医療研究の臨床応用を予測するAIモデル

バイオメディカル研究の分野では、毎日数百件の研究論文が発表されています。しかし、研究が実験室の環境から脱却して臨床応用につながるかどうかを予測することは難しいことがあります。最近、国立衛生研究所（NIH）のポートフォリオ分析局（Office of Portfolio Analysis、OPA）が開発したマシンラーニングモデルは、バイオメディカル研究の事例が臨床試験またはガイドラインで使用される可能性を判断することができました。OPAによると、研究論文の引用は、臨床試験での使用や疾患の治療法としての研究成果の使用を示す早期の指標です。

AI Trendsの報告によると、OPAの研究者は、 Approximate Potential to Translate（APT）という新しい指標を開発しました。OPAのディレクターであるGeorge Santangeloによると、バイオメディカル翻訳は、研究論文に対する科学コミュニティの反応に基づいて予測できます。Santangeloは、知識の流れには予測可能な経路があり、研究論文が臨床研究に影響を与える成功率または失敗率を予測できるということを述べています。

APT指標の開発は、NIHのiCiteツールの第2バージョンのリリースと同時期に実施されました。iCiteは、特定の分析分野に基づいてジャーナル出版物に関する情報を提供するブラウザベースのアプリケーションです。将来的に、iCiteツールはAPT値を返す予定です。

実験室研究を臨床応用に適応させるプロセスは、複雑で多くの変数が関与するため、数年を要することがあります。このプロセスを迅速化するための試みがなされていますが、Santangeloは、機械ラーニングアルゴリズムは、臨床現場で有用である可能性のある研究論文をよりよく理解するための強力なツールであると述べています。APT指標を実験し、改良するにつれて、有用な予測パターンが現れ始めました。

Santangeloは次のように説明しています：

「私たちが注目している最も重要な指標は、基礎科学から臨床研究までの軸にわたる関心の多様性です。基礎科学者や臨床研究者など、さまざまな分野の研究者が研究論文に興味を示し、引用する場合、臨床試験またはガイドラインでの引用される可能性は非常に高くなります。」

Santangeloによると、選択された特徴は、研究論文から臨床方法への翻訳を予測するという点で真正に有望です。研究論文の発行日から2年以上経過した後の出版物に関するデータは、研究論文が最終的に臨床記事で引用される可能性について正確な予測を提供します。

Santangeloは、新しい指標と機械ラーニングアルゴリズムにより、研究者は文献に関するより包括的な知識を持ち、臨床科学者にとってより魅力的である可能性のある研究分野についてより深い洞察を得ることができるようになったと述べています。

Santangeloはさらに、iCiteツールへのアルゴリズムの統合は、NIHのオープンな引用コレクションデータベースの自由でオープンな性質を活用することを目的としていることを説明しています。

NIHオープン引用コレクションデータベースには現在、420万以上の引用リンクが含まれており、増加しています。Santangeloチームのアルゴリズムは、iCite 2.0の将来のリリース時に、これらの引用のAPT値を提示する予定です。

多くのデータベースは制限的で独占的であり、Santangeloによると、これらの障壁は共同研究を妨げています。Santangeloは、データを有料の壁に隠す正当な理由がないと考えているようです。彼のアルゴリズムは、他者が計算されたAPT値を確認できるように設計されているため、独占的なデータソースを使用することは有益ではないと考えられます。