萨尔大学的科学家们开发出了一种人工智能软件，能够使用最少的数据来发现顶级运动员的兴奋剂使用情况。这个系统可以简化奥运会等重大体育赛事的兴奋剂检查流程。
商业信息学解释说，兴奋剂检测是通过测量尿液样本中各种类固醇的水平和比率来进行。但由于人工操作量大，只能对少量样本进行兴奋剂检测。
在实验室分析尿液样本可能需要数周时间，而且只有一小部分样本会被全面检查。这会导致许多使用兴奋剂的运动员逃脱了检查，作弊的空间依然存在。
新的人工智能系统只需要在运动员职业生涯中收集三个尿液样本的数据，就能准确预测是否存在兴奋剂使用。每个样本测量七个特征，如类固醇浓度和比率，以创建运动员的自然类固醇档案。
识别清白运动员
该软件会在新样本中寻找与常规模式的偏差，并能以99%的确定性表明哪些运动员没有使用兴奋剂。对检测出有可能服用兴奋剂的运动员再通过手动DNA测试进行深入的审查。
该系统学习纵向档案中的典型模式，并对尿液样本中特定生物标志物的变化做出响应。研究团队使用基于自注意力的卷积神经网络（SACNN）。卷积神经网络（CNNs）可以识别图像或时间序列等数据中的模式。自注意力机制帮助网络学习远距离数据点之间的联系。
研究团队包括来自德国人工智能研究中心（DFKI）、科隆德国体育大学和世界反兴奋剂机构（WADA）的专家，他们在韩国举行的国际人工智能联合会议上展示了这些研究结果。
