在微塑料人类健康风险评估的背景下,使用人工智能工具进行数据质量评估
Yanning Qiu1, Svenja Mintenig1, Margherita Barchiesi1
1Aquatic Ecology and Water Quality Management Group, Wageningen University and Research, P.O. Box 47 6700 AA Wageningen, the Netherlands.
Environment international
|February 23, 2025
概括
人工智能 (AI) 使用大语言模型 (LLM) 可以简化微塑料研究的质量保证. 这种人工智能辅助的方法提高了对人类健康风险评估的数据可靠性.
科学领域:
- 环境科学 环境科学
- 毒理学 毒理学 毒理学
- 数据科学数据科学数据科学
背景情况:
- 越来越多的社会关注微塑料对健康的影响,需要可靠的暴露和风险评估数据.
- 微塑料研究的手动质量保证和控制 (QA/QC) 是耗时的,不一致的,并且由于大量的研究,不切实际.
- 现有的质量保证/质量控制框架与语义模两可和评估者偏见作斗争,阻碍了一致的数据评估.
研究的目的:
- 探索人工智能 (AI) 的潜力,特别是大型语言模型 (LLM),以自动化和标准化微塑料研究数据的质量保证/质量控制选.
- 评估AI在评估研究可靠性和复制人类评估中对微塑料暴露和风险评估的有效性.
- 在监管框架内证明AI在协调微塑料风险评估方面的能力.
主要方法:
- 根据已建立的QA/QC标准,开发了针对水中的微塑料分析的具体提示.
- 利用像ChatGPT和Gemini这样的大型语言模型 (LLM) 来评估73项微塑料研究 (2011-2024年).
- 指示人工智能工具提取信息,解释研究可靠性,并在风险评估中对数据集的适用性进行排名.
主要成果:
- 人工智能在提取相关数据和解释研究可靠性方面表现出有效性,紧密复制人类评估.
- 人工智能辅助的QA/QC显著提高了数据评估的速度,一致性和适用性.
- 人工智能成功地根据其适合微塑料暴露和风险评估的研究和数据集进行了排名.
结论:
- 人工智能,特别是LLM,为微塑料研究中的QA/QC简化和标准化提供了一个有希望的解决方案.
- 人工智能辅助的评估可以提高数据评估的速度和一致性,这对于公共卫生和监管决策至关重要.
- 该应用程序强调了AI在协调微塑料风险评估和满足数据密集型环境科学领域需求方面的潜力.
