מודל AI יכול לחזות את היישום הקליני של מחקר רפואי

כאשר מדובר במחקר ביו-רפואי, ישנם מאות רבות של מאמרים מחקריים המתפרסמים כל יום. עם זאת, יכול להיות קשה לחזות מהו מחקר שיצא מסביבת המעבדה ויביא ליישומים קליניים. לאחרונה, מודל למידת מכונה שפותח על ידי המשרד לניתוח תיקי השקעות, או OPA, במכונים הלאומיים לבריאות (NIH) הצליח לקבוע את ההסתברות שמחקר ביו-רפואי ישמש בניסויים קליניים או בקווים מנחים. על פי OPA, ציטוט של מאמר מחקרי בניסוי קליני הוא מעין מדד מוקדם לקידום תרגום או לשימוש בממצאי המחקר כטיפול פוטנציאלי למחלות.

כפי שדווח על ידי AI Trends, החוקרים ב-OPA יצרו מדד חדש עבור מודל הלמידה המכונה, שכונה Approximate Potential to Translate, או APT. על פי המנהל של OPA, ג’ורג’ סנטנג’לו, תרגום ביו-רפואי יכול להיחזות על בסיס תגובת הקהילה המדעית למאמרים המחקריים של פרויקט. סנטנג’לו אמר כי ישנן מסלולים ברורים לזרימת הידע, אשר יכולים לחזות את ההצלחה או כישלון של מאמר בהשפעה על מחקר קליני.

יצירת המדד APT חופפת לשחרור הגרסה השנייה של כלי iCite של NIH. iCite הוא יישום המבוסס דפדפן, המספק מידע על פרסומים בכתבי עת על בסיס שדה הניתוח הספציפי. הלאה, כלי iCite יחזיר את ערכי APT עבור שאילתות.

תהליך הפיכת מחקר מעבדה ליישומים קליניים הוא משימה מורכבת, שלרוב לוקחת שנים. נעשו ניסיונות לזרז את התהליך, אך בשל המשתנים הרבים המעורבים, קשה להעריך את תהליך התרגום. כפי שהסביר סנטנג’לו, אלגוריתמים של למידת מכונה הם כלי חזק, שיכול לאפשר לרופאים להבין טוב יותר, אילו מאמרים מחקריים ברובם יוכלו להוכיח יעילים בקליניקה. ככל שצוות החוקרים ניסה ושיפר את מדד APT, החלו להופיע דפוסים חזויים מועילים.

סנטנג’לו הסביר:

“אני חושב שהחשוב ביותר שאנו מתמקדים בו הוא גיוון העניין מצד המחקר הבסיסי ועד למחקר קליני. כאשר אנשים מצד הציר הזה — ממדענים בסיסיים, לעיתים קרובות באותו תחום כמו העבודה שפורסמה, ועד לאנשים בקליניקה — מראים עניין בצורת ציטוטים במאמרים, אז ההסתברות לציטוט עתידי על ידי ניסוי קליני או קווים מנחים הוא גבוהה מאוד.”

על פי סנטנג’לו, המאפיינים הנבחרים מראים הבטחה אמיתית בחיזוי התרגום ממאמר מחקרי לשיטה קלינית. נתונים על פרסום, שנאספו במשך לפחות שנתיים מתאריך הפרסום, מעניקים לרוב חיזויים מדויקים על ציטוט עתידי של המאמר במאמר קליני.

סנטנג’לו הסביר כי בזכות המדד החדש ואלגוריתמי הלמידה, החוקרים יכולים להיות בעלי ידע מלא יותר על מה שקורה בספרות, וזה מאפשר תובנה טובה יותר לתחומי המחקר, אשר יותר ברור שימשכו את עניינם של מדענים קליניים.

סנטנג’לו הוסיף כי הכוונה לשלב את האלגוריתמים לתוך כלי iCite היא לנצל את טבעם החופשי והפתוח של מאגר הציטוטים הפתוח של NIH.

מאגר הציטוטים הפתוח של NIH כולל כיום מעל 420 מיליון קישורי ציטוט, וגדל. אלגוריתמים של צוות סנטנג’לו יציגו את ערכי APT עבור ציטוטים אלו כאשר iCite 2.0 תשוחרר בעתיד.

רבים מהמסדי הנתונים הם מוגבלים ובעלי זכויות, ועל פי סנטנג’לו, מחסומים אלו מונעים מחקר משותף. סנטנג’לו סבור כי אין הצדקה מעולה לשמירת הנתונים מאחורי חומת תשלום, וכי מכיוון שאלגוריתמים שלהם אמורים לאפשר לאחרים לראות את ערכי APT המחושבים, לא יהיה מועיל להשתמש במקורות נתונים בעלי זכויות.