AIモデルは医療研究の臨床応用を予測できる

生物医学研究の分野では、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、臨床応用につながるものかどうかを予測することは難しいことがあります。最近、National Institutes of Health (NIH) の Office of Portfolio Analysis (OPA) で開発されたマシンラーニングモデルは、生物医学研究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、臨床試験での研究の進捗や疾患の潜在的な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によると、OPAの研究者は、新しい指標、Approximate Potential to Translate (APT) を開発しました。OPAディレクターのGeorge Santangeloによると、生物医学の翻訳は、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。サンタンジェロは、知識の流れには、研究論文の成功または失敗を予測するための明確な軌跡があると述べています。

APT指標の作成は、NIHのiCiteツールの第2版のリリースと一致しています。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値をクエリに返します。

実験室研究を臨床応用に適応させるプロセスは、複雑で、しばしば数年かかります。このプロセスを促進するための試みが行われていますが、タスクに関与する多数の変数により、翻訳プロセスを評価することは難しいことがあります。サンタンジェロによると、マシン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理解するための強力なツールとなり得ます。研究者チームがAPT指標を実験し、改良した結果、有用な予測パターンが現れ始めました。

サンタンジェロは説明しています:

「私が注目している最も重要なのは、基本から臨床研究軸まで、さまざまな分野からの関心の多様性です。当人がその軸に沿って — 基本科学者から始まり、同じ分野の仕事をしている人まで、そして臨床現場の人まで — 論文への関心を示すと、最終的に臨床試験またはガイドラインでの引用の可能性は非常に高くなります。」

サンタンジェロによると、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可能性を示しています。出版物のデータを少なくとも2年間収集すると、論文の最終的な臨床記事での引用について正確な予測ができます。

サンタンジェロは、新しい指標とマシンラーニングアルゴリズムにより、研究者が文献の全体像をより完全に理解できるようになり、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の洞察が得られることを説明しています。

サンタンジェロはまた、アルゴリズムのiCiteツールへの統合は、NIHのオープンな引用コレクションデータベースの無料、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オープンな引用コレクションデータベースは、現在、420万件以上の引用リンクで構成されており、増加しています。サンタンジェロチームのアルゴリズムは、iCite 2.0が将来的にリリースされたときに、これらの引用のAPT値を提示します。

多くのデータベースは制限的で、独占的であり、サンタンジェロによると、これらの障壁は共同研究を妨げています。サンタンジェロは、データを有料壁 behindに隠す正当な理由はないと考え、アルゴリズムは他の人に計算されたAPT値を見せることを可能にするため、独自のデータソースを使用することは利益がないと述べています。