Astudiaeth yn rhybuddio bod Deallusrwydd Artiffisial yn sbarduno cynnydd sylweddol mewn ymchwil iechyd amheus

Llun gan Pexels o Pixabay

Llun gan Pexels o Pixabay

03 Gorffennaf 2025

Mae astudiaeth newydd yn awgrymu y gallai’r defnydd o adnoddau Deallusrwydd Artiffisial fod yn gyfrifol am gynnydd sylweddol mewn erthyglau ymchwil iechyd a allai fod yn gamarweiniol.

Dadansoddodd ymchwilwyr o Brifysgol Aberystwyth a Phrifysgol Surrey 341 o astudiaethau a gyhoeddwyd dros y degawd diwethaf a ddefnyddiodd set ddata fawr o’r Unol Daleithiau, sydd ar gael yn gyhoeddus, i gysylltu rhagfynegyddion unigol - fel diet, ffordd o fyw, neu ffactorau amgylcheddol - â chanlyniadau iechyd penodol.

Canfu'r ymchwil fod llawer o'r astudiaethau hyn yn dilyn yr un patrwm yn union, bron, sef: ynysu un newidyn, rhoi prawf ar ei gysylltiad â chyflwr iechyd, a chyhoeddi'r canlyniad, yn aml heb ystyried ffactorau dryslyd neu gywiro am gymariaethau lluosog.

Mae’r dull hwn, er ei fod yn hawdd ei awtomeiddio, yn cynyddu'r risg o ganlyniadau cadarnhaol anghywir a chasgliadau camarweiniol, ac nid yw’n bodloni’r safonau sylfaenol o ran trylwyredd gwyddonol.

Nododd yr ymchwilwyr gynnydd sylweddol mewn cyhoeddiadau sy’n seiliedig ar y set ddata o Arolwg Archwilio Iechyd a Maeth Cenedlaethol yr Unol Daleithiau (NHANES) yn 2024, gyda 190 o bapurau yn cael eu cyhoeddi yn y naw mis cyntaf yn unig, o'i gymharu â dim ond pedwar papur yn 2014.

Meddai'r Athro Reyer Zwiggelaar o'r Adran Gyfrifiadureg ym Mhrifysgol Aberystwyth, ac Uwch Arweinydd Ymchwil, Ymchwil Iechyd a Gofal Cymru:

"Rydym yn gweld cynnydd sylweddol mewn papurau a grëwyd â chymorth DA sy'n blaenoriaethu maint dros ansawdd, ac mae hyn yn destun pryder. Mae'r astudiaethau hyn yn aml yn defnyddio dull fformwläig a syml, gan anwybyddu arferion gorau ystadegaeth. Mae hyn yn arwain at gasgliadau gorsyml gan gynyddu'r perygl o ddarganfyddiadau cyfeiliornus. Mae ein canfyddiadau yn codi pryderon difrifol ynglŷn â chamddefnyddio DA mewn cyhoeddiadau gwyddonol.”

Mae'r astudiaeth yn amlygu sut mae adnoddau DA yn cael eu defnyddio gan 'felinau papurau' - sefydliadau sy'n masgynhyrchu papurau academaidd i wneud elw. Gall cwmnïau o'r fath gynhyrchu llawysgrifau yn gyflym trwy blygio newidynnau i dempledi a luniwyd ymlaen llaw, yn aml heb fawr ddim goruchwyliaeth ddynol na chyfiawnhad gwyddonol.

Pryder arall yw'r defnydd detholus o ddata o’r NHANES – arolwg sy'n cyhoeddi data am iechyd, maeth ac ymddygiad pobl ledled yr Unol Daleithiau. Roedd llawer o astudiaethau yn dadansoddi cyfnodau byr neu is-grwpiau penodol yn unig, heb roi cyfiawnhad clir am hyn. 'Dreillio data' yw’r enw am yr arfer hwn, a gall arwain at ddewis a dethol canlyniadau sy'n ymddangos yn ystadegol arwyddocaol ond nad ydynt yn berthnasol i’r byd go iawn.

Dywedodd cyd-awdur yr ymchwil, Charlie Harrison o'r Adran Gyfrifiadureg ym Mhrifysgol Aberystwyth:

"Gall Deallusrwydd Artiffisial fod yn adnodd pwerus, ond pan gaiff ei gamddefnyddio gall danseilio uniondeb gwyddonol a gorlifo'r testunau academaidd â chanfyddiadau annibynadwy. Nid mater academaidd yn unig mo hwn - pan fydd ymchwil ddiffygiol yn cael ei ymgorffori i’r testunau academaidd, gall gamarwain clinigwyr, drysu llunwyr polisi, a niweidio ymddiriedaeth y cyhoedd mewn gwyddoniaeth yn y pen draw. Bydd hefyd yn cael ei ddefnyddio i hyfforddi'r genhedlaeth nesaf o fodelau DA, felly mae'r broblem yn dod yn rhan annatod o’r modelau hynny"

Gan gyhoeddi eu canfyddiadau yn PLOS Biology, mae'r awduron yn cynnig canllawiau ar gyfer ymchwilwyr, ceidwaid data, cyhoeddwyr, ac adolygwyr cymheiriaid i wella’u harferion ystadegol, sicrhau tryloywder, a diogelu rhag arferion cyhoeddi anfoesegol.  Mae'r rhain yn cynnwys annog dadansoddiadau aml-ffactor, tryloywder wrth ddewis data, a sicrhau goruchwyliaeth olygyddol mwy cadarn.

Ychwanegodd yr Athro Reyer Zwiggelaar o Brifysgol Aberystwyth:

"Wrth i ymchwil sy’n defnyddio setiau data mawr ac adnoddau DA ddod yn fwy cyffredin, mae'n hanfodol ein bod yn diogelu uniondeb ymchwil. Mae adolygwyr yn chwarae rhan allweddol wrth adnabod ymchwil wan neu gamarweiniol cyn iddi gael ei chyhoeddi. Er mwyn helpu i ddiogelu ansawdd gwyddoniaeth, rydym yn awgrymu ambell gam pwysig: dylai darparwyr data olrhain sut mae eu data yn cael ei ddefnyddio, dylai cyfnodolion wrthod papurau o ansawdd isel yn gynnar, a dylai arbenigwyr mewn ystadegaeth helpu i adolygu astudiaethau cymhleth. Rydym hefyd yn annog trafodaeth agored ar ôl i bapurau gael eu cyhoeddi, fel y gellir cywiro camgymeriadau neu ddatrys problemau yn gyflym. Nid mesurau diogelu yn unig yw’r rhain - maent yn gamau hanfodol tuag at gynnal hygrededd a gwerth darganfyddiadau gwyddonol yn oes y ‘data mawr’."