Suuri yhtymä: Kuinka tekoäly yhdistää jokaisen rajan

Tekoäly (AI) on sytyttänyt maailman innostukseen sen potentiaalilla tehostaa tehokkuutta, vähentää kustannuksia ja lisätä tuottavuutta.

Vaikka monille ihmisille AI tarkoittaa chatbotteja, kiitos generatiivisten AI-työkalujen kuten ChatGPT:n saavutettavuuden ja suosion, teknologia on paljon laajempi, ja sen hyödyt ulottuvat lääketieteeseen, valmistukseen, robotiikkaan, terveydenhuoltoon, koulutukseen, ilmastotieteeseen, rahoitukseen, oikeuteen, kyberturvallisuuteen ja paljon muuhun.

Jäljittelemällä ihmisen kognitiivisia toimintoja, kuten ongelmanratkaisua ja päätöksentekoa, AI lupaa muuttaa näiden alojen perusjärjestelmiä, ja yhä useammat organisaatiot tutkivat aktiivisesti AI:n mahdollisuuksia.

Äskettäinen McKinseyn tekemä kysely paljasti AI:n käytön kasvun, ei vain teknologiasektorilla, jossa se on jo ylittänyt 90 %, vaan lähes kaikilla toimialoilla.

Yhdeksän kymmenestä vastaajasta kertoi organisaationsa käyttävän AI:ta säännöllisesti, vaikka se on vielä kokeiluvaiheessa. Pilottivaiheessa olevista vastaajista raportoitiin kustannus- ja tulosetuja, ja 64 % sanoi AI:n mahdollistavan innovaatiot.

Tämä kasvava käyttöönotto osoittaa, että jo näin varhaisessa vaiheessa AI on nousemassa keskeiseksi digitaalisen muutoksen mahdollistajaksi.

Nykyisessä globaalisti verkottuneessa ja kilpailullisessa ympäristössä AI antaa yrityksille mahdollisuuden hyödyntää erilaisten digitaalisten teknologioiden, kuten big datan, pilvipalveluiden ja esineiden internetin, voimaa. Käytännössä se toimii yhtymätekniikkana, nopeuttaen muiden teknologioiden kehitystä ja integrointia niin, että niiden yhteisvaikutus on suurempi kuin osien summa.

Tämän myötä tarkastellaan nyt joitakin kiehtovia AI-edistysaskeleita eri sektoreilla, joista jokainen osoittaa, miten se muuttaa maailmaa.

Alla on nopea katsaus kolmeen alueeseen, joissa AI:n yhtymä on jo mitattavissa.

Pyyhkäise vierittääksesi →

AI kartoittaa suoliston mikrobiomin ihmisen terveyteen (ja sepelvaltimoiden tautiriskiin)

AI:n avustuksella tutkijat ovat nyt purkaneet suoliston bakteerien monimutkaisen ekosysteemin ja niiden kemialliset signaalit, mikä on mahdollistanut piilotettujen yhteyksien paljastamisen bakteerien ja ihmisen terveyden välillä. Vielä merkittävämpää on, että uusi kehittynyt AI-järjestelmä on itse asiassa parempi syövän, lihavuuden ja unihäiriöiden tutkimuksissa kuin perinteiset mallit, ja se osoittaa valtavan potentiaalin räätälöidyissä hoidoissa kunkin henkilön mikrobistosta, muuttaen henkilökohtaisen lääketieteen.

AI:n kyky paljastaa piilotettuja kuvioita on erityisen merkittävä, kuten Waterloon yliopiston tutkimuksessa, jossa AI‑pohjainen analyysi rutiininomaisista verikokeista havaitsi kuvioita, jotka voivat tehdä henkeä pelastavista ennusteista sekä edullisia että helposti saavutettavia.

Palatessamme suoliston bakteereihin, ne näyttelevät keskeistä roolia terveydessämme, vaikuttaen paitsi ruoansulatukseen ja tautien ehkäisyyn myös immuunijärjestelmään ja jopa mielialaan. Uusi tutkimus on havainnut, että suoliston mikrobiomi saattaa myös vaikuttaa sepelvaltimoiden tautien kehittymiseen, jotka tappavat lähes 20 miljoonaa ihmistä vuodessa.

Ihmisen suolisto on selvästi kiehtova, mutta se on myös monimutkainen ekosysteemi, jossa on biljoonia mikro‑organismeja. Pelkkä bakteerilajien määrä suolistossa sekä niiden vuorovaikutus ihmisen kemian kanssa tekee tutkijoille haastavaa ymmärtää niiden vaikutuksia.

Mutta mullistavassa askeleessa Tokion yliopiston tutkijat kääntyivät AI:n puoleen ratkaistakseen tämän ongelman.

He loivat AI-järjestelmän ymmärtääkseen paremmin, mitkä bakteerit tuottavat mitkä metaboliitit, pienet molekyylit, jotka toimivat kemiallisina viestinviejinä ja kiertävät kehossamme, vaikuttaen aineenvaihduntaan, immuunijärjestelmään ja aivojen toimintaan, sekä miten bakteerien ja metaboliittien välinen suhde muuttuu eri sairauksissa.

“Kartoitettuamme tarkasti nämä bakteeri‑kemialliset suhteet, voisimme mahdollisesti kehittää yksilöllisiä hoitoja. Kuvittele, että voisit kasvattaa tietyn bakteerin tuottamaan hyödyllisiä ihmisen metaboliitteja tai suunnitella kohdennettuja hoitoja, jotka muokkaavat näitä metaboliitteja sairauksien hoitamiseksi.”

– Projektitutkija Tung Dang Tsunoda‑laboratoriosta biologisten tieteiden osastolla

Mallinsa, jonka he kehittivät, on Bayesilainen neuroverkko nimeltä VBayesMM, joka käsittelee haasteen löytää merkityksellisiä kuvioita biljoonien bakteerien ja metaboliittien monimutkaisesta vuorovaikutuksesta.

Se käyttää Bayesilaista lähestymistapaa tunnistaakseen, mitkä bakteeriryhmät vaikuttavat eniten tiettyihin metaboliitteihin. Lisäksi se mittaa ennusteidensa epävarmuutta estääkseen virheellisiä johtopäätöksiä, mikä tarjoaa tutkijoille tarkempia ja luotettavampia näkemyksiä.

Käyttäen variatiivista Bayesilaista mikrobiomin multiomics‑lähestymistapaa (VBayesMM), tiimi on pystynyt tunnistamaan keskeisiä mikrobilajeja nopeasti ja tarkasti, mikä on johtanut tarkempiin arvioihin. Variatiivisen inferenssin käyttöönotto puolestaan ratkaisi laskennalliset pullonkaulat, mahdollistaen massiivisten aineistojen skaalautuvan analyysin.

Tiimi aikoo seuraavaksi työskennellä laajempien kemiallisten aineistojen parissa kattavan bakteerituotteiden kirjon tallentamiseksi, jotta voitaisiin voittaa tarkkuuden heikkeneminen, kun metaboliittidata on laajempaa kuin bakteeridata.

“Tavoitteemme on myös tehdä VBayesMM:stä kestävämpi analysoitaessa monipuolisia potilaspopulaatioita, sisällyttämällä bakteerien ‘sukupuu’-suhteet parempien ennusteiden tekemiseksi ja edelleen vähentämällä analyysiin tarvittavaa laskenta-aikaa,” Dang sanoi. “Kliinisissä sovelluksissa lopullinen tavoite on tunnistaa tarkat bakteeritavoitteet hoidoille tai ruokavaliointerventioille, jotka todella auttavat potilaita, siirtyen perus‑ tutkimuksesta käytännön lääketieteellisiin sovelluksiin.”

Sijoituskulma: Tarkkuuslääketiede Tempus AI:n kanssa

Tässä jännittävässä ja monimutkaisessa elämäntieteiden maailmassa Tempus AI (TEM ) erottuu tarjoamalla AI‑pohjaisia tarkkuuslääketieteen ratkaisuja henkilökohtaiseen potilashoitoon.

Tempus on teknologiayritys, joka edistää tarkkuuslääketiedettä sekä helpottaa optimaalisten hoitojen löytämistä ja kehittämistä. Sillä on kolme tuotelinjaa:

• Genomiikka: Tarjoaa seuraavan sukupolven sekvensointi (NGS) -diagnostiikkaa, profilointia, molekyyligenotyyppien määrittämistä ja muita testejä.
• Data: Sisältää laboratoriossa tuotettujen tietojen jäsentämisen ja anonymisoinnin ennen kaupallistamista.
• AI-sovellukset: Tarjoaa diagnostiikkaa, toteuttaa uutta ohjelmistoa lääkinnällisenä laitteena ja ottaa käyttöön kliinisiä päätöksentukityökaluja.

Tänä vuonna Tempus saavutti useita tärkeitä sääntelyvirstanpylväitä, mukaan lukien FDA-hyväksynnän Tempus xR IVD -laitteelle, joka tukee lääkekehitystä kehittyneen RNA-sekvensoinnin avulla. Tämän seurauksena Tempus‑kumppanit voivat käyttää sen RNA‑testiä “tarkemmin tunnistaakseen, mitkä potilaat todennäköisimmin reagoivat tiettyihin hoitoihin ja suunnitellakseen tehokkaampia kliinisiä tutkimuksia.”

Sen päivitetty AI‑pohjainen sydämen kuvianalyysialusta Tempus Pixel ja AI‑ohjelmisto Tempus ECG‑Low EF ovat myös saaneet FDA‑510(k)-hyväksynnän, vahvistaen yrityksen asemaa AI‑ohjatuissa diagnostiikoissa.

Yrityksen, jonka markkina-arvo on 12,73 miljardia dollaria, osakkeet kaupankäyvät tällä hetkellä 72,52 dollaria, nousussa lähes 112 % tänä vuonna. Vielä viime kuussa TEM‑osakkeet ylittivät 100 dollarin rajan.

Taloudellisesta asemastaan Tempus ilmoitti äskettäin 84,7 % vuotuista liikevaihdon kasvua Q3 2025:ssä, 334,2 miljoonaan dollariin, kun taas bruttovoitto nousi 98,4 % 209,9 miljoonaan dollariin. Neljänneksen nettotappio oli 80 miljoonaa dollaria. Se päätti neljänneksen 764,3 miljoonan dollarin käteisellä ja myytävillä arvopapereilla.

“Emme ainoastaan kasva uskomattomalla vauhdilla, vaan positiivisen säädetyn EBITDA:n saavuttaminen on tärkeä virstanpylväs ja heijastaa liiketoimintamme perusvahvuutta,” sanoi Tempus‑perustaja ja toimitusjohtaja Eric Lefkofsky. “Yksi vaikeimmista tehtävistä, ja merkki liiketoimintamallin kestävyydestä, on kyetä hidastamaan takaisininvestoinnin tahtia yritykseen ja silti ylläpitää kasvua, mikä on juuri se, mitä saavutimme tässä neljänneksessä.”

Klikkaa tästä saadaksesi luettelon suurimmista bioteknologian big data -yrityksistä.

AI ennustaa aurinkomyrskyjä päivien etukäteen — suojaten sähköverkkoja ja satelliitteja

AI‑malli on kehitetty ennustamaan aurinkotuulta hyvinkin pitkälle etukäteen tarkemmin kuin nykyiset menetelmät, auttaen suojaamaan sähköverkkoja, satelliitteja ja navigaatiojärjestelmiä häiritsevilta avaruustapahtumilta ja vahvistaen kriittisen infrastruktuurimme kestävyyttä.

Aurinkotuuli on Auringon vapauttama jatkuva varautuneiden hiukkasten virta. Se syntyy, kun Auringon kierteiset magneettikentät vääntyvät ja venyvät, mikä saa ne katkeamaan ennen uudelleenyhdistymistä, jolloin ne vapauttavat suuria määriä energiaa.

Kun nämä hiukkaset kiihtyvät, ne voivat häiritä Maan ilmakehää. Ne eivät ainoastaan häiritse sähköverkkoja, vaan voivat myös vetää satelliitteja pois kiertoradaltaan, kuten voimakas aurinkotuulen tapahtuma teki vuonna 2022, jolloin SpaceX (SPCX ) menetti jopa 40 Starlink‑satelliittiaan.

Aurinkomyrskyt ovat puolestaan vielä voimakkaampia tapahtumia, joissa aurinko syöksee energiaa, hiukkasia ja magneettikenttiä galaksiin. Kun ne suuntautuvat kohti Maata, ne voivat aiheuttaa merkittävän häiriön sen magneettikentässä, jota kutsutaan geomagneettiseksi myrskyksi. Tämä luo kauniita revontulinäytöksiä, mutta aiheuttaa myös sähkökatkoksia.

Lloydin viimeisin systeemiriskiskenaario arvioi, että vakava aurinkomyrsky voisi altistaa maailman talouden noin 2,4 triljoonan dollarin menetykselle viiden vuoden aikana, ja odotetut menetykset tänään ovat noin 17 miljardia dollaria.

Tämä osoittaa kiireellisen tarpeen paremmille näiden tapahtumien ennusteille. NYU Abu Dhabin (NYUAD) tutkijat ryhtyivät siis tekemään juuri sen AI:n avustuksella.

He ovat rakentaneet AI‑mallin, joka voi ennustaa aurinkotuulen jopa neljä päivää ennen tapahtumaa, tarkemmin kuin nykyiset menetelmät. Malli on koulutettu historiallisilla aurinkotuulen tiedoilla ja NASA:n Solar Dynamics Observatory (SDO) –ultraviolettikuvilla.

Analysoimalla Auringon kuvia havaitakseen aurinkotuulen muutoksiin liittyviä kuvioita NYUAD‑tiimi pystyi saavuttamaan 45 % parannuksen ennustetarkkuudessa verrattuna nykyisiin operatiivisiin malleihin. Lisäksi he saavuttivat 20 % parannuksen aiempiin AI‑pohjaisiin lähestymistapoihin verrattuna.

“Tämä on merkittävä edistysaskel satelliittien, navigaatiojärjestelmien ja sähköinfrastruktuurin suojaamisessa, joista nykyaikainen elämä riippuu,” sanoi tutkimuksen pääkirjoittaja Dattaraj Dhuri. “Yhdistämällä kehittynyttä AI:ta aurinkohavaintojen kanssa voimme antaa varhaisia varoituksia, jotka auttavat suojaamaan kriittistä teknologiaa Maassa ja avaruudessa.”

Sijoituskulma: Avaruussää AI IBM:n kanssa

$293,24 miljardia dollaria markkina-arvoinen IBM on globaali hybridipilvi- ja AI-palvelujen tarjoaja, joka auttaa saavuttamaan digitaalisen muutoksen data-, sovellus- ja ympäristöympäristöissä, joissa ne toimivat.

Muutama kuukausi sitten IBM julkaisi avoimen lähdekoodin AI‑mallinsa ‘Surya’ yhteistyössä NASA:n kanssa, jotta se voisi paremmin ymmärtää aurinkohavaintojen keräämiä tietoja ja ennustaa, miten aurinkotoiminta vaikuttaa avaruusteknologiaan ja Maahan. Suryan avulla yritys soveltaa AI:ta avaruussään ennustamiseen ja tarjoaa työkalun, joka auttaa suojaamaan telekommunikaatiota, sähköverkkoja ja GPS‑navigaatiota Auringon muuttuvan luonteen aiheuttamilta häiriöiltä.

Kirjoitushetkellä IBM:n osakkeet kaupankäyvät 319 dollaria, nousussa 42,7 % vuoden alusta. Sen EPS (TTM) on 8,07 ja P/E (TTM) 38,87. IBM maksaa osinkotuoton 2,14 %.

Viimeiselle neljännekselleen, 3Q25, yritys ilmoitti 9 % liikevaihdon kasvun 16,3 miljardiin dollariin. Sen GAAP‑bruttovoittomarginaali oli 57,3 % ja non‑GAAP‑toimintavoitto 58,7 %. Nettokassa toiminnasta oli sen sijaan 9,2 miljardia dollaria tähän mennessä, ja vapaa kassavirta oli 7,2 miljardia dollaria.

“Asiakkaat maailmanlaajuisesti jatkavat teknologiamme ja toimialatuntemuksemme hyödyntämistä tuottavuuden lisäämiseksi toiminnassaan ja todellisen liiketoiminta-arvon tuottamiseksi AI:n avulla.”

– Toimitusjohtaja Arvind Krishna

Hän myös totesi, että IBM:n AI‑liiketoiminta ylitti 9,5 miljardia dollaria, nousuaan 7,5 miljardiin dollariin edellisellä neljänneksellä.

Missä AI ylittää asiantuntijat: Lääketiede, neurotiede & koulutus

Tutkijat havaitsevat, että AI ylittää johdonmukaisesti asiantuntijat eri aloilla.

Yksi tällainen ala on lääketiede, jossa “glaukooma on edelleen yksi yleisimmistä korjaamattomista näönmenetyksen syistä maailmanlaajuisesti,” ja seulonta on liian kallista. Mutta AI voisi olla ratkaisu tähän, toivoo tohtori Anthony Khawaja, professori University College Londonin silmätautien instituutista ja uuden tutkimuksen pääasiallinen tutkija, joka raportoi, että koulutettu AI‑ohjelma tunnisti glaukoomapotilaat noin 90 %:ssa tapauksista, verrattuna 81 %:iin ihmisen arvioijilla.

Tässä tutkimuksessa sekä ihmisen asiantuntijat että AI‑ohjelma arvioivat yli 6 300 osallistujaa, joista lähes 700:lla oli glaukooma vähintään yhdessä silmässä.

Glaukooma johtuu näköhermon vaurioitumisesta, yleisimmin silmän sisäisen paineen noususta, mikä voi johtaa täydelliseen sokeuteen. Ihmisasiantuntijat ja AI arvioivat osallistujien glaukoomariskin pystysuoran kuppalevy‑suhteen perusteella, joka on keskeinen mittari tässä häiriössä ja seuraa silmän rakenteellisia muutoksia paineen kertymisen seurauksena.

Tutkimustulosten mukaan vain 11 % osallistujien silmistä epäiltyi glaukoomaa, mikä vastaa rutiiniscreeningin odotettua osuutta. Tutkijat huomauttivat, että tarkkuutta voitaisiin parantaa sisällyttämällä muita riskitekijöitä, kuten silmän sisäistä painetta.

Toisessa tutkimuksessa suurikielimallit (LLM:t) ennustivat ehdotettujen neurotieteen tutkimusten tuloksia tarkemmin kuin ihmisen asiantuntijat, korostaen AI:n potentiaalia nopeuttaa tutkimusta.

Sen sijaan, että keskityttäisiin LLM:ien kysymys‑vastauskykyihin, tutkimus tutki, voivatko mallit yhdistää tietoa ennustaakseen tulevia tuloksia.

He testasivat 15 erilaista yleiskäyttöistä LLM:ää ja 171 ihmisen neurotieteen asiantuntijaa ja havaitsivat, että kaikki LLM:t ylittivät neurotieteilijät. LLM:t saavuttivat keskimäärin 81 % tarkkuuden, kun taas ihmiset 63 %, mikä nousi vain 66 %:iin korkeimmalla asiantuntijuustasolla. Samaan aikaan LLM:n kouluttaminen neurotieteen kirjallisuudesta paransi sen tarkkuutta 86 %:iin.

“Uskomme, että ei ole kauaa, kunnes tutkijat käyttävät AI‑työkaluja suunnitellakseen tehokkaimman kokeen kysymykseensä. Vaikka tutkimuksemme keskittyi neurotieteeseen, lähestymistapamme oli yleinen ja sen tulisi onnistuneesti soveltua koko tieteeseen.”

– Vanhempi tekijä Bradley Love, professori UCL:n psykologia‑ ja kielitieteissä

Cambridgen tutkijoiden mukaan AI:lla on selvä etu ennustemallinnuksessa ja data‑analyysissä. Kun sille annetaan ajantasaista dataa volyymin, monimuotoisuuden ja totuudenmukaisuuden osalta, se voi optimoida kustannuksia ja toimitusketjuja, suunnitella korkean suorituskyvyn tuotteita nopeammin ja reagoida markkinoiden vaihteluihin reaaliajassa.

“Generatiivisen AI:n sivuuttaminen yritysstrategiassa ei ole enää toteuttamiskelpoista,” sanoivat tutkimuksen yhteiskirjoittajat.

Tämä on kuitenkin vain jäävuoren huippu, sillä muut tutkimukset ovat havainneet AI:n erinomaisuuden peruskielenmekaniikassa, mutta puutteita teemojen johdonmukaisuudessa, kun kyse on testien arvioinnista, ylittäen ihmisen asiantuntijat lampaan kivun tunnistamisessa samasta visuaalisesta tiedosta, ja vastaavan tai ylittävän dermatologit ihonkuva‑diagnostiikassa.

Sijoituskulma: Gemini‑adoptio Alphabet Inc.:n kautta

Kun puhutaan AI:n voiman sijoittamisesta, Alphabet (GOOG ) on arvokas vaihtoehto, joka on johtanut AI‑läpimurtoja Google DeepMindin ja Google Researchin kautta.

Äskettäin Google DeepMind ja AI‑pohjainen koulutusteknologiayritys Eedi julkaisi tutkimuksellista tutkimusta, joka osoitti, että ihmisen mukana oleva AI‑tutorointi ylittää pelkän ihmistuen.

Koe toteutettiin viidessä Yhdistyneen kuningaskunnan lukion luokassa, joissa perusopetus annettiin LearnLM:n, Googlen pedagogiaksi hienosäädetyn generatiivisen AI‑mallin, avulla. He havaitsivat, että ihmisen‑AI‑tiimi oli yhtä tehokas (93 %) auttamaan oppilaita korjaamaan välittömästi tekemänsä virheen kuin pelkkä ihmistutor (91,2 %). Tiimi oli yhtä hyvä auttamaan oppilaita korjaamaan perimmäisiä väärinkäsityksiä.

Kun mitattiin “tiedonsiirtoa”, joka viittaa siihen, miten yhden ongelman tutorointi vaikuttaa oppilaan kykyyn ratkaista uusi ongelma, pelkkä ihmistutor paransi oppimista 4,5 prosenttiyksiköllä, kun taas ihmisen‑AI‑tiimi nosti sen 10 prosenttiyksiköllä.

“Nämä havainnot merkitsevät virstanpylvästä vastuullisessa, turvallisessa ja tehokkaassa AI:ssa koulutuksessa. Seuraava askel on laajentaa tämä kokeellisesta pilottiprojektista laajamittaiseksi kokeiluksi.”

– Irina Jurenka, tutkimustieteilijä Google DeepMindissa

Samaan aikaan teknologiayrityksen multimodaalinen AI‑malli Gemini on tehnyt useita edistysaskeleita, saavuttaen kultamitalin tason 2025 International Collegiate Programming Contest (ICPC) -maailmanmestaruuskilpailun finaalissa, edeltäen kultamitalin voittoa International Mathematical Olympiadissa. Googlen lippulaiva‑AI‑sovellus ylittää nyt 650 miljoonaa kuukausittaista aktiivista käyttäjää.

Google on siis syvästi mukana AI‑innovaatiossa, ja tämä on auttanut sen osaketta nousemaan lähes 54 % tänä vuonna, kaupankäynnissä juuri yli 293 dollaria. 3,5 triljoonan dollarin markkina-arvoinen yritys maksaa myös 0,29 % osinkotuoton.

Äskettäin se raportoi 102,35 miljardia dollaria liikevaihtoa Q3 2025:lle, jonka taustalla oli vahva kasvu pilvipalveluliiketoiminnassa, hyötyen vahvasta AI‑kysynnästä. Yritys aikoo nyt nostaa pääomamenonsa 91–93 miljardiin dollariin, sen jälkeen kun se nosti odotuksia 75 miljardista 85 miljardiin dollariin aiemmin tänä vuonna. Suurin osa kuluista kohdistuu infrastruktuuriin, kuten datakeskuksiin.

Lopulliset ajatukset

AI on valloittanut maailman, mutta se ei ole enää itsenäinen innovaatio. Sen sijaan se toimii yhdistävänä kudoksena, joka linkittää yhä useampia mullistavia teknologioita. Kuten yllä mainittiin, se auttaa meitä purkamaan ihmisen mikrobiomin mysteerejä, ennustamaan aurinkomyrskyjä ja jopa ylittämään asiantuntijat tieteessä ja lääketieteessä. Nämä läpimurrot edustavat kuitenkin vain pientä osaa siitä, kuinka syvästi AI vaikuttaa lähes kaikkiin ihmisen pyrkimyksiin.

Klikkaa tästä oppiaksesi kaiken tekoälyyn sijoittamisesta.

Viitteet

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. Mallintaa rutiininomaisen verikokeen kehityskäyriä dynaamisina biomarkkereina selkäydinvamman tulokselle. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Metagenomiin koottujen genomien avulla paljastettiin mikrobiallekirjoja ja aineenvaihduntareittejä, jotka liittyvät sepelvaltimoiden tautiin. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: variatiivinen Bayesilainen neuroverkko tärkeiden korkean ulottuvuuden mikrobiomin multiomics‑datan suhteiden priorisoimiseksi.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “Monimodaalinen enkooderi‑dekooderi neuroverkko aurinkotuulen nopeuden ennustamiseen L1:ssä.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. Suurikielimallit ylittävät ihmisen asiantuntijat ennustaessaan neurotieteen tuloksia. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. AI vastaan ihmisen tehokkuus esseen arvioinnissa. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Vertailu AI:n ja ihmisen asiantuntijan suorituskyvystä lampaan akuutin kipuarvioinnissa.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Tekoäly dermatologiassa: katsaus. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “AI‑tutorointi voi turvallisesti ja tehokkaasti tukea oppilaita: Tutkimusasetelma RCT Yhdistyneen kuningaskunnan luokkahuoneissa.” arXiv pre-print (Nov 2025). Available at: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf