ChatGPT potrebbe essere usato per
truccare i dati di uno studio clinico. La dimostrazione arriva
da un lavoro di Giuseppe Giannaccare dell'Università di
Cagliari, pubblicato su JAMA Ophthalmology. Gli autori hanno
utilizzato GPT-4 per generare dati falsi e hanno erroneamente
indicato che un certo trattamento chirurgico è migliore di un
altro. "Abbiamo voluto evidenziare che, in pochi minuti, è
possibile creare un set di dati non supportato da dati originali
reali e addirittura nella direzione opposta rispetto alle
evidenze disponibili", afferma Giannaccare. La capacità dell'IA
di fabbricare dati convincenti crea preoccupazione tra i
ricercatori e gli editori di riviste riguardo all'integrità
della ricerca. Con ChatGPT, infatti, qualsiasi ricercatore o
gruppo di ricerca potrà creare misurazioni false su pazienti
inesistenti, risposte false a questionari o generare un grande
set di dati su esperimenti sugli animali. Gli autori hanno
chiesto a GPT-4 ADA di creare un set di dati riguardante
pazienti con cheratocono, che provoca assottigliamento della
cornea e può portare a problemi visivi. Per il 15-20% dei
pazienti, il trattamento prevede un trapianto di cornea eseguito
o con la cheratoplastica penetrante (PK) (che comporta la
rimozione chirurgica di tutti gli strati danneggiati della
cornea e la loro sostituzione con tessuto sano proveniente da un
donatore), o con la cheratoplastica lamellare anteriore profonda
(DALK)( in cui si sostituisce solo lo strato anteriore della
cornea). Gli autori hanno usato ChatGPT per fabbricare dati a
sostegno della conclusione che la DALK produce risultati
migliori rispetto alla PK. I dati generati dall'IA includevano
160 partecipanti maschi e 140 femmine e indicavano che coloro
che avevano subito la DALK ottenevano punteggi migliori sia
nella visione sia nel test di imaging rispetto a coloro che
avevano subito la PK, risultato in contrasto con quanto mostrato
da veri studi clinici. Gli autori dello studio riconoscono che
il loro set di dati ha difetti che potrebbero essere individuati
con un esame attento. Tuttavia, afferma Giannaccare, "se si
guarda molto rapidamente il set di dati, è difficile riconoscere
l'origine non umana della fonte dei dati".
Riproduzione riservata © Copyright ANSA
