finalizon provat dhe klasën; nuk ka nevojë për mbikëqyrje të ekspertëve
- B) Kontrolli i GnomAD është i panevojshëm pasi inteligjenca artificiale jep frekuencën e popullatës nga kujtesa e saj.
- C) Meqenëse kriteret ACMG janë strikte, prodhimi i AI konsiderohet automatikisht i saktë
- D) Inteligjenca artificiale mund të prodhojë projekt-prova; Çdo dëshmi duhet të verifikohet në burimin parësor, klasifikimi përfundimtar të bëhet nga eksperti ✔
Përshkrimi: ACMG është një kornizë që klasifikon patogjenitetin e variantit sipas kategorive të provave (frekuenca e popullsisë, parashikimi në siliko, ndarja, studimi funksional, literatura). UA mund të prodhojë draft dëshmi; Megjithatë, çdo dëshmi duhet të verifikohet personalisht në ClinVar, gnomAD dhe literaturë, dhe klasifikimi përfundimtar (patogjenik/patogjen i mundshëm/VUS...) duhet të bëhet nga eksperti kompetent.
5. Do të punoni me një sekuencë ADN-je të dhënë nga inteligjenca artificiale. Cili është hapi i parë më i mirë?
- A) Përdorimi i sekuencës duke e marrë atë nga një burim parësor si NCBI/Ensembl ose duke e konfirmuar atë me referencën atje ✔
- B) Futja e sekuencës direkt në analizë sepse duket se është gjatësia e saktë
- C) Duke supozuar se sekuenca është e saktë nëse shkronjat përbëhen nga nukleotide të vlefshme
- D) Pyetni inteligjencën artificiale për sekuencën edhe një herë dhe numërojeni si të saktë nëse të dy rezultatet janë të njëjta.
Shpjegim: AI mund të 'plotësojë' një varg që nuk e mban mend me shkronja me pamje të besueshme; Edhe nëse gjatësia dhe shkronjat duken të sakta, ato mund të mos përputhen me referencën aktuale. Prandaj, çdo sekuencë e dhënë nga inteligjenca artificiale nga koka nuk përdoret drejtpërdrejt; sekuenca është marrë nga një burim primar si NCBI/Ensembl ose është konfirmuar me referencë në të.
6. Çfarë do të thotë rezultati pLDDT në parashikimin e strukturës së proteinave nga një mjet si AlphaFold?
- A) Është një certifikatë që tregon se struktura është vërtetuar eksperimentalisht
- B) Është një vlerë laboratorike që mat nivelin e aktivitetit funksional të proteinës.
- C) Është një pikë që tregon besimin e modelit në parashikimin e strukturës lokale për çdo mbetje; vlera më e ulët është zonë fleksibël/jo e besueshme ✔
- D) Është një raport që tregon frekuencën e variantit të proteinës në popullatë.
Përshkrimi: pLDDT (0-100) është një rezultat besimi që tregon se sa i sigurt është AlphaFold në parashikimin e strukturës së tij lokale për çdo mbetje (aminoacid). PLDDT e lartë do të thotë strukturë e besueshme lokale, pLDDT e ulët do të thotë rajon fleksibël/çrregulluar ose jo i besueshëm. Struktura është një supozim; rajonet me besim të ulët nuk duhet të mbiinterpretohen dhe pretendimet funksionale duhet të mbështeten nga prova eksperimentale.
7. Pse është e rrezikshme të pretendohet se një mutacion 'çaktivizon absolutisht' proteinën bazuar në një parashikim të strukturës AlphaFold?
- A) Strukturat AlphaFold nuk mund të përdoren për asnjë qëllim, sepse ato janë gjithmonë të gabuara
- B) Struktura është një supozim; pretendimet funksionale janë në nivel hipotezash dhe kërkojnë verifikim eksperimental ✔
- C) Nuk ka rrezik; Prodhimi AlphaFold është po aq i saktë sa ndërtimi eksperimental
- D) Ekziston rrezik vetëm nëse pLDDT është i ulët; Nëse është e lartë, pretendimi konsiderohet automatikisht i provuar.
Zbulimi: AlphaFold është një parashikim strukture, jo provë eksperimentale; Ai është veçanërisht i kufizuar në rajonet fleksibël/të çrregullta dhe në modelimin e efekteve të mutacionit. Pretendimet funksionale të bazuara në një konstrukt janë në nivelin e hipotezës dhe kërkojnë verifikim eksperimental (p.sh., studim funksional). Ndryshe, parashikimi paraqitet si provë.
8. Cili është hapi më kritik i vlefshmërisë në lidhje me kandidatët CRISPR gRNA (ARN udhëzues) të sugjeruar nga inteligjenca artificiale?
- A) Nëse gjatësia e ARN-së është e saktë, nuk kërkohen kontrolle të mëtejshme
- B) Nëse inteligjenca artificiale thotë "efekti jashtë objektivit është i ulët", vazhdoni drejtpërdrejt në eksperiment
- C) Është siguri e mjaftueshme që sekuenca e ARN-së përbëhet nga nukleotide të vlefshme
- D) Verifikoni kandidatët me shtrirjen e vërtetë të gjenomit dhe mjetet e ekspertëve të analizës jashtë objektivit dhe konfirmoni në laborator ✔
Përshkrimi: ARN-ja është ARN-ja udhëzuese që drejton enzimën Cas te objektivi; Me dizajnin e gabuar, ai gjithashtu mund të presë zonat e synuara. Kandidatët e kthyer nga AI duhet të vërtetohen nga shtrirja aktuale e gjenomit dhe mjetet e ekspertëve të analizës jashtë objektivit, më pas të konfirmuara nga eksperimentimi laboratorik. Vetëm për shkak se inteligjenca artificiale thotë "i sigurt" nuk është një zëvendësim për verifikimin.
9. Pse është i nevojshëm korrigjimi i testimit të shumëfishtë (p.sh. FDR/Benjamini-Hochberg) kur testohen ndryshimet në shprehjen e mijëra gjeneve me ARN-seq?
- A) Mijëra teste të njëkohshme fryjnë pozitive false; Korrigjimi FDR i kufizon këto, vlera e papërpunuar p është mashtruese ✔
- B) Korrigjimi është i nevojshëm vetëm nëse numri i mostrave është i vogël; Nuk ka të bëjë fare me numrin e gjeneve
- C) Korrigjimi i shumëfishtë i testimit nuk e ndryshon rezultatin, është vetëm formal
- D) Bruto p<0.05 është gjithmonë e mjaftueshme; korrigjimi i bën statistikat të vështira në mënyrë të panevojshme
Shpjegim: Kur mijëra gjene testohen njëkohësisht, shumë gjene dalin me p<0.05 (false pozitive) vetëm për shkak të rastësisë. Korrigjimi i shumëfishtë i testimit (FDR - kontrolli i shkallës së zbulimit të rremë) i kufizon këto pozitive false. Listat e gjeneve të deklaruara 'të rëndësishme' me vlera p të pakorrigjuara janë mashtruese; Duhet të përdoret vlera e rregulluar (q-vlera).
10. Çfarë do të thotë nëse një shteg zbulohet se është 'pasuruar ndjeshëm' në një analizë të pasurimit të rrugës dhe si duhet të interpretohet?
- A) Provon se rruga është shkaku përfundimtar i sëmundjes
- B) Është dëshmi eksperimentale që rruga është aktive në qelizë
- C) Është një sinjal statistikor që tregon se gjenet e rrugës janë të mbipërfaqësuar nga sa pritej; Kërkon interpretim kritik, jo shkakësi ✔
- D) Është një rezultat i mjaftueshëm më vete, i pavarur nga sfondi dhe korrigjimi i shumëfishtë i testimit
Përshkrimi: Pasurimi është një sinjal statistikor që tregon se një rrugë e caktuar është e mbipërfaqësuar midis gjeneve, shprehja e të cilëve ndryshon; Nuk është provë e shkakësisë ose se rruga është në të vërtetë aktive. konkluzioni; Grupi i gjeneve i përdorur duhet të interpretohet në mënyrë kritike në kontekstin e përzgjedhjes së sfondit dhe korrigjimit të testimit të shumëfishtë dhe me besueshmëri biologjike.
11. Kur jep një përmbledhje të literaturës, AI mund të citojë një artikull që duket i vërtetë, por që nuk ekziston (citim i rremë). Cila është qasja e duhur?
- A) Nëse autori dhe emri i revistës janë realistë, citimi është ndoshta i saktë, kontrolli është i panevojshëm
- B) Verifikoni çdo citim në burimin parësor nëpërmjet DOI/PubMed; ✔ duke mos përdorur atë që nuk mund të gjendet
- C) Inteligjenca artificiale nuk përbën atribut; Referencat e tij mund të shtohen drejtpërdrejt në bibliografi
- D) Nëse ka shumë citate, nuk është problem nëse disa prej tyre janë të gabuara.
Përshkrimi: AI mund të prodhojë një artikull krejtësisht të krijuar (dhe DOI të rreme) me emra autorësh që tingëllojnë realë në një ditar të vërtetë. Çdo citim duhet të verifikohet personalisht në burimin parësor nëpërmjet DOI/PubMed; Referencat që nuk mund të gjenden nuk duhet të përdoren. Përgjegjësia shkencore i takon autorit; Asnjë referencë e paverifikuar nuk duhet të hyjë në tekst.
12. Cili është parimi më i saktë në lidhje me hartimin e një raporti gjenetik klinik të gjeneruar nga AI?
- A) Nëse drafti është i rrjedhshëm, ai mund t'i jepet drejtpërdrejt pacientit
- B) Nuk kërkohet verifikim i veçantë i burimit pasi AI gjithashtu gjeneron prova
- C) Vendimi i patogjenitetit në raport mund t'i lihet inteligjencës artificiale, eksperti kontrollon vetëm formatin
- D) Çdo pretendim klinik duhet të jetë i vërtetuar, raporti përfundimtar duhet të miratohet nga specialisti kompetent dhe zinxhiri i verifikimit duhet të dokumentohet ✔
Përshkrimi: Inteligjenca artificiale kursen kohë në prodhimin e drafteve dhe përmbledhjeve të raporteve; Megjithatë, çdo pretendim klinik duhet të lidhet me provat dhe burimet parësore, dhe raporti përfundimtar duhet të miratohet nga eksperti i autorizuar. Prodhimi i AI nuk mund të përkthehet drejtpërdrejt në një vendim pacienti; Zinxhiri i verifikimit duhet të dokumentohet.
13. Çfarë do të thotë nëse prodhimi i AI tingëllon shumë i rrjedhshëm dhe 'i sigurt'?
- A) Toni i sigurt nuk është dëshmi e saktësisë; Nevoja për vërtetim rritet, nuk zvogëlohet ✔
- B) Një përgjigje e rrjedhshme dhe vendimtare ka shumë të ngjarë të jetë e vërtetë, konfirmimi është i panevojshëm
- C) Toni i sigurt tregon se modeli po lexon të dhënat direkt nga memoria
- D) Toni është një masë besimi, pasi përgjigjet hezituese janë të gabuara dhe përgjigjet e sigurta janë të sakta.
Shpjegim: Toni i sigurt i AI nuk është dëshmi e saktësisë; Halucinacionet më të rrezikshme vijnë me fjalitë më të rrjedhshme dhe bindëse. Kur shihet toni i sigurt, nevoja për verifikim rritet, jo ulet. Çdo fakt (sekuencë, variant, gjen, referencë) duhet të verifikohet me një burim parësor të pavarur.
14. Cila është masa paraprake më e rëndësishme e privatësisë përpara se të dhënat gjenetike të pacientit t'i jepen për analizë një mjeti të inteligjencës artificiale të disponueshme publikisht?
- A) Nëse të dhënat janë të koduara në bazën 64, ato mund të ngjiten në mënyrë të sigurt
- B) Nëse fshihet vetëm emri i pacientit, nuk kërkohet asnjë veprim i mëtejshëm
- C) Nuk jep fare të dhëna personale të identifikueshme; anonimizimi, minimizimi i të dhënave dhe miratimi/respektimi i kuadrit ligjor ✔
- D) Të dhënat gjenetike mund të ndahen lirisht sepse nuk konsiderohen të dhëna personale.
Përshkrimi: Të dhënat gjenetike janë një kategori e veçantë e të dhënave personale dhe një individ mund të riidentifikohet me kombinime të rralla variantesh. Të dhënat gjenetike të identifikueshme nuk ofrohen kurrë për mjetet e hapura; të dhënat duhet të jenë anonime, duhet të ndahet vetëm informacioni minimal i nevojshëm (minimizimi i të dhënave) dhe të respektohet pëlqimi/kuadri ligjor (KVKK/GDPR).